基于外类型辐射源的无源雷达定位系统本身不向外界发射信号,而是利用第三方辐射源发射的信号进行目标探测,外辐射源雷达探测系统具有较强的隐蔽性和抗干扰能力,对隐身目标也有较强的探测能力,外辐射源雷达系统就是利用外辐射源如FM调频广播,GSM基站,GPS卫星,地面电视广播等发射的信号对目标进行探测的。这些辐射源在内陆地区特别是接近城市的地区分布较为密集,如果采取相应的信号处理算法综合利用这些不同种的外辐射源信号,设计合理的多类型外辐射源协同的探测系统,相比于仅仅依赖于单一外辐射源的探测系统而言,雷达系统探测的稳定性和可靠性都会有很大提升。本文通过以多个种类的民用辐射源作为外辐射源,提出了一种基于多类型辐射源协同的目标被动探测方法。本文主要工作和创新如下:(1)本文针对高斯噪声背景下传统DOA估计算法受阵列误差影响较大的问题,利用均匀线阵在自编码器网络和卷积神经网络的基础上提出了一个AE-CNN网络框架,用于解决DOA估计问题,所提出的AE-CNN网络包括一个线性分类器和一个卷积神经网络估计器。该方法首先将天线输出信号协方差矩阵元素的实部和虚部提取出来构建成一个一维矩阵,然后将其送入线性分类器进行初步分类,线性分类器分为一个编码器和多个解码器,来自某一空间子区域的信号会在对应解码器输出;然后对解码器的输出进行矩阵变换变成一个实部矩阵和一个虚部矩阵;最后将实部矩阵与虚部矩阵一起送入卷积神经网络中实现DOA估计。本文通过仿真实验验证了AE-CNN算法的有效性,证明了所提出的算法相比于MUSIC算法对阵列误差的适应性较强,且能对半平面内角度范围内的信号进行DOA估计。(2)针对高斯噪声背景下多类型外辐射源协同的目标探测受噪声影响大,估计精度不高的问题,本文首先基于线性正则变换(LCT)提出了基于线性正则变换的模糊函数(LCTCAF)方法对目标到接收站的距离和目标的径向速度进行估计,又根据目标距离,径向速度与时延和多普勒的映射关系提出了一种距离-径向速度变换的互模糊函数(RECAF),将互模糊函数中的时延和多普勒参量由距离参量和径向速度参量表征,然后对RECAF函数进行谱峰搜索即可实现对目标的距离和径向速度的直接估计;然后将两种方法的估计结果转化为对目标的位置和速度的估计;本文通过仿真实验验证了两种方法的有效性,并证明了RECAF方法对噪声的抑制作用,且相比于模糊函数(CAF)方法和LCTCAF方法都具有更好的估计性能。