无线传感网络通过大量分布式的传感器节点协作地感知所观测的地理区域，能提供巨大的区域覆盖和丰富的观测信息。随着传感器技术、微机电技术、分布式信息处理技术、无线通信技术等的发展，无线传感网络在军事、环境、商业等多种领域的应用越来越受到重视。　　 由于传感器节点受到体积、成本等的限制，资源与处理能力十分有限。单个传感器节点的精度与可靠性不高并且易于受到环境噪声等的影响而产生错误的数据，这为无线传感网络在一些对系统性能要求较高的应用（如，运动目标的检测、识别、跟踪）中的部署提出了巨大的挑战。　　 本文围绕无线传感网络中基于声音信号的运动目标识别问题，从特征提取与容错信息融合两个方面研究提高目标识别准确率的方法，所做的主要工作如下：　　 (1)分析了目标声音信号的特点与影响其稳定性的主要因素。对目标识别中的多种特征提取算法进行了详细的分析和比较。利用小波变换时频分析的优势，对由小波包系数重构的信号分段处理，基于噪声与目标信号小波包能量熵的区别，去除测量数据中严重受噪声干扰的部分数据，提高所提取特征的可靠性。　　 (2)将区间融合算法用于运动目标识别。区间融合算法有良好的容错特性，能够在融合过程中通过计算输入区间的交集检测和排除与融合结果不相交的错误区间。然而将已有的区间融合算法直接用于分类决策值的融合会遇到正确区间有可能不相重叠的问题。本文基于Marzullo算法提出用于目标识别的多数投票区间融合算法，将区间分类决策值区分为确定性区间和非确定性区间并将它们归为相应的类别集合，通过计算各类别集合中区间的个数实现区间决策值的融合。基于实测数据的仿真结果验证了算法的有效性。　　 (3) Marzullo区间融合算法对输入区间的微小变化不稳定，输入区间的较小变化有可能造成输出区间的很大改变。多数投票区间融合算法也会遇到同样的问题。因此，将置信度引入多数投票区间融合方法，为区间决策值分配对应各个类别的置信度，给出一种估计置信度的简便方法，通过对置信度的融合保证了融合结果对输入区间的微小变化的稳定。　　 (4)基于传感网络对运动目标观测数据的时空相关特性，提出了基于时空融合框架的错误检测与更正方法，在时间与空间的两级信息融合过程中增加一个时间更新的步骤，实现了时空融合过程中实时的错误检测与更正。给出了一个基于DS证据理论的时间更新策略，利用融合中心反馈给每个传感器节点的错误检测结果修改基本概率分配函数，用前一时刻的分类决策值更新当前的分类决策值。算法分析和仿真结果表明，该方法在没有增加很大的通信负担的前提下，实现了目标识别正确率和容错能力的显著提高。