无线传感器网络(WSN)作为21世纪最具影响力的技术之一,应用于很多领域,例如：道路交通的监控、机场和大型园区的监测、智能居家和军事监测跟踪等等,其中一个重要应用便是目标跟踪。本文对基于无线传感器网络的移动目标跟踪问题展开研究。针对基于无线传感器网络的目标跟踪问题,引入了粒子滤波算法。粒子滤波算法能够有效解决非线性、非高斯环境及目标运动状态不能准确描述的移动目标跟踪问题。首先,研究了基于无线传感器网络的目标跟踪中传感器节点间的相互协作问题,考虑传感器节点能源有限,构造出动态协作的树形网络模型,在这个模型中,随着对目标的跟踪动态的产生簇头节点,其他感知节点将跟踪数据传送给簇头节点,随着目标的移动,根据簇头产生策略生成新的簇头节点,原簇头节点恢复为感知节点侦测目标。其次,对现有的目标跟踪算法进行概要介绍和分析对比,由于粒子滤波算法在处理非线性、非高斯系统的状态和参数估计问题方面具有独特的优势,本文选择了粒子滤波算法。对基于无线传感器网络的粒子滤波算法进行了系统的分析,讨论了粒子滤波算法存在的问题及解决方案,着重分析了粒子的退化问题,基本的粒子滤波算法把大量的计算量用于小权值的粒子更新上,粒子枯竭现象导致剩余粒子数目极少,难以代表状态的预期估计特性。针对粒子的退化问题,本文对粒子滤波算法进行了改进,在重采样时引入代价参考函数,计算各粒子对于观测值的价值大小,然后根据价值大小的不同给粒子分配不同的权值。该方法利用观测值调整权值的分布,增加了粒子的多样性,从而减弱粒子退化的程度。无线传感器网络的应用潜力巨大,在目标跟踪这一领域更是有着极大的实际应用需求,其发展还有很大的空间,有待进一步的探索和研究。