无线传感器网络具有无线感知以及无线通信的作用,是重要的三维网络研究技术之一。传感器网络由多个具有自组织能力的节点组成,是当前网络研究中的一个热门领域,应用于多个领域方面,例如军事预防,地震监测,环境监测以及海底勘探等。目标跟踪技术是研究三维空间发展的重要部分,利用多个传感器节点的数据信息估计出目标当前时刻的状态。在目标跟踪系统中,利用滤波技术估计目标运动状态,根据滤波算法来消除相关的不确定性,实现系统跟踪目标。因此本文主要研究基于容积卡尔曼滤波的目标跟踪,通过改进算法提升跟踪效率。本文研究了基于无线传感器网络的目标跟踪问题。首先介绍了无线传感器网络的基本结构,跟踪系统及常见的运动模型,包括匀速模型、匀加速模型和匀速转弯模型。目标跟踪的核心是滤波算法,详细介绍了几种常见的滤波算法,包括卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和容积卡尔曼滤波算法。通过比较这几种滤波算法,容积卡尔曼滤波更适用于实际目标跟踪应用。对于实际应用工程而言,大多数为非线性系统,非线性滤波是目标跟踪中的一个热门问题。由于传统扩展卡尔曼滤波算法中的非线性系统线性化存在一定的缺陷。因此,提出了一种改进的容积卡尔曼滤波算法（ICKF）,用于目标跟踪研究。由于目标运动存在不确定性,根据强跟踪原理,将自适应遗忘因子引入容积卡尔曼滤波算法中,修正误差协方差矩阵以减少不确定性的影响。然后针对目标运动多变问题,引入交互式多模型技术来解决目标运动单一的问题。与其他非线性滤波算法相比,综合考虑改进容积卡尔曼滤波算法与交互式多模型算法的IMMMICKF算法可以有效地处理非线性目标跟踪问题,并获得更好的估计精度。最后,海洋环境是一个典型的三维网络,由于水下环境的特殊性与未知性,网络中的传感器所携带的电池能量有限且无法更换。因此针对网络中节点能量有限问题,提出了基于能量有效的跟踪算法,考虑节点传输数据的贡献性与剩余能量信息,均衡网络节点能量,采用非线性容积卡尔曼滤波算法实现目标跟踪,提升系统整体的跟踪性能。