伴随着信息技术的发展,无线传感网络日益成为研究的热点,而信息收集和目标跟踪均是无线传感网络应用的关键技术。针对大规模移动无线传感网络数据收集中消息复杂度过高的问题,以移动目标跟踪为主要应用背景,我们开发了基于人的行为特征移动成簇算法(BMC)和基于概率的多簇快速信息统计算法(PCFD)。上述算法已成功的应用于“基于CNGI和WSN的矿山井下定位与应急联动系统”。在实际环境中,信号干扰将使节点在簇成员和独立节点间频繁的抖动,从而大大增加了成簇算法的消息复杂度。为解决该问题,我们设计了延迟保证的信号平滑机制(DBSS)和双阈值成簇机制(DTC)。我们还对信号平滑算法的参数选择问题进行了详细的理论分析。优化参数后的DBSS信号平滑算法可以去除信号中90%的波动,并削弱剩余毛刺50%的强度。DTC利用双阈值线来限制节点的加入和离开簇,阈值可根据系统需求调节。其可以有效的稳定成簇算法,进一步减小消息复杂度。在传统的跟踪系统中,移动节点周期性的发送定位信息包。随着移动节点数目的增加,这些方法将导致较高的丢包率,并缩短网络的生命周期。在实际应用中,我们发现很多移动节点彼此极为接近,以至于定位算法的精度无法区分,因此通过信息融合可以减少系统的消息负载。针对基于射频(RF)的人员跟踪系统,通过采用接收信号强度(RSSI),本文提出基于人的移动特征的成簇算法,根据移动节点间的距离进行成簇,并可以有效地维护簇。在BMC中,簇头代替了每个节点周期性地向网络发送定位信息包,因此极大的减小了消息复杂度。在簇维护中,我们设计了基于概率的状态通告机制(PSI),其可以高效地对簇进行维护。模拟显示基于BMC(采用了DBSS和DTC)的定位信息收集较传统的方法(TPTS)消息复杂度减小了64%。为快速高效的收集大规模移动网络中的信息,我们开发了基于概率的多簇快速信息统计算法。PCFD以概率的方法选举簇头,然后各簇头分别统计本簇内的消息,然后发送至网络。不但有效的控制了簇头数量,并可以根据信息相似度来组成簇,最大化消息融合度。实验及理论分析证明,该算法的消息复杂度可达O(M+n),其中M为网络节点数,n为簇头数量。本文的主要贡献和创新点如下:1.提出了基于权值和双曲线的信号平滑处理算法DBSS,并对其各参数选择进行了理论分析与优化。2.借鉴人的行为特征,设计了适用于人员跟踪的定位信息收集算法BMC,并提出了基于概率的状态通告机制PSI对簇进行高效的维护。3.开发了基于概率成簇的快速高效的节点信息收集算法PCFD。4.基于本文算法和理论在Micaz上开发实现了基于CNGI和WSN的矿山井下定位与应急联动系统。该项目为国家发改委下一代互联网重大专项。