目标跟踪是无线传感器网络中研究的一个重点领域,传统的研究方法通常将目标作为一个点来跟踪,但是对于分布密集的目标群来说,这种假设并不合适。为此,在综合分析国内外大量文献和最新研究成果的基础上,针对密集多目标(群目标)跟踪,本文提出了一种新颖的目标跟踪策略——群目标跟踪。根据数据融合的思想,该方法对目标群整体轮廓的变化进行捕获,把握跟踪过程中的关键信息;进一步,目标群的整体轮廓被切分成若干边界段,每个边界段由一组传感器节点负责定位与跟踪,最后这些边界段信息将被融合,进而产生目标群的整体轮廓信息。首先,本文根据群目标的特点,在binary感知模型的基础上提出了一种群目标边界探测模型,并从理论上对边界宽度进行了分析,证明了节点通信半径和节点间距离对边界宽度的影响。由于群目标通常具有较大规模,为此,本文提出了一种特殊的传感器网络分簇算法——边界分簇算法。边界探测模型和边界分簇算法是本文进行群目标定位跟踪算法设计的两个理论基础。在此基础上,本文引用了计算几何学中凸壳的概念,提出了一种基于凸壳融合的群目标定位算法,每个簇对群目标的局部边界分别进行定位,最后在基站汇总出群目标的总体位置和形状特征。由于随着群目标的移动,簇的结构会不断发生变化,因此,本文设计了一种多动态簇协作的目标跟踪算法,该算法在一定程度上对传送树算法进行了扩展。随后,根据群目标定位和跟踪算法的思想,本文对主要算法进行了模拟,并分析了模拟结果。最后,本文描述了群目标定位跟踪仿真系统的设计与实现。从系统功能、组件结构和模拟机制等角度对仿真系统的总体框架进行了说明。之后,介绍了三个主要模块:可视化跟踪模块、前方图像采集模块和数据分析模块。该仿真系统实现了群目标定位跟踪算法的主要部分,并验证了算法的有效性。