近年来,随着5G通信技术、物联网及车联网等高新技术的快速发展,无线网络中的协作定位和移动跟踪技术逐渐成为研究热点。定位跟踪技术定义了人们在局部或封闭区域内进行搜寻、定位或者导航的有效方式。在一些封闭区域或者局部区域,如高楼林立的城市道路和大型购物中心,全球定位系统(global positioning system, GPS)的定位性能会受到很大的限制。为了能够支持在此类封闭环境内进行有效的定位或跟踪,部署专门的无线传感器网络(wireless sensor network, WSN)、或者利用已有的无线局域网络(wireless local area network,WLAN)进行目标定位和跟踪是一个可行的技术路线。然而,在实际的定位应用场景中,无线终端观测系统自身的限制、定位环境干扰、定位跟踪网络非理想布局等因素对定位和跟踪系统性能的影响非常大。首先,现有的观测技术采集到的定位观测信号对于距离或者角度参数而言是典型非线性的,如接收信号能量(received signal strength, RSS)、到达时间(time of arrival,TOA)、到达角度(angle of arrival, AOA)等。观测系统的非线性不仅能够使基于统计分析的定位目标函数(如后验概率密度函数)具有非凸性,给最优定位估计带来困难;而且可以引起误差传播效应,导致定位跟踪算法的误差发散与性能崩溃。为了尽可能抵抗非线性观测函数对定位和跟踪的影响,本文对非线性观测函数进行了统一的一般性建模,不仅提出了基于随机粒子表示的定位跟踪技术(如基于变贝叶斯推理的网络定位,变分粒子滤波),也提出了基于随机粒子辅助的搜索算法,以大概率找到非凸目标函数下协作定位的最优位置估计。其次,由于所处的定位环境(周边障碍物分布情况)、及电路热噪声强弱的不同,不同位置的参考节点提供的观测数据精度自然是不同的(空间域随机性);尤其在移动目标跟踪过程中,由于目标的移动性,其参考节点集合在大部分情况下是随时间变化的,因而来自于参考节点集合的观测数据精度也是时变的(时间域随机性)。也就是说,通常情况下,不同参考节点的观测精度是非确定性的(也意味着干扰噪声分布的非高斯性)。基于此,本文提出观测精度的时空域双随机性问题,引入了威沙特超先验分布对其进行了数据建模,设计了基于变分贝叶斯推理的定位跟踪算法,并从数学上揭示观测精度随机性对定位跟踪性能的影响。另外,由于网络节点初始位置的确定始终存在误差,以及一些非预想因素引起的节点位置挪移,实际的参考节点位置是不准确的。尤其当网络中位置精确的锚节点(anchor node)数量有限时,更加需要将位置不准确的网络节点纳入参考节点集合进行定位协作。此种情况下,参考节点位置误差将会对无线定位与跟踪的性能带来巨大挑战。本文考虑到了参考节点位置的非确定性问题,将该因素纳入到系统建模中,以设计鲁棒算法抵抗其干扰,并分析了参考节点误差对定位跟踪精度的影响。特别地,节点位置误差、及观测精度随机性问题在网络定位环境下尤其突出,会引起误差传播效应。考虑一个分布式无线网络,其中大部分节点的位置是不准确的,需要通过节点间相互的定位协作来进行位置校正。给定网络节点间的观测数据集,以及网络节点的初始位置信息,本文设计了分布式的协作网络定位算法,并描述了给定初始条件下网络定位所能达到的性能极限。同时,针对网络中的分布式定位协作,提出了定位信息的概念,并分析了定位信息在不同网络节点间(空间域)的传递过程,阐述了其传递规律和收敛性,以此揭示了空间域定位协作的本质:定位信息的空间域传递。除此之外,针对移动目标的跟踪过程,目标移动行为具有多样性,其潜在信息可分为两部分:规律性(如恒速信息,可模型化)与随机性(如位置跳变,很难预测)。为了更广义地刻画目标的移动行为,更深层地挖掘目标移动性和观测数据中的潜在信息,本文提出了多层动态贝叶斯网路模型,对目标移动行为和观测数据进行了建模,并设计了基于变分贝叶斯滤波的联合移动跟踪与速度预测系统。所提出的算法不仅适用于有明显运动趋势的目标跟踪,而且适用于完全随机的移动跟踪,同时还可挖掘潜在速度信息,进行速度预测,以进一步提高移动跟踪的精度。移动目标的跟踪过程实际上可以看作目标定位在时间域上的协作。最后,根据本文提出的定位信息的概念,从理论分析的角度,研究了移动跟踪中定位信息在时间域上的传递规律,阐述了跟踪误差收敛的条件,描述了移动跟踪的性能极限,揭示了时间域定位协作的本质:定位信息的时间域传递。总而言之,与传统的GPS定位和现有的定位技术方案不同,本文着眼于基于无线自组织网络下的定位跟踪技术,并着重考虑了实际场景中的非理想因素。观测系统非线性,参考节点误差,观测精度随机性,目标移动模式的多样性对移动跟踪技术带来挑战的同时,通过对其进行统计建模也可最大程度挖掘潜在信息,为移动跟踪算法的精度带来增益。针对上述非理想因素,本论文从系统建模、算法设计、性能分析三个角度,以统计推断、贝叶斯信号估计、随机优化理论为工具,对协作定位和移动跟踪技术进行了研究:给出了鲁棒的定位跟踪算法,诠释了空间域定位协作、时间域定位协作的本质,并分析了不同制约因素(如参考节点数目、参考节点位置误差、观测精度随机性等)对定位跟踪精度的影响,揭示了移动跟踪算法的性能极限。