1.一种基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，所述基于维诺图的自适应节点选择的目标跟踪方法包括：初始状态下，所有传感器节点的能量均为饱和，簇头节点随机均匀分布在网络中；初始状态外，簇头节点根据阈值设定进行优先选择；

在网络中，将传感器节点利用维诺图进行分簇，每个簇中有且仅有一个簇头节点、多个簇内节点；

当网络中无目标进入时，所有节点处于休眠状态，能量消耗低；当网络中有目标进入时，目标当前所在维诺图的多边形区域中簇内节点根据节点选择方法进行部分激活，对目标进行监测；

目标所在维诺图的多边形区域中簇头节点将激活节点检测到的数据汇总处理；

利用扩展卡尔曼滤波对目标进行跟踪，目标进入下一时刻，直至目标走出该网络区域。

2.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头的选择中，在观测区域中传感器节点随机部署，簇头节点负责计算位置坐标并收集该多边形内其他节点采集的感知信息；当目标处于中某一Voronoi多边形内时，多边形内的簇头节点然后选择剩余能量高、距离簇头节点近的传感器进行激活，剩余节点处于休眠状态；簇头节点与激活节点共同探测目标，激活节点将数据信息发送到簇头节点，簇头节点处理位置计算，则簇头节点与激活节点共同完成定位工作。

3.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头的选择具体包括：根据Fisher信息矩阵的扩展卡尔曼滤波方法，计算当前簇中各节点的Fisher信息判据，获得信息度量，并自动选择第一个具有最小度量的节点作为簇头节点。

4.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，网络模型对传感器节点进行分簇中，Voronoi图根据K个不同的点，将平面分为K个区域，使多边形区域内任意一点到该点的距离均小于到其它多边形区域内点的距离。

5.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇内节点的激活方法包括：使用贪婪算法来选择和调度节点；设置节点个数t，若目标所在多边形内的普通节点剩余能量大于设置的能量阈值，列为候选节点，再根据能量大小排序，取能量最大的t个节点变为激活节点，对目标进行跟踪。

6.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头选取的方法具体包括：0时刻，网络中的传感器节点能量均为饱和，簇头节点Voronoi图中随机分布；其余时刻，簇头选择根据Fisher信息矩阵的扩展卡尔曼滤波方法，计算当前簇中各节点的Fisher信息判据，获得信息度量，并自动选择第一个具有最小度量的节点作为簇头节点；利用下式选择最小信息判决：node为S*(k)中选出的使信息判决最小的节点；如果节点的剩余的能量值大于阈值，成为候选节点，否则将成为休眠节点；

其中，α代表控制阈值系数；将Voronoi图所有节点依次进行判断，将满足条件的簇头节点广播候选信息1，剩余节点在接收到信号后不参与候选簇头节点，并且状态设置为0。

7.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇内节点激活方法具体包括：传感器节点i向节点j传输1b数据；公式中的能量消耗Ec(si,sj)是节点之间的传输能量消耗Et(si,sj)与节点j的接收能量消耗Er(sj)之和：Er(sj)＝er；

设置节点个数阈值为3，若目标所在多边形内的普通节点剩余能量大于Ec(si,sk)，其列为候选节点，再根据能量大小排序，取能量最大的3个节点变为激活节点，对目标进行跟踪。

8.如权利要求7所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，利用扩展卡尔曼滤波对进行目标跟踪；目标恒定速度运动，跟踪时刻tk时，状态变量为：(xt(k),yt(k))代表目标的位置坐标，。 代表目标在X轴与Y轴方向在时间时tk的速度；对于目标的运动模型如下：xk+1＝Fxk+Bwwk

T代表采样间隔，F及Bw代表动态转移矩阵：

wk表示加速度的零均值的动态高斯白噪声，协方差为：

假设无线传感器网络中分布的每一个节点都是同种类型的静态传感器； 为节点i在k时刻对目标的距离观测量； 为节点i和目标节点在k时刻的真实距离：(xi,yi)代表无线传感器网络中节点i的坐标位置，(xt(k),yt(k))代表目标节点k时刻的位置；目标节点的观测模型为：代表节点i的观测噪声，方差是 Nk代表k时刻所激活节点的数量。

9.一种实施权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法的基于维诺图的自适应节点选择的目标跟踪控制系统。

10.一种搭载权利要求9所述基于维诺图的自适应节点选择的目标跟踪控制系统的终端。