压缩感知技术[1][4]（CS: Compressed sensing）由D. L. Donoho，E. J. Candes，Terence Tao和J. Romberg等人在2004年左右提出，该技术也被称为：压缩采样技术。因为它作为一个崭新的采样技术，充分利用信号的稀疏性，以远低于Nyquist采样率的采样速率获取样本，并能够通过基追踪，正交匹配追踪等重构算法对信号进行重建。CS在过去不到10年的时间里，在图像处理，无线通信，地质勘测，大气测量等众多领域得到了广泛关注，并被美国评为2007年度十大科技进展[36]。基于RSSI的定位又分为两种方式，第一种方式是通过场强-距离模型[26][27][28]，将用户接收机的场强值转换为用户与基站之间的距离值，利用数个圆（球）公共交点的方法来进行定位。这种定位方式的精度不高。第二种方法，就是基于场强指纹地图的定位[25][29][31][32]。这种定位方式精度比使用场强-距离模型来定位精度要高。这种定位方式分为两个阶段：离线阶段（训练）和在线定位阶段。这种定位方式的难点就在于离线训练阶段（指纹地图的建立），如果逐点去测量场强值，那么工作量太大。我们可以在指定区域减少采样位置点，通过基于压缩感知的指纹地图超分辨率重建来对指纹地图进行重构。这样就可以通过数字处理的方式减少实际测量的工作量。这也是本文的出发点和重点。本文的主要内容有：1）利用基于压缩感知的图像超分辨率重建，进行单帧图像的超分辨率重建。2）利用Kriging插值方法对场强数据进行预处理，变不均匀的场强地图为均匀。3）基于压缩感知稀疏表示的指纹地图超分辨率重建，并且对结果进行分析。4）通过计算机仿真，给出了基于指纹地图定位方法的实现，并且给出了仿真结果，并对结果给出了合理解释。通过本文的仿真结果，可以看到，在2倍插值的情况下，基于压缩感知的指纹地图超分辨率重建方法，分别比双三次插值，双线性插值要好5.36dB，10.37dB；在4倍插值的情况下，基于压缩感知的指纹地图超分辨率重建方法，分别比双三次插值，双线性插值要好1.49dB，2.69dB。这也是本文的一大亮点。