无线通信技术、嵌入式技术和传感器技术等方面的进步使得无线传感网络广泛应用于军事和民用领域中。目标跟踪作为无线传感网络的重要应用技术之一,受到了国内外专家学者的广泛关注,并取得了十分丰富的成果。近年来,目标跟踪的背景发生了很大的变化,部分民用背景的出现大大增加了机动目标的类型,给跟踪系统带来巨大的挑战。因此,针对此类运动目标研究一种跟踪精度高、实时性好的跟踪算法具有十分重要的现实意义。本文在交互式多模型目标跟踪算法的基础上进行改进,主要工作概括如下:为了提高网络的容错性和可扩展性,本文采用一种分布式无线传感网络的结构对目标进行跟踪。针对交互式多模型算法采用固定测量噪声协方差矩阵和马尔可夫转移概率矩阵导致模型切换缓慢和跟踪精度下降的问题,本文提出一种基于模型概率实时修正的交互式多模型目标跟踪算法。该算法在分布式无线传感网络的背景下引入模糊神经网络动态调整测量噪声协方差矩阵。此外,考虑模型间交互的作用,对马尔可夫转移概率矩阵进行实时修正。仿真结果表明,所给出的算法能够有效提高匹配模型的作用,抑制非匹配模型的影响,并且可以有效降低因模型切换带来的较大峰值误差的问题,具有较高的跟踪精度。针对自适应网格交互式多模型算法存在仅用角速度作为模型集的特征参数,不能完全表征目标所有的运动模式的问题,本文提出一种基于机动检测的改进变结构交互式多模型目标跟踪算法。该算法联合角速度与加速度作为模型集特征参数,同时对目标进行机动检测,根据检测结果对模型集的参数做出相应的调整,最后通过仿真验证所提算法对于机动目标具有较好的跟踪效果。