随着无线通讯技术的不断发展,基于定位的各种应用服务层出不穷,无线传感器网络(Wireless Sensor Networks,WSNs)以其自身低功耗、低成本的优点,在智能家居、环境监控、军事侦察、医学治疗等各种领域得到了广泛的运用。此外,WSNs因其具有分布广泛、无线连接方式的特点,可以不受限制地在人类无法直接探测的特殊环境中工作,对目标进行定位和数据的采集及处理。WSNs通过许多个传感器节点可以不断收集环境中的各种信息,其中监测目标的位置信息在各种应用场景中起到关键性作用,获取到的数据必须与节点位置相联系才有意义。因此,WSNs目标节点定位技术成为目前广受关注的重要课题。压缩感知(Compressed Sensing,CS)技术是信号处理领域中的新型采样技术,它能够通过少量的采样数据精确还原出原始信号,在数据量突飞猛进的现代信息社会,更加具有实用价值。将CS技术运用在WSNs多目标定位问题的研究受到学者的广泛关注,同时也取得了一定的成果。基于CS的WSNs多目标定位问题中,定位效果与参考节点收发的信号息息相关,尤其是运用接收信号强度指示(Received Signal Strength Indicator,RSSI)的测距方式,定位准确度高度依赖于锚节点接收到的RSSI值,而且,实际中出现的多目标定位问题大多建立在未知节点数目的情况。因此,论文对信号强度指纹库和重构算法进行了重点研究,提出了一种RSSI抗异指纹库和一种变步长贪婪重构算法,使定位系统能够抵抗来自受损锚节点的异常接收信号强度指示,确保节点收发信号的可信度,减少定位计算量,提高目标数目未知情况下的定位效果。在RSSI抗异指纹库的设计中,提出了一种插值优化算法建立和更新指纹库,将插值函数分为确定性衰减函数和随机性变化函数两个部分,前者通过少量测量值结合拟合方法求解,后者通过Kriging插值法进行求解;同时给出了一种新型的投票机制,可确定各个锚节点的可信度,筛选出受损锚节点,并提出利用在线标准差的变化规律判断出受损程度,从而对指纹库进行相应的数据更新。变步长贪婪重构算法提出利用一种变步长和双阈值相结合的思想,根据残差自适应的调节每次迭代的步长,利用双阈值严格控制迭代条件。仿真实验表明,与传统指纹库相比,RSSI抗异指纹库能够及时更新数据,避免锚节点受损造成的严重定位误差,具有更强的适应性,提高了定位系统的精确度和鲁棒性;而变步长贪婪重构算法与其他贪婪重构算法相比,更加快速和高效,尤其在盲稀疏度下的多目标定位问题中,能够表现出明显的优势。