无线传感器网络(Wireless Sensor Networks, WSN)与通信技术和计算机技术被誉为当今支撑电子信息产业的三大技术支柱。随着信息技术的发展,无线传感器网络广泛应用于军事、航空、环境、医疗、家居、工业、商业等领域。这些应用领域及相关系统通常需要知道被监控对象发生事件的具体位置,才能及时做出相应提醒与决策。因此,研究无线传感器网络中的目标定位方法具有较强的现实意义和实用价值。当前,国内外研究者根据目标是否携带可与节点通信的设备,将无线传感器网络中的目标定位方法划分为两类,即主动式目标定位和被动式目标定位。其中,由于被动式目标定位技术具备部署成本低、数据处理方便并且对视线和监测视角要求不高等特点,得到了广泛的研究与应用。在被动式定位中,国内外现有工作已经取得了诸多显著研究成果。然而,将其应用于室外大规模场景时,仍然面临着诸多问题：(1)面对室外复杂不可控场景时,信号强度(RSSI, Receive Signal Strength Indication)缺失不完备,这将导致目标检测及定位无法完成；(2)复杂环境下RSSI数据会随时间迁移发生变化,这一现象将导致观测数据与先验知识库失配,影响定位精度；(3)当不具备获取任何先验知识的条件时,如何利用目标对于网络相关指标的影响进行定位,又如何保证定位精度；(4)当网络节点类型复杂异构时,如何有效结合不同节点类型,达到较高的定位精度。因此,本文针对上述问题,开展了室外环境下被动式目标定位方法研究,为构建更为有效的被动式定位方法提供理论分析和技术支撑。论文的主要创新性研究内容如下：(1)提出一种基于双层融合模型的被动式检测方法针对室外复杂不可控场景下RSSI数据缺失不完备的场景,本文通过研究RSSI时空相关特性,采用贝叶斯网络,设计了一种双层融合模型。其中数据融合层解决目标探测问题,决策融合层则解决目标定位问题。在数据融合阶段,本文将结合RSSI的局部稳定性,设计了均值滑动检测算法,弥补了数据稀缺这一被动式定位中不可避免的问题；在决策融合阶段,本文将利用贝叶斯网络,弥补不同时间段RSSI的相异性导致检测误差大的问题。通过真实环境实验,验证该方法可行性的,并对定位精度进行了分析。(2)提出一种基于二次估计的被动式定位方法针对野外复杂多变场景下RSSI数据随时间迁移发生变化,导致观测数据与先验知识库失配发生较大定位误差这一问题,本文提出一种基于二次估计的被动式定位方法。在定位阶段,本文通过空间独立估计,完成对于目标的第一次定位；再通过时间均值与位置均值相结合的二次位置估计,将错误位置剔除,对目标的估计位置进行插值拟合,从而提高定位精度,解决了RSSI随时间迁移变化的问题。本文通过两组真实环境实验,验证了该方法的有效性。(3)提出一种基于链路感知自适应被动式定位方法针对无法获取先验知识的应用场景,本文通过深入分析无线信号空间传输模型,绕射模型及散射模型,提出一种新的链路感知自适应被动式定位方法,同时讨论目标可定位性问题,设计单位定位区域,确保目标在监测区可被定位且定位唯一。该方法在不增加数据类型的前提下,扩大了监控区域,同时保证了目标可被定位且定位的唯一性。本文通过仿真及真实环境实验,证明了该方法对于目标定位的可行性及在定位精度方面的优越性。(4)提出一种基于异构数据源相互协同的被动式定位方法针对网络中具有异构数据源的场景,本文采用了信号强度和红外测距相结合的手段,对异构无线网络数据进行协调,完成目标被动式定位。利用动态贝叶斯图,协调信号强度和红外测距两种方法的适用特点,推导出适用于大规模室外被动式定位模型,同时通过粒子滤波方法,提高异构数据协同被动式定位方法的定位精度。仿真结果表明,异构数据协同定位方法能够完成被动式定位要求,与其他定位方法相比,定位精度有所提升。