无源传感器具有隐蔽性好、覆盖范围广等优点,已广泛应用于目标定位、跟踪、监视、导航等领域。将多无源传感器量测融合,可以获得对目标更好的定位跟踪性能。目前大多数无源协同定位跟踪问题中,传感器量测噪声方差假定是固定不变的。而实际无源传感器测角和测距量测噪声方差随距离变化,因此需解决方差变化时传感器的测量精度是否与实际情况更加贴合,距离相关特性对传感器-目标几何位置的影响。对此,本文研究距离相关噪声下机载无源传感器协同定位跟踪问题,设计量测噪声距离相关下多无源传感器融合跟踪算法,分析距离相关噪声下多无源传感器的最优几何构型,优化机载平台路径获得无源传感器最优观测,以提高机载无源传感器协同定位跟踪性能。本文主要工作如下:1.针对无源传感器到达角度（Angle of Arrival,AOA）量测噪声距离相关特性,提出了距离相关噪声下机载AOA协同定位和路径规划算法。首先,设计了一种基于极大似然估计和变增益无迹卡尔曼滤波的AOA融合跟踪算法,以适应AOA量测噪声随距离变化特性。随后,推导了距离相关噪声AOA定位下广义克劳美罗下界（Generalized Cramer-Rao Lower Bound,GCRLB）,并以GCRLB的迹最小化为优化指标,分析了无源测角传感器协同定位下最优几何构型。然后,建立了基于测角GCRLB的多无人机AOA协同定位路径规划模型,采用罚函数和L-M算法优化求解。最后进行了大量的仿真测试,比较了不同AOA定位跟踪算法性能、不同传感器个数下AOA协同定位误差、相同/不同测角精度传感器AOA协同定位下路径优化性能。仿真验证了所提算法的有效性。2.针对无源传感器到达时间（Time of Arrival,TOA）量测噪声距离相关特性,提出了距离相关噪声下机载TOA协同定位和路径规划算法。首先针对TOA量测噪声随距离变化特性,设计了一种基于加权最小二乘估计和变增益扩展卡尔曼滤波的TOA融合跟踪算法。随后,推导了距离相关噪声TOA定位下GCRLB指标,并分析了TOA协同定位下无源传感器最优位置。最后,建立了基于测距GCRLB的多无人机TOA协同定位路径规划模型并优化求解。大量仿真比较分析显示:通过机载无源传感器定位跟踪算法和传感器位置优化,本章算法可以提高对目标的定位跟踪性能。3.针对上述量测噪声距离相关下机载无源传感器协同跟踪的路径规划问题,提出了基于长期收益的多步无人机路径规划算法,避免“短视”优化。该算法以最大化跟踪整体收益为目标,既考虑当前收益,又考虑未来远期收益。分别建立量测噪声距离相关AOA跟踪、TOA跟踪和AOA/TOA协同跟踪下多步无人机路径规划模型,采用改进分支定界算法优化求解获得多无人机的运动轨迹。最后,仿真比较了不同优化策略下机载无源传感器目标跟踪性能、协同跟踪性能和避障能力。