位置信息在军事、工业、民用、灾难救援等场景有非常重要的应用价值,然而当前广泛应用的GPS系统难以适用于室内环境。无线传感器网络(WSN)为室内目标的准确定位与跟踪提供了新的解决思路,但环境的干扰和影响容易导致较大的定位跟踪误差,因此设计高效的算法是提高WSN定位跟踪精度的主要途径。本文针对室内WSN环境,研究移动目标的定位跟踪算法,具有很强的学术价值和实际意义。当前绝大多数室内定位算法都假设环境噪声已知,然而实际应用中很难获取环境噪声。针对室内环境和测量噪声难以获取的情况,本文提出了一种基于粒子群优化的最小残差定位算法,将目标定位问题转化为求取残差最小化的目标函数,通过粒子群进行不断的优化更新,查找出使目标函数获得最优解的位置作为最终估计位置。实验结果表明,本文算法的精度比最小二乘算法高出20%以上。针对室内环境容易导致信号传播在视距(LOS)/非视距(NLOS)状态之间随机切换的情况,本文提出了一种交互式多模型-扩展卡尔曼滤波(IMM-EKF)定位算法,根据LOS/NLOS环境下不同的测距误差特性,在IMM框架中采用两个平行的卡尔曼滤波器对测量距离同时进行滤波,并通过一阶Markov链实现模型的交互,从而有效削弱了非视距传播对测量距离的负面影响。在EKF定位阶段,利用IMM滤波后的估计距离,通过位置预测和更新估计出移动目标位置。在实际环境进行测试,本文算法在室内环境的目标定位误差约1.2m,能够满足实际需求。针对更为普遍的室内三维环境,本文提出了一种基于多项式数据拟合的最小二乘算法。在每个采样周期内,根据获取的测量距离,采用非迭代最小二乘算法对目标的位置进行初步估计。然后,对当前时刻及之前一段位置估计数据进行多项式数据拟合,利用拟合后的多项式计算当前时刻目标位置。该算法将非迭代定位算法转换为迭代定位算法,无需事先知道环境和噪声信息,对于三维运动目标的定位跟踪精度可达到lm左右,具有很强的实用性和环境适应性。最后,本文对所开展的研究工作进行了总结,并展望了下一步的研究工作。