集数据采集、处理和传输功能于一体的无线传感器网络具有大规模、低成本、自组织、可靠性强以及高度集成化等特点,其应用也已经从最初的军事领域逐渐拓展到包括智慧农业、智慧城市、环境监测、交通导航、海洋资源勘探等众多民用领域。而目标的定位和跟踪作为无线传感器网络的一项关键技术,融合了传感、网络通信、信息处理、概率统计等众多学科,在智能监控领域有着广阔的应用前景。为了满足系统低功耗和分布式的要求,针对以下三种不同情况对传感器网络的分布式节能机制和目标跟踪算法展开了深入的研究:在单个传感器节点可观且拓扑固定时,针对节点测量和通信能力有限的传感器网络提出了完全分布式的基于事件触发的传感器节点测量/休眠策略以优化由跟踪误差和能量消耗组成的性能指标,并且提出了基于最小迹原则的一致性卡尔曼滤波算法,并给出了保证该算法收敛的充分必要条件。和时间触发机制相比,从理论和实验上证明了该机制在测量能量节省方面的优越性。在单个传感器节点不可观且拓扑变化时,针对传感/通信受限的传感器网络提出了分布式能量节约目标跟踪算法。考虑节点测量能耗,提出了基于事件触发的传感器节点测量策略实现每个节点在估计误差和能量消耗之间更优的权衡,设计了基于最小迹原则的一致性权重设计的分布式信息滤波算法。从理论和仿真都验证了该算法和传统的基于时间触发的算法相比,具有更优的系统综合性能指标。同时证明了在每个传感器节点不可观且网络的传感拓扑时变的情况下,只要在每个采样时刻网络中至少存在一个协同可观的节点,那么在任意初始估计下系统的估计误差将在均方意义下有界。进一步,同时考虑测量能耗和通信能耗,设计了基于事件触发测量和通信策略的能量节约目标跟踪算法,并理论验证了只要每个采样时刻网络中至少存在一个协同可观的节点,该算法就能够保证系统估计误差在均方意义下有界。当监测区域中存在多个待跟踪目标时,采用k-Means聚类算法来解决数据关联问题,然后将基于事件触发测量和通信策略的分布式多目标跟踪算法应用到多目标跟踪问题中去。从理论上证明了在聚类算法收敛的条件下能够保证该算法优于基于时间触发的算法,而且在网络中存在协同可观节点的条件下系统估计误差在均方意义下收敛。最后给出了仿真例子验证了该算法的有效性和可行性:在保证对每个目标的跟踪精度之外,有效地减少了网络的能量消耗。