随着网络技术、无线通信技术、微机电技术和微处理器技术等方面的进步，无线传感器网络（WSNs）及其应用成为了研究焦点并取得长足发展。目标定位与跟踪作为WSNs的典型应用，具有低成本、高可靠性以及自组织等特点。本文从经典的卡尔曼滤波器出发，研究了利用平滑技术改进sigma点卡尔曼滤波器估计精度的方法以及利用信息卡尔曼滤波器在数据融合的结构优势，在保证跟踪精度的条件下得到有效减少网络整体能耗的分布式滤波方法。具体包括如下创新性成果：（1）平滑问题就是在已知前二阶矩特性的情况下,对一个马尔可夫或高斯-马尔可夫序列进行不断修正以得到最优平滑值的问题。考虑到传统固定时隙平滑算法耗时长，无法满足目标跟踪实时性要求，本文提出一种结合固定滞后平滑和sigma点转换策略的FL_URTS平滑方法。该法通过将逆时方向计算的平滑器嵌入到顺时方向计算的滤波器中，在获得接近甚至优于传统平滑方法估计精度的同时能大幅减小延时。（2）考虑到传感器节点自身资源的限制，提出了一种综合考虑簇集整体能耗因素和节点剩余能量因素的动态分簇策略。该方法首先根据预测结果估计目标在下一时步可能的位置，然后通过最近邻法得到能有效观测到目标的最小节点集，并采用能量均衡策略选出这个簇集中的簇首用来对下一时步内所有的观测数据进行融合。由于每一时步内只有距离目标最近的一簇节点参与目标跟踪，所以这种分簇策略在保证跟踪精度的同时可以有效降低网络整体能耗。（3）信息结构的sigma点滤波器因为采用了逆协方差形式使其容易进行数据的融合。本文利用新提出的动态分簇策略，结合分布式sigma点信息滤波器得到了基于动态分簇的分布式sigma点信息滤波算法，该方法利用簇内节点得到的信息贡献量在簇首处进行统一的融合处理。由于各成员节点具备数据计算能力，簇首不必像集中式滤波算法一样需要对每个传感器送来的原始测量数据进行扩维计算，使得融合算法的复杂度从集中式的随传感器个数平方增加变为随传感器个数线性增加。（4）为了进一步提高跟踪精度，本文还利用固定滞后平滑可以提高估计精度和基于分簇的sigma点信息滤波器易于数据融合的特点，提出基于平滑的分布式sigma点信息滤波器。该方法对每个采样周期内簇首得到的融合滤波估计值进行逆时方向的迭代修正，得到每一采样周期内的平滑估计值。