近年来,随着无人机行业的迅猛发展,各项技术逐渐成熟和成本也不断下降,无人机向着小型化、低空化和多元化的方向发展,越来越多的消费级无人机进入了人们的生活,并在民用领域发挥了许多不可替代的作用。然而无人机应用的快速发展也带来了诸多社会问题,对公共安全造成威胁的事故频发。因此针对非合作无人机的定位跟踪问题有着重要的研究意义。相比基于时延和基于多普勒等定位方法,基于功率的无人机定位方法因其成本低廉得到了广泛的应用;然而由于信号功率容易受噪声、杂波和天线方向性等因素的影响,定位跟踪的精度往往不高,尤其在无人机复杂的机动场景下缺乏有效的解决方案。因而本文研究这一场景下的无人机无源定位跟踪技术。首先,针对基于功率的定位实测场景中无人机位置观测值存在异常值和由于天线方向性产生的偏差问题,提出了能处理异常数据和利用离线数据修正偏差的粒子滤波算法。对于存在异常数据的问题,使用关联门对数据进行预处理,并对有效的数据进行合并。对于天线方向性带来的位置观测值偏差的问题,利用离线数据中无人机实际位置和位置观测值偏差之间的关系,来改善粒子滤波算法中的似然函数,再通过改变粒子权重的分配修正偏差。最后通过实地测试验证了算法的有效性,并对位置和速度的误差进行了分析。然后,在无人机机动场景下,利用数据生成算子处理缺失数据,并在前文改进算法的基础上引入了灰色预测模型,提出了能利用历史观测数据对无人机运动预测的滤波算法。针对由于异常数据等造成灰色序列数据缺失的情况,引入了均值生成算子和级比生成算子,提高了算法的鲁棒性;对于前文改进算法,在机动场景下无人机运动状态不符合状态方程的描述的问题,本文使用灰色预测模型利用位置观测值生成部分粒子改善后验概率分布,解决了重要性分布函数不能完全覆盖后验密度的问题。最后对通过仿真分析了不同参数对算法的影响,与前文提出的算法进行对比,验证了所提出算法在机动的场景下有更好的性能。这些结果对后续开展无源定位跟踪技术的研究具有重要意义。