水下无人航行器(Unmanned Underwater Vehicle,UUV)是一种可长期在水下执行作战或作业任务的无人潜器,在民用和军用方面都扮演着不可或缺的角色。作为水下平台使用时,UUV经常通过自身携带的被动声纳对水下目标的方位信息进行探测,以辨识水下目标的运动要素。本文针对水下目标运动要素的辨识,从目标运动要素的辨识算法和UUV搜索策略的优化算法两方面内容展开研究,主要研究内容如下:首先,针对本文仅利用水下目标方位信息对目标运动要素进行辨识的特性,对水下目标不同运动形式的运动学模型进行了分析,并给出了离散形式的系统方程和量测方程。分析了满足水下目标可观测条件下UUV应采取的搜索策略,给出了水下目标运动要素辨识的性能指标,为后续目标运动要素辨识算法的研究奠定基础。其次,针对水下目标运动要素的辨识问题与非线性估计理论的研究内容具有高度的相关性,基于粒子滤波算法展开水下目标运动要素辨识的研究。为了提高目标运动要素的辨识精度,设计了改进的扩展卡尔曼粒子滤波算法,该算法可以有效的降低粒子滤波算法中粒子退化和贫化现象对水下目标运动要素辨识的影响,并通过仿真验证了改进的扩展卡尔曼粒子滤波算法的有效性。再次,针对UUV完成一次完整的目标运动要素辨识中,被动声纳的量测精度在短时间内不可能再提高,并且该次辨识中采用的辨识算法也不可能发生改变。此时,优化UUV的搜索策略成为改善辨识效果的重要手段。以CRLB为理论依据,基于水下匀速直线运动的目标设计了UUV搜索策略的优化算法,并通过仿真验证了UUV搜索策略优化算法的有效性。最后,设计典型的案例,针对水下匀速直线运动的目标和水下变速运动的目标,展开目标运动要素辨识的对比仿真。对本文提出的目标运动要素辨识算法,以及UUV搜索策略的优化算法进行仿真验证,根据水下目标运动要素辨识的性能指标对辨识结果进行比较分析,证明了算法的有效性和优越性,旨在为下一步工程应用提供参考。