随着5G技术在世界范围内开始商用化,物联网作为5G技术的重要应用场景也将得到快速发展。同时,作为物联网的底层网络技术,无线传感器网络也随之成为了研究的热点。由于大部分的无线传感器网络下的应用都是基于位置的服务,因此研究目标节点的定位技术是一项有意义的工作。目前,传统的定位算法需要采集大量的数据信息来估算目标的位置,这与传感器节点能源受限、计算能力弱、低存储和低带宽的特性相冲突。因此,为了以更低的资源消耗来对目标进行定位,研究者们近年来将压缩感知理论应用到对目标的定位上。本文主要研究室内环境下基于压缩感知的多目标定位算法,所完成的工作主要有:(1)为了提高定位算法的抗噪声能力,将多目标定位问题转化为经典的0-1背包问题,然后结合压缩感知理论与群智能优化算法来对监测区域内的多个目标进行定位。(2)提出了多次定位计算网格落点数算法(Multiple Localization Counting Procedure,MLCP)来解决组合爆炸问题,其主要通过将优化算法的搜索范围从全局区域缩小为多块小区域来降低优化问题的维数,从而达到降低可行域规模的目的。同时,通过仿真实验验证了所提MLCP算法的有效性与可靠性。(3)提出了一种改进的二进制粒子群优化算法(Improved Binary Particle Swarm Optimization,IBPSO),其是在标准二进制粒子群优化算法的基础上,根据本文优化问题的已知信息以及借鉴遗传算法的交叉与变异思想来对原有算法进行改进。然后,结合压缩感知理论与IBPSO算法,提出了基于改进二进制粒子群的多目标定位算法(Multiple Targets Localization Based on Improved Binary Particle Swarm Optimization,MTL-IBPSO)。最后,将MTL-IBPSO算法与其它经典的压缩感知定位算法进行了仿真对比,验证了所提MTL-IBPSO算法的优越性。(4)提出了多目标分次定位算法(Divided Localization of Multiple Targets,DLMT),其是在MTL-IBPSO算法的基础上增加了三个优化策略来进一步降低定位所需的时间以及提高算法的定位精度。最后,将DLMT与MTL-IBPSO以及经典的压缩感知定位算法进行了仿真对比,验证了所提DLMT算法的有效性。