WSN动态目标跟踪是现今一个研究热点,具有重要的学术价值和实际意义。WSN中存在的非线性非高斯、多目标跟踪问题,使得传统的滤波算法不能准确地跟踪目标,而粒子滤波却可以灵活地处理这类问题。本文以粒子滤波、动态分簇为理论基础,对单、多目标跟踪进行相关研究。针对目前WSN目标跟踪存在的问题,结合实际应用,对现有算法进行改进。为降低系统能耗,本文利用动态分簇思想实现系统能量均衡。而在分簇基础上,为将观测值用以预测目标位置,提出了一种改进的基于Kalman动态分簇粒子滤波算法DDCPF,提高了目标跟踪精度。为解决EPF在强非线性环境中跟踪精度下降甚至发散、UPF在过程噪声协方差kQ和估计误差协方差kP的差的绝对值kPQ较大时呈现粒子贫化现象的问题,本文提出一种基于EPF和UPF的EUPF算法。该算法根据系统kPQ变化,交替使用EPF和UPF更新粒子,提高了跟踪的稳定性与精度。为适应系统特性不断变化,基于EUPF算法,本文提出了一种基于FCM和MPF动态分簇边缘化PF算法,根据系统的特性选则Kalman或EUPF算法对多目标进行预测跟踪。最后我们搭建仿真平台对新提出的算法进行仿真验证,通过仿真分析我们发现改进的PF算法可减少能耗,提高网络生存期和估计精度,完成WSN目标跟踪工作,证实了所提算法的有效性。