在军事侦察中,由于地面侦察具有在复杂的地形地貌下隐蔽伪装进行不间断的自动侦察与监视的功能,扩大了信息探测的时空范围,发达国家都十分重视它的研究与应用。近年发展的无线传感器网络具有体积小、随机分布的特点,非常适合应用于地面敌情侦察,兵力、装备和物资监控等用途中,监控车辆及其检测识别就是其中的重要应用之一。车辆行驶过程中会产生强烈的声音和震动信号,可以利用声音和震动传感器来监控车辆,因此目前国内外的无线传感器网络监控系统中通常都含有这两种传感器。出于监控军事车辆的需要,无线传感器网络通常部署在自然环境较为恶劣的边远地区,受到自然条件的影响,传感器节点检测到的车辆信号中会含有大量的干扰噪声,如何从这些含噪信号中提取出有用的车辆信号并对其做出准确的检测识别,是非常具有挑战性的课题。本文以无线传感器网络监控车辆为背景,利用车辆行驶时产生的声音和震动信号,对监测区域出现的车辆目标进行检测识别,包含以下几个部分:检测是否出现目标信号、对目标信号进行预处理、提取信号特征、将提取的特征送入分类器进行分类,并对多个节点同时对同一目标做出的决策做全局融合。为满足无线传感器网络中车辆声震信号检测的特殊需求,本文结合时域的能量检测法和频域的选择最大功率检测法,在恒虚警率检测的基础上,提出了一种基于恒虚警率和频谱分布的双门限检测算法,该算法能在受到严重噪声污染的信号中准确的提取出车辆声震信号。接着对检测出来的车辆信号采用小波包方法去噪并进行降采样,完成对信号的预处理。对经过预处理的信号,本文分别采用基于FFT的特征提取方法和基于小波包分析的特征提取方法提取目标信号特征,并将提取出的特征分别送入最近邻分类器和支持向量机中进行分类,得到单节点的识别结果。用无线传感器网络监测目标时,会在监测区域部署大量传感器节点,因此当目标出现时会有多个节点同时检测到目标并做出各自的识别结果。利用无线传感器网络的这个特点,本文提出了一种基于能量的多节点全局决策融合算法,对多个节点做出的决策进行全局融合,得到网络对目标的最终识别结果。为了评估本文中算法性能,我们使用了来自DARPA SensIT项目组做真实无线传感器网络实验得到的数据,其中包含了大量履带车和轮式车行驶时产生的声音和震动信号。通过将实验结果与相关参考文献进行对比,表明本文算法用于无线传感器网络中的车辆识别方面是有效的。