无线传感器网络(Wireless Sensor Networks, WSNs)因其快捷部署的能力、自组织的网络功能、以及高容错性与高覆盖性等优点,得到学术界和工业界的广泛关注,在动物生活习性监测、病人监护、战场监测等众多领域得到广泛应用。基于WSNs完成对运动目标的跟踪是实现上述应用的基础,但是,受节点计算能力和电池电量的限制、以及WSNs应用中复杂环境的影响,如何高效的实现健壮的、精确的目标跟踪已成为WSNs的一个基本支撑问题和研究热点。针对上述问题,本文以贝叶斯估计理论为基础,以设计适用于WSNs应用环境的、健壮的目标跟踪算法为主线,对基于分布式粒子滤波的跟踪方法、基于连续概率密度传播的跟踪方法、以及适用于复杂电波传播环境的跟踪方法展开了相关研究工作。主要研究内容如下：首先,本文研究了基于粒子滤波的目标跟踪方法。针对粒子滤波计算量较大的问题,提出了适用于WSNs环境的分布式粒子滤波算法。定义了动态成簇网络结构、簇头节点及成员节点生成方法,设计了簇内节点分布式并行执行粒子滤波估计算法的策略。同时,针对粒子滤波算法存在的粒子退化问题,提出基于误差向量的粒子分布优化方法。其次,本文研究了基于连续概率密度传播的目标跟踪方法。针对某些应用对跟踪算法高健壮性的要求,提出一种贝叶斯框架下通过连续概率密度传播解决非线性、非高斯、大噪声条件下目标跟踪问题的新方法。采用高斯混合模型表征目标先验分布、后验分布及观察似然函数,利用无迹变换实现目标位置的非线性预测,通过拟合方法获得后验分布,同时,将后验分布各模式的加权质心作为估计的目标位置。最后,本文研究了复杂电波传播环境下的跟踪方法。针对电波传播参数时变问题,提出一种动态射频地图快速构建方法,通过参数估计节点动态感知环境参数的变化,采用回归分析实现电波参数的估计,进而构建动态射频地图实现目标跟踪。同时,针对电波参数完全未知的情况,提出了无需电波传播参数的粒子滤波跟踪算法,基于接收信号强度序列间的关系,以较低的计算复杂度为代价实现了粒子权值的高效计算。上述工作丰富了基于WSNs解决目标跟踪问题的算法理论,为WSNs在众多工程领域的应用打下了基础。