随着无线传感技术、微机电系统的不断革新发展,无线传感器网络已经广泛地应用于环境监测、交通运输、智能家居、军事入侵检测跟踪等领域。因此,研究大规模无线传感器网络中的多目标跟踪技术具有重要的理论意义和应用价值。由于无线传感器网络自身能量资源有限等限制,多目标跟踪技术面临的主要问题是平衡传感器节点寿命与目标定位精度对跟踪性能的影响。本文主要研究在目标节点的定位精度得到保证的情况下,均衡网络内传感器节点的剩余能量分布,达到提高无线传感器网络能效的目的。目标节点在监测区域内不断运动,网络需要激活不同的传感器节点来完成对目标的持续跟踪,由于受到噪声的干扰,目标节点的运动和传感器的观测数据都会受到影响。因此针对上述问题,本文首先构建节点选择的精度模型,即用马氏距离来描述传感器观测数据对目标位置后验分布的影响,同时利用三角形面积和来近似传感器节点子集的最优部署位置,然后利用模糊逻辑来计算激活节点、休眠节点的概率,通过标准差衡量节点的角色概率来构建能量平衡模型。仿真结果表明,该方法在保证多个目标节点定位精度较高的基础上,降低了网络内传感器节点剩余能量差异,提高了无线传感器网络的能效。在目标跟踪过程中,传感器节点的通信能耗占据大部分的网络能量消耗,为了进一步优化网络的能效,本文给出了一种基于测量补偿的多目标跟踪能效优化方案。算法从两方面来减少通信能耗,首先根据测量残差大小来控制激活节点的数据转发频率,同时为了保证多个目标节点的定位精度不下降,算法自动生成缺失观测数据的近似量;然后根据传感器节点的平均测量残差来动态调整激活数量;最后分析了一组传感器节点同时跟踪多个目标的情况,用多个目标节点的费雪尔信息矩阵的组合来重新构建了节点选择精度模型。因此在多个目标节点相距较近的情况下,融合多个动态协作簇从而变为单协作簇跟踪。仿真结果表明该方案在保持较好的跟踪精度的同时,能够减少激活节点的数量,很好地优化了网络能效。