无线传感器网络涉及自动化控制、计算机、通信及人工智能等学科，是集电子、计算机技术为一身的综合性测控网络，实用性非常高。基于无线传感器技术的目标跟踪技术是近年来的热门研究课题，在军事和民用上都有着非常重要的应用前景。在军事上，基于无线传感网络的跟踪技术可用于导弹系统、空防、海防和作战监视等；在民用上，基于无线传感网络的跟踪技术可用于医疗检测、智能家居、城市交通、动物迁徙检测研究等。由此可见，研究基于无线传感器技术的目标跟踪算法具有重要的学术价值和实际意义。本文介绍了基于无线传感器技术的运动目标跟踪技术的常用算法，并对扩展卡尔曼滤波算法、无迹卡尔曼滤波算法以及标准粒子滤波算法加以分析，建立了非线性的运动模型。通过仿真，了解到粒子滤波在对运动目标跟踪方面有较突出的优势。本文以粒子滤波为切入点，进一步提高粒子滤波算法在对目标跟踪方面的精确度。深入研究粒子滤波算法后，提出了两种优化算法：第一种是三边测量法与基于权值排序的粒子滤波混合跟踪算法，废除初始时刻的假设，直接采用三边测量法来对目标进行定位，反映了更加真实的跟踪过程。另外，引入权重值排序思想，对粒子滤波过程中的重采样过程进行优化，挑选出权重值较大的一些粒子计算目标的状态分布，在一定程度上提高了跟踪算法的精确度，并且后续步骤又保证了所有的粒子都能参与到任何时刻的粒子更新，改善了粒子集的多样性，有效地解决了粒子样本贫化现象；第二种是基于QPSO的粒子滤波算法，引入量子行为粒子群优化（QPSO）算法，寻找出全局最优粒子，来使粒子滤波中靠近真实状态的粒子权重值增大，从而提高了跟踪的精确度，并且减少了粒子滤波所需要的粒子数。为了对比分析标准粒子滤波算法和改进后的粒子滤波算法在无线传感器网络中对运动目标的跟踪性能，本文在MATLAB软件平台上进行了仿真，实验表明两种改进后的粒子滤波算法都能有效地提高跟踪精度，并改善了跟踪过程的稳定性。