目标跟踪做为数据融合问题的一个典型应用，受到了学术界的广泛关注。它的主要目的是确定监测区域内目标的位置、个数、速度等。随着无线传感器网络的发展，基于无线传感器网络的目标跟踪问题成为了一个研究热点。目前已有的研究工作很多集中于对单个目标的监视和跟踪，一种典型的方法是将监测到同一目标信号的节点组织成一个簇，簇内节点的质心作为目标的估算位置，进而得到目标的运动轨迹，并预测目标的下一步运动。针对无线传感器网络中的多目标跟踪研究目前还不是很多，主要是传统的雷达等系统中的多目标跟踪算法的引入，没有考虑到无线传感器网络本身的特点。　　 针对无线传感器网络中的多目标跟踪问题特点，本文使用粒子滤波理论解决该类问题。粒子滤波是一种从有噪声的观测数据序列估计运动状态的理论，于传统的卡尔曼滤波相比，粒子滤波适用的领域更广。卡尔曼滤波要求系统为线性，噪声符合高斯分布。但在无线传感器网络中，这些条件通常不能被满足，而粒子滤波则无此严格的限制。　　 本文的主要研究工作包括：首先针对网络中目标特征提取影响的问题，根据目标辐射信号快速衰退的特点，提出了一种分布式的快速节点管理算法(QAM)。该算法在传感器节点上并行运行，尽可能将受不同目标影响的节点分到不同的簇中，受同目标影响节点分在同一簇中。簇头节点融合簇内其它节点信息，得到目标特征。其次，根据融合后的节点簇结构和目标特征，提出了一种自适应的基于粒子滤波的多目标跟踪算法(APF)。算法迭代的将目标先验信息与簇关联得到目标簇关联矩阵，根据此矩阵自适应的调整粒子采样分布，使得粒子分布与目标真实分布契合度更高，从而得到更精确的跟踪结果。最后，使用matlab平台仿真实现跟踪算法，针对各种参数条件下的跟踪性能进行了详细的分析，并提出了相应的提高跟踪精度建议。仿真结果表明，由于采用自适应的方法对目标进行采样，使得采样结果与目标真实分布契合更佳，跟踪过程中的粒子效率更高，只用少量粒子即可较好的描述系统的分布特性。另外，良好的数据融合策略也减少了算法的计算和通信量。