无线传感器网络因为其组网灵活快速,部署方便等特点,近年来吸引了很多的关注和讨论。其中节点定位与目标跟踪在智能化养殖、环境监测、抗险救灾等方面应用广泛。为了在实际应用中降低能源消耗,保障网络有效运行,研究既能节省网络资源又能保障节点的定位与跟踪精度的方法,成为亟待解决的问题之一。为了更好地实现对目标节点的跟踪,首先优化锚节点的部署提升网络覆盖率,然后对未知节点进行定位,最后利用锚节点和未知节点对目标节点进行协同跟踪。主要研究内容有:(1)针对锚节点为扇形感知模型会产生感知漏洞的问题,采用基于覆盖中心的随机部署方案,实现最优化节点部署。在感知区域中,先找到部署点,通过感知力模型,计算节点的覆盖中心,以覆盖中心为部署点进行锚节点的预部署,判断当前位置作为部署点能否满足覆盖率要求;然后,对节点进行方向调整,以减少感知区域的重叠和感知漏洞,达到最优的覆盖率。实验证明,改进的部署方法相较于修复连通性的部署和随机部署算法,在达到80%的覆盖率时,需要的节点数目分别减少了11%和25.8%,可以有效降低部署成本。(2)针对DV-Hop算法(距离向量跳跃算法)在估计平均跳距时误差较大,导致最终获得的坐标不精确的问题,采用修正测距的模拟退火定位算法实现目标节点的定位。在计算平均跳距时,将通过DV-Hop算法求得的初始位置估计值作为模拟退火算法的初始值,引入相近度对测距值进行修正,搜索全局最优解,修正定位结果。实验表明,改进的算法在节点个数相同,通信半径相同的情况下,累积跟踪误差相比较于DVHop和遗传粒子群优化DV-Hop分别降低了24%和9%。(3)针对粒子滤波算法在目标跟踪应用中算法复杂度高、跟踪耗时久的问题,采用分布式粒子滤波方法提高跟踪效率。采用基于非比例式粒子滤波处理的框架,在RSSI(接收信号强度)观测模型下,对系统进行建模,预估目标的状态转移过程。实验证明,改进的目标跟踪算法在环境参数一样的情况下,比集中式粒子滤波降低了20%的累积跟踪误差。