在无线传感器网络中,传感器节点的位置信息对于实际应用至关重要,如在事件监测中,仅从无线传感器网络中获得事件发生的内容是不够的,需结合位置信息才能让监测有意义。因此传感器节点的定位技术是无线传感器网络的支撑技术之一。而室内定位是其应用的一个重要场合,可在机场、展览馆、大超市等地,得到广泛应用。目前室内定位技术方案有多种,已有的定位方案可划分为基于指纹地图算法和基于信号传播模型算法。基于指纹地图的算法,具有比较好的定位精度,但是环境改变又需更新指纹库,工作量非常大,而且不适用于大范围区域定位,基于信号传播模型算法,无需大量的离线训练任务,从而大大降低了工作量。由于在定位过程中,存在大量数据的采集和处理,同时存在传感器计算能力、存储及电池容量有限的缺点,使得现有方案存在局限性。近年来新发展起来的压缩感知理论,能利用节点相对定位区域的稀疏性,通过少量锚节点对未知节点的信号测量,实现节点坐标定位。针对现有基于压缩感知的定位算法,存在测量矩阵的测量次数冗余度大及网格划分区域过大,导致算法难以满足实时性要求的缺点,提出了改进算法。利用Bounding-Box思想,将未知节点估计到一个比较小的可能性矩形区域,减小了网格划分区域。由于可能性区域大小是根据锚节点数目和通信半径变化的,为使得定位问题能够转化为压缩感知信号重构问题,设计了动态的测量矩阵。为降低测量矩阵的冗余度,仅将与未知节点有通信关系的锚节点作为测量节点,同时设置最大测量次数,既保证了重构的精度,又进一步降低了测量矩阵的冗余度。并且,为进一步提高定位精度和定位有效率,提出了类似于指纹匹配的RSSI最小差值比较法。最后,利用MATLAB对改进算法的性能进行了仿真分析,并与其他两种基于压缩感知的无线传感网络定位算法相比较,实验表明,改进算法在平均定位有效率和平均定位时间上具有一定优势。