无线传感器网络(WSN)具有跟踪精细、可靠、及时、隐蔽等特点,非常适用于复杂环境下的目标跟踪。由于WSN节点资源有限,本文针对WSN的目标跟踪热点问题进行了研究,主要研究内容如下:针对WSN协同跟踪过程中跟踪精度与能量消耗矛盾的问题,提出基于强化学习的协同跟踪算法。该算法通过Q学习方法获得簇首最优动作策略,进行最优簇首切换及簇成员的最优选择;在满足跟踪精度的前提下,通过减少簇成员个数和动态选择采样时间间隔降低网络能耗。仿真结果表明该算法不仅保证了跟踪精度,且有效降低了网络的能量消耗。针对多目标跟踪中新生目标强度未知的问题,提出基于量测驱动的概率假设密度滤波算法。该算法以量测驱动方式避免了对新生目标强度先验知识的依赖;采用增广状态空间方法,避免了杂波对真实目标强度估计的干扰。仿真结果表明,该算法具有对目标数目变化敏感的优势,同时可降低计算复杂度,明显提高了跟踪精度。针对WSN中能量有限的问题,提出基于量化新息的目标跟踪算法。该算法使用量测新息量化方法,降低了量化误差;同时设置数据删减门限,降低了能量消耗。仿真结果表明该算法在可降低网络能耗的情况下对跟踪精度改变较小。搭建了基于WSN的目标跟踪仿真平台,包括超声波六元阵列传感器网络与监控中心软件平台两部分。前者实现了传感器异步数据采集以及无线组网数据传输功能;后者既能根据采集数据计算目标运动轨迹,又能够进行不同参数下目标跟踪算法的性能研究。系统平台测试表明,该平台可初步实现对运动目标的跟踪。