水下目标定位技术在海洋开发和利用中扮演着非常重要的角色,由于声信号在水中的传播特性,使得水下声学定位仍然是水下目标定位的首选解决方案。其中,长基线/超短基线（Long Baseline/Ultra Short Baseline,LBL/USBL）组合声学定位系统是近年来被广泛研究和应用的水声定位系统。本文针对如何提高水下声学定位精度的问题,对LBL/USBL组合声学定位跟踪的若干关键技术展开研究,取得的研究成果具有重要的理论意义和应用价值,本文的主要研究内容及创新性如下:（1）针对广义互相关时延估计技术在低信噪比情况下估计精度下降的问题,提出了一种新的广义互相关加权函数。新的加权函数以PHAT（Phase Transform）加权函数为基础,并利用输入信号的功率谱特性扩大互功率谱函数信号频点处的幅值,加强信号互功率谱密度中声源信号的成分,进一步提高了信噪比,达到了提高时延估计精度的目的。（2）在深入研究有效声速空间分布规律的基础上,提出了一种基于BELLHOP模型的有效声速估计算法。以准确估计时延为基础,利用BELLHOP模型计算声信号传播的最快路径,并利用迭代算法计算发射器——接收器之间的有效声速。仿真结果证明该算法可以在保证有效声速估计精度的同时降低计算复杂度,且可以通过对阈值的调整达到距离估计精度与计算复杂度之间的平衡,提高了有效声速估计算法的有效性和适应性。（3）针对某些极端场景下无法获得声速剖面数据的情况,研究了未知声速条件下的水下声学定位问题,提出了一种基于LBL/USBL组合声学定位系统的有效声速估计算法。该算法假设水下目标与不同浮标之间的声信号传播速度不相等,利用LBL/USBL系统中的冗余定位信息建立目标优化函数,并采用粒子群优化算法求解优化函数得到水下目标与各浮标之间的有效声速。（4）提出了一种基于区域划分的粒子群算法。该算法将种群中的每个粒子按照与全局最优粒子的距离进行区域划分,对位于不同区域的粒子按照不同的原则自适应地调整其惯性权重与学习因子,使得整个种群的寻优能力和收敛速度达到平衡,同时引入自适应变异操作避免种群陷入局部最优解。仿真表明改进的粒子群算法可以在保证优化效果的同时加快收敛速度,提升了未知声速条件下LBL/USBL组合水声定位系统的性能。（5）在高精度时延估计及有效声速估计的研究基础上,对LBL/USBL组合声学定位系统中的定位技术进行研究,提出了一种基于异常点剔除的数据融合算法。该算法首先对单一水声定位系统的定位结果进行分析,利用Grubbs准则对其中的异常值进行识别并剔除,再对剩余的有效定位点进行基于距离的加权数据融合,得到最终的定位结果。仿真结果表明,该算法可以有效提高LBL/USBL组合声学定位系统对水下目标的定位精度,且保证LBL/USBL系统在整个定位区域内均具有较高的定位精度。（6）提出了一种基于无迹卡尔曼滤波器的R-T-S（Rauch-Tung-Striebel）区间平滑算法来解决LBL/USBL组合声学定位系统的跟踪滤波问题。该算法充分利用USBL系统通过多个浮标得到的多个定位信息,进一步降低了量测误差的影响。仿真证明该算法能够获得比单纯使用无迹卡尔曼滤波器更好的滤波效果,保证了LBL/USBL系统在USBL系统定位存在较大误差的情况下依然对水下机动目标具有较高的定位跟踪精度。