无人水下航行器(以下简称UUV)目标跟踪是UUV执行多种水下任务的能力基础,具有重要的实际应用意义和重要的研究价值。本文针对复杂环境中目标跟踪问题,围绕着目标状态估计和UUV跟踪运动控制两个问题,主要开展了以下研究:首先,提出了UUV目标跟踪问题解决方案,将其分解为目标状态估计和UUV跟踪运动控制两部分;建立了跟踪平台(UUV)、目标测量传感器和运动目标等数学模型,奠定了目标跟踪问题研究的模型基础。其次,针对单目标跟踪和多目标跟踪问题分别研究了目标状态估计方法。针对单跟踪平台下单目标状态估计问题,在贝叶斯估计理论基础上,分别分析了面向线性系统的卡尔曼滤波及面向于非线性系统的EKF、UKF、粒子滤波(PF)的原理及其特性;针对多跟踪平台协同目标跟踪问题,设计了联邦滤波器对多个传感器状态估计数据进行融合。应用不同滤波方法完成单目标跟踪仿真实验,对比分析其计算复杂度、适用范围和估计误差等,得出适用于本问题研究的滤波方法。针对多跟踪平台协同状态估计完成仿真实验验证,结果表明协同目标跟踪精度显著高于单个跟踪平台的跟踪精度。针对多目标状态估计问题,对于多目标状态估计时环境复杂、目标数目随时改变的难点,研究了基于随机集理论的概率假设密度滤波(PHD)和考虑到目标数目高阶信息的集势概率假设密度滤波(CPHD),并分别给出了两种算法的贯序蒙特卡罗方法(SMC)近似实现方案;通过仿真实验验证滤波算法的估计效果,结果表明算法能在杂波干扰、虚警漏检的复杂环境下较为准确的估计目标状态和数目的变化。再次,针对目标跟踪控制问题,设计了跟踪运动控制算法。根据Lyapunov函数设计了适用于二维平面跟踪运动控制的反步法控制器,在此基础上引入导引策略以优化跟踪轨迹和控制器输出,仿真结果表明控制算法在目标跟踪问题中的有效性。最后,构建了目标跟踪模拟试验系统,采用六自由度运动仿真平台作为UUV模拟跟踪平台,以微波雷达作为目标测量传感器,以移动车为运动目标,通过上述模拟试验系统模拟运动目标跟踪过程。试验结果表明所研究的算法能够实现目标状态估计并能够实时跟踪目标运动,系统实现方案合理可行。