随着传感器技术和信息技术的发展,无线传感网被广泛应用到智慧城市、智慧交通等领域。目标跟踪作为无线传感网的一项关键任务,其重要研究内容是滤波跟踪算法,其中,分布式粒子滤波跟踪算法因其非线性非高斯特点,能够适应复杂的跟踪环境,近年来受到广泛关注。但是,分布式粒子滤波跟踪算法会导致节点通信流量过大,增加无线通信能量损耗,从而影响无线传感网的工作寿命。因此,如何降低通信流量,成为无线传感网中分布式粒子滤波跟踪算法亟需解决的问题。本文结合无线传感器网络节点通信流量及能耗受限的实际需求,以分布式粒子滤波跟踪算法为课题核心,针对该算法引起的传感器网络节点通信流量过大问题,提出分布式粒子滤波跟踪改进算法,同时为验证改进算法部署到无线传感器网络中的实际性能,设计了专用仿真平台。具体而言,在理论创新方面,本文在深入分析分布式粒子滤波跟踪算法原理的基础上,针对节点粒子同步采样和因交互粒子样本局部权重而导致的通信流量过大问题,提出一种基于BP神经网络近似似然的改进分布式粒子滤波跟踪算法。算法通过固定粒子重要性采样和重采样过程使用的随机种子,并选择使用全局权重在粒子重采样阶段筛选粒子样本,从而实现粒子同步采样机制,保证所有节点可以获得同一批粒子样本。在粒子同步采样基础上,设计训练BP神经网络模型,将大量的局部权重映射成少量的模型参数,并代替局部权重参与节点交互过程,达到降低传感器节点之间通信流量的目的。仿真结果表明,本文提出的改进算法尽管跟踪精度略有下降,但是却显著降低了节点之间的通信流量。在工程创新方面,研究并设计专用于目标跟踪的无线传感器网络仿真平台,相较于当前已有的仿真平台,引入了和传感器节点内部组件关联的节点能量模型,并支持传感器网络结构和传感器节点内部组件的灵活配置,更加符合本文针对的目标跟踪场景要求。平台设计遵循模块化原则,根据功能细分各模块,用户界面友好且扩展性强。