云计算与机器学习技术的兴起，为无线传感器网络研究注入了新的活力，雾计算的概念应运而生，进一步优化无线传感器网络应用构架。无线传感器网络(Wireless Sensor Network,WSN)因其可快速部署、隐蔽性好、自组织性强、价格低廉等优势，非常适合于目标跟踪应用。无线传感器网络目标跟踪作为一种新兴的跟踪技术，在美国网络中心战等军事领域上的成功应用，使其显示出重大的研究价值与意义，已成为国内外IT领域的研究热点。本文以无线传感器网络目标跟踪为研究对象，针对目前无线传感器网络目标跟踪研究中存在的能量效率、跟踪精度、跟踪时延三个核心问题，提出基于能量优化的无线传感器网络动态分簇目标跟踪算法。本文主要贡献如下：　　(1)针对簇域内数据碰撞导致的网络能耗高问题。提出一种主动式时分竞选传输模型，该模型考虑节点剩余能量与目标相对位置，提出加权综合参数 T，通过参数 T设定节点收发管理定时器，各簇员自适应选择数据收发时段。实验仿真表明，该模型可以主动避免动态簇内数据交换时期的碰撞，簇内重传通信包量有效降低57％，因此簇员可以能量高效的完成探测信息融合任务。　　(2)针对动态成簇步骤复杂导致的能量效率低问题。提出一种基于能量均衡的最远节点调度策略，该策略使用本地化簇头选举阶段的方法，精简成簇步骤，减少簇内通信量。根据节点剩余能量与跟踪质量的综合因素，本文策略优化簇头节点的调度，均衡网络负载。实验仿真表明，与目前流行的成簇方案相比，所提策略动态跟踪簇能量消耗有效降低61.1%，均衡节点能量，延长网络生存时间。　　(3)针对感知节点量测精度不高容易降低跟踪精度，跟踪算法复杂度高造成跟踪时延大等问题。提出一种协同感知方法融合加权质心定位跟踪算法，该算法通过融合多个簇员节点感知信息，优化组合导出更有效的目标位置信息。实验仿真表明，在节点随机部署的环境下，所提算法对于非线性运动目标平均跟踪精度为0.75m。算法平均计算时间0.325s，有效提高目标定位速度，增强跟踪系统鲁棒性。