近几年来,无线传感器网络(Wireless Sensor Networks,WSN)已经引起了人们广泛的关注,传感器网络的一个最主要的研究领域就是用来追踪移动目标,但是由于这种大规模无线传感器网络所固有的局限性,传感器通常是资源受限的,它的能量供应和通信带宽都是非常有限的,因此整个网络的使用寿命以及节点与融合中心之间的通信能力都不可避免的受到影响。有鉴于此,采取有效的节点管理策略和数据处理方式来延长整个网络寿命是非常有必要的。为了克服传感器网络带宽和能量有限的问题,本文提出了一种基于量化观测的传感器选择方法,每个传感器节点在接收到观测信息后并不马上将其发送给融合中心,而是先将其量化压缩后再发送。本文针对传感器管理提出了传感器选择的性能指标——后验克拉美-罗下界(Posterior Cramer-Rao Lower Bounds,PCRLB),PCRLB提供了贝叶斯估计的理论性能边界。在本文中对PCRLB并进行了改进。将观测信息考虑进PCRLB的计算中,此时的PCRLB就是一个实时的传感器管理指标。将PCRLB作为传感器选择的目标函数,在传感器个数的约束条件下,将传感器选择问题转化成一个布尔-凸优化问题,然后对该问题进行松弛,将其转化成一个标准的凸优化问题。然后利用内点法对该凸优化问题进行求解。为了说明基于量化观测的传感器选择方法-凸优化算法的有效性,文章中将凸优化算法和穷举法、近似动态规划法等优化算法进行了仿真对比,并讨论了目标运动的不确定性、传感器个数、观测数据的量化位数对目标跟踪性能的影响。