目标探测是WSNs中的一种重要应用,目标探测模型主要包括采样探测节点数据,传输采样数据以及重构探测信息三大部分。目标探测的重要指标包括对目标源重构的精确度以及整个网络的使用寿命。传统的目标源定位方式多采用距离测量的方式,在同步时间以及对环境的预测方面需要较高要求才可达到较好的重构效果。延长生命周期的途径有两种,一是降低传播信息时的能量利用率(能量消耗/信息量)；二是均衡无线传感器网络中节点的能耗。本文针对以上的问题,以无线传感器网络目标探测为应用背景,做出了以下研究工作：(1)提出了一种基于热点抑制的分环多跳分簇算法。首先,算法将整个圆形网络区域分成等间距环状区域,依据环上簇首的能耗相等为前提,确定每环上的最优分簇的数目,进而得到每环上的簇首选择阈值。其次,算法通过簇首间欧氏距离归一化值与节点已耗能量归一化值的权值和来选择路由。(2)提出了一种压缩感知算法在无线传感器网络中的应用模型。与传统的定位方式的不同,采用压缩感知算法,依据安全的数据传输,对目标源的位置进行数学重构。同时,采用压缩感知算法在能量消耗上也具有较高的优越性。不同于传统的采样压缩算法,压缩感知算法可以通过数据中的相关性,传输少得多的采样数据,最终在保证重构精度的同时恢复出原始数据。文中提出的模型,将压缩感知算法中的稀疏矩阵与观测矩阵分别对应到目标探测模型中节点传输消耗及网络分簇等信息。(3)研究了基于热点抑制算法及压缩感知算法的目标探测系统。通过压缩感知算法对节点存储的数据(目标源发送信息的叠加)及网络中分簇信息进行采集。其中网络节点位置的划分是基于圆形区域的网格方式,每个节点的位置以矩阵中的对应位置表示。然后进入数据传输阶段中,通过基于热点抑制的分环多跳算法,将采集后的信息由外向内向心传递,直到sink节点接收数据包。最后进入目标源信息重构阶段,通过快速的贝叶斯重构算法,将压缩后的信息进行数学处理,最终精确地重构出目标源的位置信息。