水下无线传感器网络由大量具有探测﹑感知﹑通信和计算能力的传感器节点组成,具有自组织性和容错性。随着陆地资源的消耗殆尽,人们开始将目光转向海洋资源。水下目标跟踪作为海洋探索和海事安防的一个重要组成部分,受到了学术界的广泛关注。水下无线传感网主要通过声波通信,它使得水下无线传感网通信带宽的限制比陆地无线传感中要严峻地多。此外每个传感器节点储存的能量有限,而水下无线传感网通常部署在大范围的三维空间,这使得一旦节点能量耗尽将难以充电或者更换电池。因此在跟踪目标时只有部分传感器能参与跟踪,以此来节省能量。算法的应用,必须考虑到实际应用场景的特性,如量测环境﹑资源限制等。本论文就从水下无线传感网能量有限和通信带宽有限这两个角度出发,在使用相同资源的情况下,使得信息效益最大化。本文首先介绍水下无线传感网的网络结构﹑目标跟踪中的运动模型和常用滤波算法,并分析不同滤波算法在不同场景下的使用性,最后介绍了水下无线传感网目标跟踪的难点与挑战。本文提出的两种算法分别解决能量有限和通信问题,此外鉴于水声非直线传播的特性,建立具有乘性噪声的量测模型,减少由此带来的量测误差。从能量有限角度出发,在每个采样时刻只有部分传感器能参与跟踪,而传感器相对于目标的拓扑结构对跟踪结果有重大影响。基于每个传感器在配有声压传感器的条件下能够自由调节自身高度,提出一种传感器高度调节算法,此算法能在选择相同数量传感器参与跟踪的情况下,通过高度调节改善节点与目标之间的拓扑结构,从而提升跟踪性能。但是此算法是基于原始量测值实现的。最后,本文考虑到水下通信带宽有限问题,每个传感器都需要将自己探测到量测值进行量化处理后才能发送给融合中心。因此提出了最优量化比特分配算法,在传输一定比特信息量的情况下,使得此信息量对估计结果的贡献值最大。同时提出了基于遗传算法的比特分配算法,提高了算法的实时性。