无线传感器网络集成了微机电技术、传感器技术、无线通信技术和分布式信息处理技术,已成为当前研究的热点之一。目标定位跟踪作为无线传感器网络的典型应用之一,可广泛地应用于国防建设、环境监测、智能交通、医疗卫生和工业自动化等众多领域,特别是在生化危险环境的探测、特殊地域或特殊工作环境的监测以及军事侦察与跟踪等方面。基于无线传感器网络的目标跟踪系统具有稳健性强和跟踪精度高等优势,但同时也受到严格的能量与带宽约束。因此,在保证跟踪精度条件下如何减少对通信能量和通信带宽的需求,或者在满足能量和带宽约束的条件下如何有效提高跟踪精度是无线传感器网络目标跟踪的关键问题。本文分别针对信息融合的不同结构形式,深入研究了无线传感器网络中基于量化信息的目标状态估计与融合问题。具体来说,主要包括如下创新性成果:1.微分代数系统的降阶鲁棒滤波器的设计与分析。针对广义系统进行能量-峰值滤波器的设计,考虑了全阶和降阶两种情况。基于线性矩阵不等式(LMI)技术,给出了滤波器存在的充分必要条件以及滤波器增益的解析表达式。可以证明,给出的结果将常规状态空间系统的相关结论推广到了微分代数系统。然后,基于统一的信息融合模型及其最优解,给出了系统含有不确定项时的鲁棒融合估计算法,基此对鲁棒滤波器的估计性能进行对比分析。2.分布式量化航迹融合。考虑到无线传感器网络中的通信带宽和系统能量约束,先对局部状态估计的方差阵进行压缩处理,再对压缩后的方差阵和状态估计向量进行矢量量化、传输。在融合中心层,针对局部估计的未知或者不完整相关性,提出了不依赖于局部相关性的稳健航迹融合方法—内椭球逼近法。3.目标导向的节点动态分簇策略。考虑到基于树和基于静态分簇的目标跟踪系统存在路由代价高、冗余信息多等缺陷,提出了目标导向的动态传感器分簇策略。当传感器节点监测到目标时,它们交换监测报告,具有更高残余能量和更小平均通信距离的节点竞争成为簇首节点;其它节点加入簇首成为成员节点并对目标进行测量/状态估计。仿真结果证明相比于随机选取激活节点策略,目标导向的动态分簇策略节省可达42%的能量。4.基于自适应量化测量的目标状态估计与融合。将原始测量信息通过自适应量化处理后传输给融合中心。融合中心根据量化的测量信息,融合各激活子传感器信息进行目标状态融合估计。重点考虑了自适应带宽分配和自适应量化阈值调整两种策略,并对基于自适应量化测量的目标状态融合估计的性能进行分析,给出了其后验克拉美-罗下界(CRLB)。5.信道感知目标跟踪及跨层优化。无线传感器网络目标跟踪系统中考虑无线通信信道不确定性的信息融合结果目前还很少。针对数字通信的常用不确定信道模型—二元对称信道—进行信道感知的目标跟踪策略研究;并对其性能进行分析,给出了信道感知目标跟踪的后验CRLB。基此,对传感器调度问题进行跨层设计与优化,并给出了节点调度的一种启发式方法。6.对等传感器网络中分布式协同目标跟踪。首先,针对对等自组织传感器网络,提出两种基于动态协同策略的完全分布式滤波算法:分布式鲁棒滤波器与分布式Sigma点卡尔曼滤波器。基于动态协同策略的分布式滤波算法的优势在于每个节点仅需与邻节点进行信息交换就能对状态估计融合达到网络范围的全局一致性。这使得所提出的算法是规模可扩展的,适用于大规模传感器网络。其次,提出一种新的动态协同算法,并对其收敛性和稳定性进行分析。最后,给出一种分层结构的可扩展融合框架,它对网络链接故障、节点失效以及变拓扑结构具有较强的稳健性。