作为一门集成了传感器、分布式信息处理、微电子、现代通信技术等技术的新兴学科,无线传感网络(WSN, Wireless Sensor Network)具有部署灵活、成本低、定位精度高等特点,目前已被广泛应用于多个领域。目标的定位和跟踪作为无线传感网络重要的应用技术,正日益成为国际研究的热点。节点的定位和目标跟踪算法原理就是利用WSN已知的节点信息获取目标的位置信息,并对其下一步的运动状态作出预测和估计。本文对加权质心算法进行了改进,首先利用加权质心粗定位和差分进化算法精确定位相结合的混合定位算法对目标进行定位计算,然后采用无迹卡尔曼滤波(UKF, Unscented Kalman Filter)对目标进行跟踪。传统的基于RSSI质心算法采用锚节点和目标节点间的距离进行加权运算,虽然利用节点间距离赋予了不同的锚节点坐标不同的权重,一定程度上提高了定位的精度,但是也间接引入了误差。本文使用的改进算法,抛弃采用距离这个中间步骤赋予权重,直接利用其各自的RSSI值为权重的方法,进行新的加权运算以对目标节点进行估值。由于质心定位算法简单,但是定位精度不高,我们称之为粗定位。然后采用差分进化思想,以粗定位获取的坐标值为初值进行差分进化优化算法,得到目标节点的精确坐标。对目标节点的跟踪,目前大多采用卡尔曼滤波器实现,但是卡尔曼滤波只对线性方程有效,在非线性方程中,要先把非线性方程转化成线性方程之后再进行运算,这无疑增加了误差的积累。本文对目标跟踪采用UKF算法,即采用UT变换和采样函数思想,实现了从非线性到线性的映射,从而提高了跟踪效果。对所给出的算法经过仿真验证表明,在稍微增加定位运算量的前提下,定位精准度提高了5%～10%左右；采用UKF比采用扩展卡尔曼滤波更能实现有效跟踪。