基于传感器网络的目标跟踪具有广阔的应用前景,在诸如野生动植物、医学研究以及军事情报收集、地震救援等领域都具有十分重大的意义。本文的研究目标就是使得我们在这些应用中能准确地掌握跟踪目标的实时位置,以及在节点能量有限的前提下延长传感器网络生命周期。本文的主要工作如下:(1)分别对基于二进制传感器网络模型以及基于精确定位传感器网络模型两种体系结构下的跟踪算法进行了分析和研究。(2)围绕两种不同体系结构下的典型跟踪算法OccamTrack以及基于分簇的预测跟踪算法机制的不足展开,从传感器网络的结构特点、目标跟踪精确度、能量消耗的角度分析了算法存在的不足并提出了可行的改进方法。(3)运用粒子滤波的思想,针对二进制传感器网络模型的特点和几何特性,对OccamTrack算法进行了研究和改进,提出一种新的基于粒子滤波的几何处理算法。(4)针对基于精确定位分簇WSN模型下的目标跟踪算法,利用分布式贝叶斯估计改进了簇头节点上的预测机制,并提出了跟踪失败的恢复跟踪机制。(5)搭建仿真平台和编写仿真程序,分别对上述两种算法改进进行了仿真和详细的结果对比分析,从仿真结果看出,两种改进算法在目标跟踪的精确度、能量消耗的角度上优于原有算法。