近年来,无线传感器网络（WSN）因其可扩展性、抗毁伤性、计算要求低等优势被广泛应用于作战监控、智能家居、精细农业、太空监测等各个领域。基于无线传感器网络的目标跟踪问题又是该领域的重点研究问题,主要包括网络构建与优化、目标识别以及目标监测技术研究等。WSN网络中的每个传感器节点通常都具有感知、计算和与其邻居节点通信的能力。从拓扑理论的角度来看,每个节点可以代表分布式滤波网络中的局部滤波器,从而对目标运动状态进行估计,因此如何设计合适的滤波器来提高传感器估计精度十分重要。由于传感器节点的观测范围有限,部分节点常无法观测到目标运动状态,因此节点间需要进行信息交互融合而达到一致性的目的。此外,WSN网络所处的内外部环境较为复杂,部分传感器常因为电量耗尽,发生故障等种种因素失效而无法接收到信息,这通常会导致通信网络的拓扑发生切换。因此,研究带有切换网络拓扑结构的滤波算法对现实工程应用具有重要意义。针对以上问题,本文基于无线传感器网络目标跟踪的一致性算法展开研究,主要采用信息加权的卡尔曼一致性滤波算法（IKCF）,并分析其在线性切换信号下拓扑结构改变时滤波的稳定性。论文的主要研究内容和取得的成果如下:1.针对某些传感器节点不能直接观测到目标时存在无法达到一致性的问题,本文构建了一种量测模型,该模型利用了节点的局部测量信息和来自其邻居的目标运动状态的估计信息及互协方差矩阵进行量测,从而提出了一种考虑通信噪声的分布式IKCF算法。假设在通信拓扑结构固定且目标运动状态输入tu0)(（28）的情况下,通过数值仿真,将现有的其他算法与IKCF算法对目标运动状态估计的误差进行对比,验证了IKCF算法的有效性。2.针对传感器节点观测到的运动目标的输入具有高斯噪声及其它随机噪声的问题,本文引入了低通一致性滤波算法,用来估计目标运动状态系统的输入。然后将估计结果代入至IKCF算法当中,提高整体的跟踪性能。通过数值仿真可以看出,经过低通一致性滤波后的目标输入估计误差显著降低。将该算法与IKCF算法结合,大大提高了IKCF算法对于具有输入的目标运动状态的估计精度。3.针对网络通信拓扑结构存在动态切换的问题,本文研究了与低通一致性滤波算法结合的IKCF算法在切换拓扑下对具有控制输入的目标状态估计误差的收敛性。首先假设无线传感器网络在某段时间内存在线性切换,通过构建Lyapunov函数,证明了IKCF算法在拓扑切换情况下的稳定性。最后通过数值仿真,证明了当网络存在拓扑切换时该算法对目标运动状态估计的有效性。