无线传感器网络(WSN)被认为是21世纪最重要的新兴技术之一,目标跟踪是WSN的一个重要应用领域,其应用受到业界的广泛关注。目标跟踪被广泛应用于军事环境、医疗、交通等方面,它的主要目的是通过测量目标与传感器节点的距离或角度来估计目标的运动轨迹。本文系统地分析了无线传感器网络的特点、体系结构以及应用前景,详细介绍了无线传感器网络跟踪模型和跟踪算法,深入研究了基于粒子滤波的目标跟踪算法,包括传统粒子滤波算法和扩展卡尔曼粒子滤波算法,并对各种算法的优缺点进行了分析和比较。针对传统粒子滤波算法的粒子退化和粒子抽样问题,提出了基于不敏粒子滤波的移动传感器目标跟踪算法。传统粒子滤波最大的缺陷是用于采样的替代分布中没有包含当前观测值提供的信息,使得观测值在状态估计过程中没有起到应有的修正作用,从而使滤波算法的性能受到影响,针对该问题,所提出的目标跟踪算法利用不敏卡尔曼滤波(UKF)方法产生建议分布并从中采样,从而较好地利用了观测值提供的信息,从根本上解决了从转换先验密度函数中采样所产生的问题,有效的提高了跟踪精度。同时,所提算法中利用较少的移动传感器进行跟踪,不需要在网络区域内部署大量的传感器节点,因而不会造成融合中心因处理大量数据而产生的负担,同时避免了传输信息发生的冲突、控制消息过多、无线信道拥挤等现象,节省了网络能量。最后,对所提出的目标跟踪算法设计了仿真实验,分别与基于静止网络的传统不敏粒子滤波,扩展卡尔曼粒子滤波目标跟踪算法进行了比较。实验仿真结果表明,该算法在降低了网络能量的基础上,可以提高了目标的跟踪精度。