目标定位,是指某一时刻获得区域内目标物理位置的测量和计算过程,而移动目标跟踪的目的,则是从一组测量信息中,获得目标当前状态及其历史轨迹。无线传感器网络(WSN)节点数量大、覆盖范围广的特点使其胜任移动目标的定位任务,而传感器节点的计算能力以及节点间的通信能力使得动态跟踪估计目标轨迹、预测目标位置成为可能。以往WSN目标跟踪问题的研究大多假设节点位置固定,本学位论文则考虑传感器节点加入运动能力后在空间维度上的扩展,从固定信标节点目标跟踪,移动传感器节点间相互位置管理,静态节点辅助移动节点导航,以及以跟踪质量为导向的节点位置调整等方面研究了节点协作的若干问题和验证方案。首先,用位置固定的传感器节点对移动目标进行定位与跟踪,是传感器网络目标定位跟踪研究的基础。本文选择了室内定位作为应用背景,除了收集传感器节点对移动目标的直接测量值外,还参考传感器节点之间的相互测量值,计算目标与信标节点之间的参考距离,并以此判断目标所在的区域。实验结果表明,在硬件性能有偏差的情况下,参考距离比信号强度值更能有效表征节点与目标的邻近程度。随后本文引入了移动节点的概念,把移动能力赋予执行器节点,用于追捕移动目标,并实现了能自主进行定位估计和目标捕获的测试平台。针对缺少固定信标节点的传感器网络系统,提出了用于小规模移动传感器节点,通过射频信号强度获取节点组相对位置的方法。节点通过周期性的通信测量相邻节点的信号强度值,移动节点得到信号强度值后在本地进行滤波,依照信息共享方案传播各自的信号强度值,在每个节点中使用多维度评定计量法计算节点组的相对位置。实验表明,在节点移动的过程中,该算法能得到较为粗糙但与物理位置基本吻合的信息,并得到平稳的位置变化趋势。为了使节点能在缺少集中式位置服务的环境内移动到传感器节点覆盖的任意区域,本文使用静态传感器节点辅助移动节点导航至特定区域。针对不同的节点计算能力,提出了健忘式和迭代式移动节点导航算法。在健忘式算法中,移动节点仅需要最基本的传感器与最简单的运算能力；而迭代式算法则要求节点有更多的内存、更强的计算能力以及基本的运动编码器。通过仿真与测试床实验验证了健忘法与迭代法在导航中的有效性,并仿真验证了迭代法在导航性能上优于健忘法。最后,在研究移动传感器节点之间的互动关系后,回归到移动目标的定位跟踪问题上。除了通过梯度下降法提高感应质量外,本文还考虑了节点位置分布对通信质量以及区域覆盖质量的影响,把感应质量、通信质量以及覆盖质量统一量化为优化指标。通过移动传感器的局部计算,各节点调整自身的位置以优化全局指标。为了验证系统,搭建了移动传感器网络目标追踪平台,在该平台下实现了面向目标跟踪协作移动传感器协作控制,获得感应质量、覆盖质量以及通信质量之间的折衷。在算法验证方面,本学位论文中提出的所有算法均在实际硬件平台上验证,保障了算法的可行性和有效性。