干涉测量技术因其被动式测量、测角精度高、作用距离远等特点在对距地面20-100km空域的临近空间低速飞行器定位上具有天然的优势,是当前的研究热点。本论文针对干涉测量技术在临近空间低速非合作目标定位中遇到的包括定位原理、定位误差分析、目标位置解算优化等问题,开展了理论分析和仿真验证研究,其主要内容如下:首先,介绍了干涉测量技术原理,概述了干涉测量技术在临近空间非合作目标定位的优势;给出了干涉测量定位数学模型,分析了各种定位方程解算的算法原理及定位性能的评估指标。其次,建立了非合作目标干涉测量的定位方程,推导了总几何精度因子;对不同接收站构型,仿真分析测量时间差误差、基线长度、站址误差对其总几何精度因子影响;利用高斯牛顿法解算目标位置,仿真表明:短基线系统站址在误差0.02m,测量误差5ns,基线长度1km对20km高的目标定位,均方根误差约在45m,小阵列基线系统在站址误差0.01m,测量误差0.02ns,基线长度10m时对20km高的目标定位,均方根误差约在18m;在两种系统中,基线长度越长、时间差误差越小、目标高度越低,目标的定位精度越高;短基线系统受站址误差影响小,而小阵列基线系统受站址误差的影响大。然后,建立了基于列文伯格-马夸尔特算法的解算模型、智能算法解算模型,通过数值仿真验证列文伯格-马夸尔特算法、智能算法作为干涉测量定位求解算法的可行性,也验证列文伯格-马夸尔特解法具有比高斯牛顿解法在干涉测量定位解算时更高的稳健性。最后,针对基本遗传算法在解算目标位置时,收敛速度慢、迭代次数多的问题,提出了自适应遗传算法策略和结合遗传算法和高斯牛顿算法的混合策略。仿真表明,改进的自适应遗传算法相比基本遗传算法迭代次数从190到80次;混合算法相比基本遗传对目标进行1000次解算时,运行时间从11.56s减小到0.374s,时间效率提高了近30倍;混合算法能解决高斯牛顿对初始值要求高的问题。