针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题，提出了一种改进的单高斯背景模型运动目标检测算法，该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型，对当前帧图像进行运动目标的初检测，根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新，对更新后的背景模型中不属于背景点的像素点进行mean shift修正，将进行mean shift修正后得到的背景模型作为最终的背景模型，再通过背景差分法最终检测出运动目标。实验表明，改进的算法能很好地克服背景模型不能自适应背景变化的缺点，目标检测完整度比传统的单高斯模型高。

为了明确传感器配置形式及传感器数量对定位精度的影响, 在全局坐标系下对多站三角定位中样本均值的定位性能进行了分析。首先根据一致性的定义研究了交点间的相关性及切比雪夫条件, 进而指出多站三角定位中的样本均值是一种非一致性估计; 然后结合传感器配置形式对定位精度的影响, 分析了样本均值近似具有一致性的条件; 最后讨论了一致性与多站定位精度之间的关系以及一致性在规则、不规则传感器配置形式中的本质区别。仿真结果验证了上述样本均值定位性能的分析, 指出本文结论可以应用到基于传感器管理的多站无源定位算法中。