无线传感器网络(wireless sensor networks,WSN)是集成了监测、控制以及无线通信的网络系统,网络的分布式信息处理、快速展开、抗毁性强等特点,使得WSN在军事侦察、环境监测、目标跟踪、空间探索和灾难抢险等特殊领域得到了广泛应用,其中目标跟踪成为了WSN最具代表性的应用之一。目标跟踪是实现区域监测的关键手段,能够为火力控制、敌情分析、威胁评估、态势估计等民用和军用指挥系统提供实时有效的决策支持,因此,研究相关的WSN目标跟踪算法具有重要意义。由于WSN的能量、带宽、存储等资源受限,WSN必须动态地对网络资源进行管理,在满足跟踪性能需求的同时尽可能地延长网络生命周期。本文以目标跟踪为背景,重点研究了WSN目标跟踪中的节点调度技术。基于WSN的目标跟踪节点调度技术,在每个感知时刻动态地选择合理的传感器组合对目标进行跟踪,实质是带约束的组合优化问题,目标跟踪的性能和网络开销与WSN的节点调度模型密切相关;群智能优化方法收敛速度快,是求解复杂最优化问题的重要工具,但容易陷入局部最优,因此,找到算法陷入局部最优的原因,并对算法进行改进是有必要的。本文从构建目标跟踪的节点调度模型和改进群智能优化算法两个方面展开。其研究对WSN的目标跟踪技术发展具有重要意义。本文基于群智能优化方法,面向WSN目标跟踪节点调度的研究需求,主要研究内容和创新点如下:1.针对目标优先级排序问题,揭示了目标属性与目标优先级间的非线性关系,提出了一种基于加权战术意义标绘(weighted tactical significance map,WTSM)的目标优先级排序算法。该算法结合了线性加权法和战术意义标绘的思想,将影响目标优先级的因素分为相对态势和目标本身属性两个部分,利用层次分析法计算两部分的权值。WTSM算法有效地解决了目标属性与优先级间的非线性映射问题,避免了单个属性控制整体优先级的情况,为建立多目标跟踪节点调度模型提供理论基础。2.从改进搜索算法的角度展开研究,针对能量非受限的WSN目标跟踪节点调度问题,以最大化跟踪精度为优化目标,提出了一种基于改进二进制粒子群优化(binary particle swarm optimization,BPSO)的节点调度模型及算法。该算法基于目标的预测位置及目标的优先级,以计算复杂度低的费舍尔信息矩阵的迹为精度度量,构建最大化跟踪精度的节点调度模型。在深入分析BPSO陷入局部最优原因的基础上,提出了BPSO的改进形式(MBPSO),并用于节点调度模型的求解。MBPSO采用矢量的二进制编码方式、约束满足的循环移位种群初始化方法以及带V型转换函数的位置更新规则,并设计了引导因子引导粒子群的进化。仿真结果表明,所提出的节点调度算法能够有效地应用于多目标跟踪问题,与典型的智能优化算法相比,MBPSO算法能够在全局寻优和局部探索间取得平衡,且能够有效地避免局部最优。该算法能够有效地应用于以跟踪精度为优化目标且能量非受限的节点调度问题。3.为了解决WSN目标跟踪应用中跟踪性能与网络生命周期的折衷问题,在动态分簇的调度结构下,面向能量受限的WSN,构建了包含跟踪精度、能量消耗和能量均衡三个指标的节点调度模型,提出了两种能量有效的自适应节点调度模型:(1)针对高节点密度的WSN网络,深入分析得出,影响网络生命周期的关键因素在于簇内通信、簇数量及节点的能量分布,因此,提出了一种基于几何容忍度的簇保留节点调度模型;(2)针对基于一步预测的节点调度可能只获得局部最优调度方案的问题,从多步预测的角度展开研究,分析了目标运动轨迹和预测位置间的关系,提出了一种基于多步预测的自适应节点调度模型。两种模型均采用具有全局优化能力的二进制蝙蝠群算法(binary bat algorithm,BBA)进行求解。仿真结果表明,在节点密集部署的网络中,基于簇保留策略的节点调度算法能够在满足跟踪性能的同时,减少能量消耗,均衡节点能量,延长网络生命周期。此外,该算法还有效地解决了频繁变更任务簇所带来的通信拥塞和信息冗余的问题,可有效应用于大规模的WSN;基于多步预测的节点调度算法能够有效地减少网络的能量消耗,均衡节点能量分布,不仅减少了任务簇的数量,而且减少了局部最优调度方案带来的网络开销,可有效应用于非强机动性的目标跟踪场景。4.针对WSN目标跟踪节点调度算法缺乏开放性验证平台的问题,基于C#和GMAP环境设计并实现了集跟踪、定位和节点调度为一体的、可扩展的仿真系统。该系统主要包括地图模块、节点布设模块、观测模块、状态预测与估计模块、节点调度模块和性能评估模块,通过将本文的节点调度算法嵌入系统并进行分析和实验,充分验证了本文模型和算法的有效性。该系统具有较强可扩展性,能够为今后的WSN目标跟踪研究提供一个通用的仿真验证平台。