无线传感器网络(Wireless Sensor Network, WSN)是一种集成了传感器、嵌入式计算、网络和无线通信四大技术的信息获取和处理技术。该网络系统能够实时监测、感知和采集各种环境或监测对象的信息,并对其进行处理,传送给需要此信息的用户。无线传感器网络是计算机科学技术的一个新研究领域,具有十分广阔的应用前景,如国防军事、环境检测、医疗卫生和反恐抗灾等。本文以基于无线传感器网络技术的大型建筑灾难救援系统为研究背景,将无线传感器网络与传统安全监控系统有机结合,可实现被困人员定位、灾情趋势预测和最优逃生路径规划等功能。针对该系统的定位功能,本文从无线传感器网络的节点自定位、目标定位和目标跟踪三个方面分别展开研究。节点自定位研究是无线传感器网络定位研究的基础,本文提出一种基于欧氏距离的分布式网格定位估计的改进方法。其核心思想是通过比较未知节点与信标节点之间的跳数信息,实现未知节点快速自身定位。该方法针对网格定位估计方法定位准确率低,能耗大的问题,利用欧氏距离替代匹配阈值提高定位准确率,并通过分布式计算减少网络能量消耗。仿真实验结果表明,该方法具有定位快速、准确率较高、能耗低及鲁棒性好的特点。针对大型建筑中被困人员的定位问题,本文提出了基于声源能量的分布式EM定位方法。该方法针对无线传感器网络中集中式定位方法能耗过大的问题,采用EM算法对节点获取的声音能量信息进行分布式计算,估计得出声源的位置和能量。另外,根据信息的传递方式,本文分别提出了基于环和基于簇两种分布式计算方式,有效降低了网络能耗。仿真实验表明,该分布式方法在保证定位精度的同时,能够有效地减小无线传感器网络的能耗。如何获得被困人员的移动轨迹,是大型建筑救援系统中的关键问题。在无线传感器网络中,基于粒子滤波的跟踪方法已经被普遍接受,但是大量实验证明,粒子滤波算法仅能跟踪变化单一的运动轨迹。因此,本文提出一种自适应变率粒子滤波算法,该算法通过比较某时刻粒子值与测量值的关系自适应地调节采样周期,提高了对复杂运动目标的跟踪精度。仿真实验证明,当目标的运动轨迹出现大幅度变化时,自适应变率粒子滤波算法对其具有较好的跟踪效果。