在无线传感器网络中,由于随机部署的原因,无线传感器节点定位一直是领域内研究的难点问题之一。因为通信距离短,且信号容易受到干扰,使得根据信号强度估计传感器节点的位置存在较大的定位误差。针对这个问题,利用WSN节点的空间分布稀疏性,将WSN节点的定位问题转化为基于压缩感知的稀疏信号求解,提出基于压缩感知的无线传感器网络定位方法,解决室多目标的二维坐标定位问题。本文的主要研究成果如下：(1)为了减少压缩感知定位算法的时间复杂度,运用深度优先搜索策略,提出基于布尔搜索的WSN节点最小包围盒规划方法,计算覆盖所有节点且面积最小的包围盒,且该方法的时间复杂度小于其它同类算法。(2)为了模拟无线节点信号在室内空间的多路径传播,运用随机桥过程构建随机射线,并以随机射线的轨迹和到达能量仿真无线信号的功率延时谱、比特误码率和场强分布。(3)根据无线信号场强,提出了信号场强压缩感知的WSN节点定位方法。根据信号传播的路径损耗模型,建立压缩感知定位模型的感知矩阵,并证明感知矩阵满足有限等距性质(RIP)。提出改进的最小化五-范数算法(NL1-norm)重构目标节点的位置向量。通过仿真实验,分析了无线节点性能和网络规模对定位精度的影响。设计物理定位试验,验证了信号场强压缩感知方法对室内ZigBee节点的定位效果。(4)为了满足RFID室内定位的需求,提出了仅依赖连通度的多目标压缩感知定位方法,运用压缩感知理论建立定位模型,采用最小化l1-范数算法估计多个目标节点的位置。在连通度被1-比特量化情况下,提出了半正定规划(SDP)和不动点迭代法结合的位置向量求解算法。根据仿真结果,在满足定位精度的同时,该算法很大程度上降低了无线链路带宽。