对客观物理世界的监测是无线传感器网络的最重要的应用之一,目标检测问题即是要判断被监测目标的发生与否,是所有监测应用的前提。在理想环境中,对目标是否发生的判断是根据有无信号值,然而无线传感器网络环境复杂,其监测环境往往夹杂着大量的随机噪声对系统性能造成影响,因此如何能够在噪声背景下成功检测到目标成为本文的研究重点。本文在总结分析了相关研究工作与建立无线传感器网络分布式目标检测数学模型的基础上,从经典分布式目标检测的决策融合算法能耗,基于分簇结构的决策融合算法以及基于串行结构的分布式检测路径优化三个方面对该问题进行了深入研究与探讨,主要工作如下：(1)分析了两种经典0-1决策融合方法Counting Rule与Local Vote的能耗情况,对两种方法在无线传感器网络中的应用做了能耗方面的讨论补充。在大规模随机部署网络中,得出不论在目标发生还是未发生的条件下,每一次系统判决的能耗均可近似为仅关于其判决为1的节点个数之和,且与其线性相关。通过仿真实验可知得出以下结论,对于两种方法系统判决阈值的设置,其与每个节点的虚警容忍度相关性较大,而与系统虚警容忍度相关性较小。与此同时,尽管Local Vote作者认为系统判决所需节点的个数较少,但是由于其较Counting Rule多了邻居节点的决策修正过程,在实际能耗模型中,其能耗要大于Counting Rule。通过能耗误差的仿真实验可以看出,本章所提出的两种方法的能耗近似公式是较为准确的。(2)分析了基于二维平面的0-1决策融合方法应用于大规模无线传感器网络不足,给出了一般分簇结构网络模型下,基于权值的0-1决策融合模型,提出了基于权值的分簇决策融合算法W-CDFA,子簇将该簇决策上传给父亲簇时,将该簇的判决阈值作为该簇的权重进行融合。在恒定虚警概率的前提下,通过中心极限定律计算了每个簇的判决阈值。与此同时,为了在大规模网络中缩小目标的检测区域,提出了一种基于隶属度概念的有效簇选取策略M-CSS。通过蒙特卡罗随机实验可以看出,W-CDFA算法较之基于Counting Rule的分簇决策融合算法C-CR有着一定的优势。基于M-CSS的W-CDFA算法通过估计目标的发生位置,能够快速选取有效簇进行决策融合,其性能较W-CDFA要优。(3)目标检测源节点需通过路由机制将判决传输到融合中心,本文分析了基于串行网络结构下,0-1决策融合的局限性,在基于数值融合的前提下,将目标检测性能转换成无线传感器网络路由链路上的权值,从而能够根据权值选择使得检测概率最大的路径。由于无线传感器网络拓扑动态变化且目标检测应用往往具有实时性,因此本文基于改进蚁群算法提出了分布式目标检测的多径路由算法DD-ACMRA,通过仿真实验可以看出,其在目标检测性能,路径时延以及网络能耗方面能够根据需求达到较好的性能与平衡。