随着无线通信技术的不断发展,基于位置的服务越来越受到人们的重视,大量无线定位技术不断涌现。其中基于接收信号强度的无线传感器网络定位方法因原理简单、成本低,在工业领域应用广泛,近几年提出的压缩感知理论应用于定位领域,减少了冗余数据的处理,提高了定位效果。本文在此基础上,对基于压缩感知的多目标定位在已知目标数和未知目标数两种情况下进行了深入研究:首先在已知目标数的情况下,提出正则化递增支撑集子空间追踪算法用于目标定位,该算法保留子空间追踪(SP)算法中迭代回溯的思想,融入正则化方法,以更高概率得到真正支撑集,进一步提高了重建概率和精度。其次在未知目标数的情况下,本文从三个方向进行展开研究:对于字典失配场景下的多目标定位问题,提出基于极分解的回溯多分辨率分析贪婪匹配追踪算法,该算法将观测字典进行极分解,融合回溯多分辨率分析进行定位,实验结果表明,相比于贪婪匹配追踪(GMP)算法,该算法能够有效增强对目标的捕捉能力,具有更高的定位精度。在对定位精度要求不高的场景下,给出基于重建功率场的压缩感知多目标定位算法,将离散余弦变换(DCT)基设为稀疏基,感知矩阵列单位化,从重建的叠加功率场呈现的最大值中找到目标位置并逐步剥离每个目标的功率场来进行目标计数与定位,实验结果表明,整体计数性能要比GMP算法好,且具有一定的稳定性和无可比拟的响应速度,同时,该算法操作简单,减少了传感器的信息传递频率,也减少了计算量,延长了传感器的使用寿命。在智能算法的融合下,提出二进制樽海鞘群算法用于压缩感知的多目标定位,将连续的樽海鞘群算法离散在二进制空间中,保留樽海鞘群快速协调变化和觅食的本质特性,解决了连续樽海鞘群算法重构离散信号精度低、搜索时间较长的问题,实现了多目标定位,仿真结果表明,与传统的算法相比,该算法虽然时间代价稍有提高,但具备更优越的抗噪性,在相同的条件下具有更好的计数性能和定位性能。