自21世纪以来,无线传感器得益于其体积小、可扩展性强的优势,在现代工程环境中有着无可替代的地位。多个微型传感器通过彼此之间的连通所组成的传感器网络,使得整个被检测范围内的信息获取更加便捷与可靠。而在当下,利用传感器网络对移动目标的跟踪与定位技术,会给新兴的无人机测控、无人驾驶等方向带来更多的创新思路,也将对5G技术在无人驾驶中的使用提供算法理论。论文基于可测相对距离的传感器,针对传感器在不同工程环境下非线性、能量受限、数据传输效率低的问题,讨论了在分布式传感器网络中对移动目标的定位与跟踪技术、在分布式传感器网络中利用移动锚点的自定位技术:1、针对分布式网络数据融合率低以及集中式网络鲁棒性低的问题,设计分层式传感器网络结构。对上下两层估计得到的信息分别融合,充分利用采集得到的信息,体现了分层结构的优越性。在估计过程中,首先使用状态重置算法对被观测目标进行初始定位;随后通过EKF对观测目标的状态进行估计,之后对多个估计值进行融合,得到更准确的估计值;通过非线性优化进行状态重置,将最后通过计算重置前后差值设计阈值判断是否关闭重置。当关闭重置之后,可仅利用EKF对目标状态进行跟踪。减少了迭代过程,可以大幅度提高效率。这样的估计算法,既保证了估计收敛的快速性,又使用非线性优化保证了准确性,并减小了计算量与通道传输压力。2、针对分布式传感器网络中各个节点随机分布、自身位置难以准确获得的问题,设计基于移动锚点的传感器网络自定位系统。设计传感器可测量其自身与移动锚点的相对距离,移动锚点可周期性发送自身状态信号给周围传感器。传感器通过滚动窗口存储多组测量与信号数据,并更新最新数据,舍弃最旧数据。滚动窗口在采集数据之后,通过数据筛选器判断是否更新窗口。当采集点过于密集或误差较大时,舍弃该组数据。最后,传感器根据多组数据进行非线性优化,获得自身状态,通过实时更新测量数据,最终准确获得传感器自身状态信息。最后,分别利用仿真软件对以上算法进行验证。验证过程包括:设计同一场景下的估计问题,分别利用本文设计算法以及其他算法进行估计。随后利用图表对所测数据进行对比,在快速、准确等方面进行阐述。最终发现本文中算法在整体上比其他算法性能要好,更有利于工程应用。