随着网络技术、无线通信技术以及微处理技术的重大进步，无线传感器网络技术正迅速成为一个重要的研究领域，尤其是基于WSNs的目标定位，在民用和军用领域都具有广阔的应用前景。由于传感器节点具有体积小、价格低、自组织、隐蔽性好等特点，同时还兼备无线通信及网络随机部署等功能，因此非常适合用于目标的定位和跟踪。本文结合现实情况，完成了对研究对象和系统更加合理的描述，更好的展开了对基于能量衰减模型的目标定位算法的研究；介绍了一种粒子滤波算法和最大似然算法相结合的方案，最终实现了基于WSNs的多参数目标定位。主要创新点和工作如下：①基于能量衰减模型并结合WSNs的特点，依据目标定位技术的基本理论，本文对研究的目标对象和所依存的WSNs系统进行了初步分析，对系统模型的基本参数进行合理假设，利用ML估计算法实现了抽象模型的目标定位；为了对估计性能进行分析，本文对估计理论性能下限CRLB进行了推导；并介绍了三种加权平均估计算法与ML估计算法进行性能比较；仿真结果表明，即使在数据量很小的情况下，ML估计算法也可以很接近理论极限值CRLB。②阐述了一种改进的粒子滤波方法，以适应目标位置随机分布并且传输过程中能量衰减强度未知的情况。本文在研究过程中收集了现实中不同环境下路径衰减对目标定位产生影响的数据，对基于能量衰减模型的WSNs系统进行了更加合理的描述，进一步假设信号衰减服从HATA模型，并且为了充分利用能量和带宽均有限的WSNs，首先对每个传感器节点的接收数据进行量化处理，而后将离散值传送至融合中心，最后采用粒子滤波算法和最大似然算法相结合的方法，实现了基于多参数的目标定位估计算法。③阐述了一种启发式的最优量化门限决策法用于实现了定位系统的门限设计；该方法适用于传感器均匀分布并且目标满足高斯分布的部署方案。同时，为了节省传感器的能量，还介绍一种传感器的选择方法，该方法即保证了较好的估计性能又减少了参与运算的节点数目，大大减少了系统的能耗。④阐述了Byzantines传感器识别方案及一种动态非等量量化设计方案。结果表明，两个方案通过减少目标定位的估计错误，不仅提高了系统的估计性能，而且结合Byzantines传感器识别方案还可以使Byzantine传感器失效，从而提升了系统面对Byzantine攻击的稳健性。