多传感器多目标跟踪与数据关联是多传感器信息融合理论研究的核心内容，主要包含了数据关联和目标跟踪两部分内容。由于在军事技术和民用技术有着广泛的应用，吸引了众多研究者的兴趣，目前该理论的难点是需要在可容许的时间内，密集虚警环境下完成对多个目标的连续跟踪任务。 无源探测传感器具有不易被敌发现的特点，但单个传感器不能实现对运动目标的完全观测，需要利用多个传感器信息来实现对目标的完全观测。如果传感器探测到的是声音等具有较大时间延迟的信息，则需要进一步对数据完成校准。这些因素导致多运动目标无源跟踪与数据关联问题变得异常复杂困难，许多适用于多运动目标有源跟踪与数据关联的算法在这个问题上变得束手无策。 本文针对无源声音探测网络预警系统，研究了多运动目标无源跟踪与数据关联问题中的相关算法，主要贡献与创新在于： 1．从整体上描述了无源声音探测网络的研究背景、意义、基本框架和研究方法，概述了目标跟踪与数据关联的基本理论与方法，重点分析了几种典型的数据关联方法，包括最近邻方法、概率数据关联滤波器(PDAF)、联合概率数据关联滤波器(JPDAF)、多假设跟踪(MHT)以及多维S-D分配算法。 2．针对实际无源探测网络中存在同一探测区域内只布置了一个无源声音探测传感器站的情况，给出了一种单静止站单目标无源纯方位定位与跟踪的算法，提出了一种简单的单静止站多目标无源纯方位定位与跟踪的算法，从而将单静止站多目标问题转化为单静止站单目标问题。 3．利用最小二乘理论，研究了多静止站单目标无源纯方位定位方法，给出了多静止站单目标的视线交叉定位算法，同时针对声音传播的延时特性，提出了处理具有延时特性的最小二乘迭代视线交叉定位算法。 4．研究了多静止站多目标无源纯方位跟踪与数据关联问题，提出了筛选矩阵的概念，使得无源声音探测网内多目标纯方位跟踪与数据关联问题转化为同一探测区域内的多静止站多目标无源纯方位跟踪与数据关联问题；还提出了一种适合于实际工程应用的时空联合数据概率关摘要联算法，该算法解决了无源多传感器多目标跟踪的难题。针对实际工程中存在含有范数有界的噪声统计特性未知的多传感器融合估计问题，提出了分别基于离散代数Riccati方程(DAR丑)和线性矩阵不等式(LMI)的多传感器数据融合系统H二滤波器设计方法。针对一般实际工程系统所具有的特点:1)过程噪声及测量噪声统计特性未知但能量有限;2)含有范数有界的不确定参数。提出了一种新的基于线性矩阵不等式(LMI)的鲁棒从滤波器设计方法。最后简单回顾了全文的工作，并对今后的研究进行了展望。