被动雷达具有战场生存能力强、成本低、布设方便、抗干扰能力强等特点,在侦察监视以及低空、隐身目标探测等军事应用中有广阔的应用前景,受到研究人员的广泛关注。本文主要针对被动雷达目标检测、跟踪与分类三个科学问题开展研究,提出了一系列算法及模型,并且通过理论分析或计算机仿真证实了所提算法及模型具有良好的性能。本文的主要研究内容归纳如下:1、研究了被动雷达存在注册偏差时的多目标检测与跟踪问题。将被动雷达注册偏差的动态模型建模为一阶连续马尔可夫过程,并增广到目标状态向量中,同时建立了被动雷达对增广目标的似然模型。在多目标多伯努利滤波器的基础上,提出了一种联合多目标检测、跟踪与被动雷达注册偏差校正的算法,并进一步给出了所提算法的粒子滤波实现方式,克服了被动雷达注册偏差导致的目标检测与跟踪性能下降的问题。2、研究了被动雷达的低可观测目标检测与跟踪问题。在概率数据关联规则下构建了被动雷达的批量对数似然比函数,以完成目标量测信息在采样时间上的积累,并通过最大化对数似然比函数寻找潜在目标。在算法层面,在极大化对数似然比过程中引入了粒子群优化方法,并进一步提出基于观测引导的粒子播撒方式,提升算法的计算效率。在实施层面,利用GPU并行加速了粒子群优化算法,并根据被动雷达的对数似然比函数特征设计了执行策略,实现了被动雷达对低可观测目标的实时检测与跟踪。3、在有限集统计学理论框架下,提出了单频网被动雷达的目标检测与跟踪次优似然模型。该模型将最优似然模型近似为多个发射站的子似然模型之和,在考虑各子似然模型时,将其它发射站信号产生的目标量测视作杂波,从而避免了由于量测与发射站关联模糊带来的NP难问题,以较小的目标检测与跟踪精度损失,换取了计算效率的大幅度提升。4、引入分布式多目标跟踪的思想,提出了基于GCI融合技术的单频网被动雷达多目标检测与跟踪算法。在本文所提算法中,将单频网被动雷达的每个发射站看作虚拟节点,在每个采样时刻的迭代中,首先计算各虚拟节点的局部后验分布,在此过程中,将其它虚拟节点产生的目标量测视作杂波,并将目标相关的杂波分布近似为泊松点过程,避免了量测与发射站的关联模糊。最终,通过GCI方法融合各虚拟节点的局部后验分布得到全局后验分布。相比于已有的算法,本文所提算法具有计算量小、可扩展性强的优势。5、提出了被动雷达联合多目标检测、跟踪与分类算法。本文所提算法在多模型多目标多伯努利滤波器的基础上,加入目标的类型信息,并进一步利用目标类型与目标运动模型集之间的先验关系,提高了多目标检测与跟踪性能。类似地,通过融合目标运动模型提供的类型信息与被动雷达提供的目标类型相关的量测信息,又提高了目标的分类精度。