物联网(Internet of Things, IoT)是一个基于感知技术、以感知层数据为运行基础、融合了各类应用的服务型网络系统。感知层处于物联网体系架构的最底层,是物联网和物理世界对接的接口,其自身的特殊性从根本上决定其运行方式和控制策略必须具很高的能效性。节点调度是应对物联网感知层能量受限问题的有效方法,目标跟踪作为物联网的重要应用之一,也需要与节点调度策略相结合。因此,本论文研究物联网节点调度及目标跟踪技术,对促进物联网的发展具有重要意义。论文首先研究了物联网高效节点调度策略及物联网目标跟踪策略的研究现状,针对地理位置信息无关节点调度、基于预测的物联网移动目标跟踪、面向目标跟踪的节点调度等问题进行分析,在此基础上展开研究。本文主要研究成果如下：1)针对“边界效应”导致的物联网节点不均等休眠问题,分析能够应对此问题的基于容忍覆盖区域的节点调度算法,并对算法在能效性和节点状态方面进行改进,首先在进行覆盖冗余判别时增加节点剩余能量作为判别因素,提高能耗的均匀性,然后对节点的状态分布和转换进行有效改进,最小化覆盖冗余,进而提出一种新的高能效覆盖优化节点调度算法TCA-NS。另外,还提出一种物联网节点数据可靠收集跨层协议DRGC,该协议适用于检测与报告型应用的物联网,协议包括一种平衡同步精度和能耗量的时钟同步算法,及一种融合MAC和路由为一体的跨层数据收集算法。TCA-NS算法和DRGC协议可融合应用于物联网感知层体系中,形成一套底层协议栈。2)针对基于网格剖分的物联网节点调度策略,分析基于Voronoi网格、三角形网格和正方形网格的三种网络剖分方式。研究感知节点的通信半径rc和感知半径rs的取值关系对网络性能的影响,在通信半径小于感知半径的网络模型中,研究基于正方形剖分模型的节点调度算法SRPMNSA。将其网络模型扩展到节点的感知半径和通信半径不限取值,并对剖分正方形的边长取值进行改进,在此基础上提出一种改进型正方形剖分算法I-SRPMNSA。在扩展后的网络模型中,当rs>rc时,I-SRPMNSA算法在网络覆盖质量上优于SRPMNSA算法；当1/2rc≤rs≤rc时,I-SRPMNSA算法相对于SRPMNSA算法可延长网络寿命。3)针对物联网目标跟踪策略,提出感知差分的概念,将感知差分和压缩感知相结合,对物联网分布式感知信息进行稀疏采样,利用压缩感知理论重构感知差分矩阵,再采用感知差分法对移动目标进行定位和跟踪。据此提出一种基于压缩感知和感知差分的目标跟踪策略,该策略不需要具体划分网格,对监测区域的形状也没有特定要求,是一种普遍适用的物联网目标跟踪策略。该策略在稀疏采样感知信号的情况下对感知信号的恢复情况较好,利用感知差分法对目标的位置跟踪准确,且其稀疏采样策略降低了网络的通信量,提高了网络的能效性。4)针对移动目标跟踪型网络应用,对物联网节点能耗模型进行详细分析,研究面向目标跟踪的节点调度策略。首先提出一种高能效的物联网自适应节点调度算法ANSTT,算法根据各节点对移动目标的感知能力以及节点的相对剩余能量水平,自动调整节点工作模式。提出3个性能指标对算法进行性能评价,采用马尔可夫过程分析3个性能指标在算法中的概率模型。ANSTT算法在维持低感知延时、高目标感知率的同时,可有效降低系统能耗,延长网络寿命。然后提出一种基于预测的移动目标跟踪节点协同调度算法,提出目标运动和节点感知模型,利用粒子滤波构造节点感知功效函数,利用一种均衡节点剩余能量的方法构造感知能效函数,选举出参与目标跟踪过程的感知组成员。该算法具有较高的目标跟踪精度,且可有效平衡节点之间的能耗分布。