目标定位和跟踪在军用、机构安全防范和智能交通等诸多领域有重大的应用价值。多目标精确定位和跟踪可以表达出目标和环境的交互，将目标行为在具体环境下进行分析和理解。本文主要研究了传感网中合作多目标定位、非合作多目标精确跟踪、异质传感节点的目标轨迹关联三个关键问题，提出了较完整的创新性解决方案，主要内容和创新点如下:　　 第一，针对WSN多合作目标定位时节点通信数据量大的问题，提出了采用压缩感知的多目标定位系统架构、策略和算法。针对网格划分的挑战，设计了迭代回溯算法，在不增加问题维数的情况下提高了定位精度。针对无线信号衰减受实际环境影响，对贪婪匹配压缩感知定位算法进行了改进，提高了定位结果的准确性和鲁棒性。针对无线传感器网络的实际通信环境恶劣，设计了定位算法停止条件，收到部分节点的数据就能进行定位。针对多目标定位时节点能量受限问题，提出了基于压缩感知的RSS信号收集策略，减少网络通信数据量50％以上。　　 第二，针对目标密集情况下，多目标精确跟踪时身份难以维持的问题，提出了基于多种运动特征融合的方法。采用激光雷达传感器网络对监控区域的人体目标进行监测，通过检测人体目标步态的步态速度序列特征、时空融合特征以及基本特征，应用动态时间规整、核密度相关算法进行身份匹配。仿真结果显示基于多特征融合的多目标跟踪算法，在目标中等密度场景下身份正确关联率比最近邻方法提升30％左右，不足是实时性的下降。　　 第三，针对异质传感节点的轨迹关联问题，提出了应用小波包分解和可信度分析的灰色关联算法框架。针对异质节点跟踪精度不同的问题，采用小波包分解提取轨迹的趋势信息和变化信息，适应不同信噪比传感节点的轨迹关联。对传感节点进行静态可信度分析和动态可信度分析提高灰色关联的准确度。仿真结果显示，本文提出的方法比灰色关联方法的关联性能提高了20％以上。　　 最后给出了实际原型系统的工程实现，经实际测试，在目标密集的室内场景下，可以很好的实现人员精确定位、跟踪和身份区分性能，取得良好效果。