随着计算机科学、控制科学、生物学、物理科学、统计学、社会学等学科的交叉发展,多无人机系统分布式协同控制受到越来越多学者的广泛关注。其中,多无人机系统协同定位目标以及无源被动跟踪问题一直以来都是国内外研究热点。而基于纯角度观测信息的多无人机被动目标定位方式由于不需要距离和位置等观测信息,仅需被动地接收目标方位角信息即可实现目标的定位跟踪,具有隐蔽性好、可靠性高、抗干扰能力强等特点,因此在目标包围控制以及绕飞跟踪等研究方向都备受关注。其中,基于纯角度的单无人机目标跟踪问题主要包括目标状态估计和观测器的轨迹机动控制,而由于目标状态信息未知,在纯角度量测下的目标状态的估计精度仍有待提高。多机估计策略下,目标状态估计精度以及控制精度能够得到明显的提升,在保证有效目标跟踪的前提下节省通信资源以增加无人机的工作时长也是一个重点的研究方向。当无人机自定位信息出现丢失等不完全量测的情况时,多机系统目标估计策略如何设计以及如何保障对目标的持续跟踪也仍需进一步研究。针对上述问题,本文进行了以下工作:首先,本文提出了一种结合卡尔曼滤波算法的虚拟交叉算法实现对目标状态的无偏估计,通过添加目标速度补偿值设计了一种新的多无人机分布式控制策略,以期多无人机能够在以目标为中心且具有指定半径的圆周上形成等角编队。对所提出的算法进行了稳定性分析,证明了估计误差、环航半径控制误差以及无人机之间分离角控制误差全局渐近收敛于零。通过数值仿真与现有算法进行比较,实验结果表明所提出的算法提高了目标状态估计精度以及传感器机动轨迹控制精度。其次,基于多机测向定位改进了单机纯角度目标跟踪精度和无人机环航控制精度,通过数值仿真对比两种系统下的性能,验证了所提出算法的优越性。针对多无人机协同跟踪中通信量较大问题,研究了一种基于事件触发机制的多机测向交叉算法对目标状态进行估计的方法,在能够保障给定目标估计及无人机控制精度的情况下,达到节省多机跟踪系统通信资源的目的。最后,针对无人机室外自定位信息出现数据丢失或者不精确等不完全量测的情况,进一步考虑多无人机完成目标跟踪的可行性。通过结合单机估计与多机估计的优点,进一步研究了不完全量测下的目标估计问题,并通过数值仿真验证了算法的可行性。