感知网(无线传感器网络)是将多个带有无线通讯模块的感知节点(传感器节点)部署在需要的区域内,这些感知节点自组织成一个网络,利用自身的传感器采集数据,使用自身的通讯模块通过网络,以多跳形式将采集的数据传送给网络使用者。感知网利用分布在敏感区域上的大量无线自组的微小传感器,能够迅速、准确、隐蔽的跟踪战场上的目标。因此,如何利用感知网来跟踪判定敏感区域中的目标,正成为研究的热点问题之一。本文就针对在感知网中如何有效对目标进行分类跟踪,及如何提高跟踪过程能量效率的问题展开了深入的研究。本文讨论了传感器探测模型以及网络覆盖模型,并且从目标运动特征入手,建立了目标分类模型。通过假设目标局部做直线运动,采用自适应的最小二乘法拟合历史数据,来预测目标的运动方向和速度。本文还使用数据融合的办法,对目标进行分类,提出了目标分类算法,通过实验验证了算法的有效性。针对地形对目标运动的影响,提出了目标地形约束率的概念,并建立地形约束率更新的一阶马尔可夫模型,在线更新后验地形约束率,并以此来修正基于目标运动模型的预测结果。在目标分类模型的基础上,研究了当前可用的目标定位跟踪算法。为了提高定位精度、减少计算复杂性、通讯开销,提出了基于目标类型的定位算法,用节点对目标位置的不同影响力来确定加权因子。实验证明,算法的节点定位精度比常用的质心定位算法高,并且对硬件的要求不高、通讯开销小、节能,具有较普遍的应用意义。同时本文还针对感知网的第一大要务能量问题,提出了基于目标分类模型的跟踪算法,通过开启小范围的感知节点,来尽量小的降低能耗,延长系统的生命周期。最后,给出基于Mica2平台的节点系统和基于分类跟踪模型的感知网系统的设计与实现,并给出了系统的测试案例。