无线传感器网络(WSN)作为下一代互联网——物联网的支撑技术,它向我们提出了许多挑战性的课题。从广义上说,WSN中的定位技术分为传感器节点的自身定位(节点定位)和对其他节点或目标定位(目标跟踪)。因此,无线传感器网络下的节点定位技术是目标跟踪技术的基础和前提条件。在WSN节点定位过程中,信标节点(Beacon)本身故障以及无线信道环境干扰都会影响节点的定位效果。为消除这些干扰因素的影响,本文提出了一种基于信任度的分布式定位算法。该算法在WSN分簇结构基础上,引入Beacon节点的全局信任度和局部信任度概念,通过多次求精定位并更新Beacon节点的信任度,来获得待定位节点的精确位置。该方法不仅可以提高定位的精度,而且还可以检测异常Beacon节点和推测无线信道可能存在的干扰因素。在上述基于信任度的节点定位算法研究成果的基础上,研究WSN下移动目标跟踪。在WSN目标跟踪过程中,系统表现较强的非线性非高斯特性。因此,采用粒子滤波算法进行目标跟踪是现在研究的热点。粒子退化和样本贫乏是粒子滤波在WSN目标跟踪应用中面临的主要问题。本文提出了两个粒子滤波算法的改进方案,主要从构建重要性函数出发,将当前时刻的测量信息纳入到建议概率分布中,逼近真实的后验概率分布。从而解决粒子退化和样本贫乏问题,提高跟踪突变状态的能力。最后,将本文提出的定位方法与改进的粒子滤波算法在簇层次结构的无线传感器网络环境下进行有效性验证并与其他算法对比分析,取得了较好的定位精度及跟踪效果。