随着计算机网络技术、无线传感网络技术、信号处理技术的快速发展,基于位置服务(Location-based Service, LBS)成为了最具发展潜力的互联网业务。只有在确定人或物位置信息的情况下,智能家居、智能仓库等一类依存无线传感网络技术的产品才能充分发挥他们的作用,实现真正的智能化。目前,研究的定位大多都是在目标携带有节点的基础上完成的,本文在研究携带节点定位的基础上,结合近年来发展迅速的压缩感知理论,深入研究了不带节点的被动式目标定位(Device Free Localization, DFL),将目标定位问题转化为稀疏信号的重建问题,降低了定位的计算复杂度,提高了定位的性能和效果。论文首先概述了压缩感知理论,对压缩感知理论的关键技术做了研究。随后,详细阐述和分析了本文所用到的贝叶斯压缩感知理论的概念和重构算法。同时,选取了具有代表性的几个重构算法对随机脉冲信号做了重构仿真。为了有效的实现带有节点的目标定位,本文选取了TinyOS系统和Telosb节点作为开发的软硬件平台,编写了未知节点、信标节点、基站节点的通信程序。通过具体的测试实验,分别得出单点和多点测得的RSSI值与距离d之间的曲线关系,同时,利用实验分析了人为干扰对于测试结果的影响,并且利用测得的数据进行有效的目标定位,对比大小不同的定位区域,得出定位精度与定位区域之间的关系。此外,研究了被动式目标定位的原理,建立了无线测量与待定位目标位置关系的数学模型。研究在对少数无线链路测量下实现精确定位的方法,将DFL问题演化为稀疏问题,采用基于压缩感知的贝叶斯匹配追击(CSBGMP)算法,实现利用少量无线测量进行快速位置估计的目的,提高了定位的性能。最后,通过仿真实验,对比不同算法的性能,得出本文所采用的CSBGMP算法是一种轻量级且能够有效地实现大规模无线网络定位的方法,广泛适用于室内定位的场合。