目前,无线传感器网络在远程控制、目标追踪、海底检测和虚拟场景布置等领域具有广泛用途,特别是基于位置服务(Location-based services)成为无线传感器网络节点定位的重要研究方向。压缩感知(Compressed sensing,CS)利用信号可稀疏表示的先验知识,能够从较少的观测值中恢复出原始信号,因此将其运用于定位技术中展开深入研究。针对无线传感器网络中定位算法的定位精度不高,定位延时较长问题,本文提出了改进的边界盒算法来缩小未知节点的定位区域,然后采用基于硬阈值和反馈的零空间调优的重构算法精确重构出待测节点的坐标。主要研究内容如下:1、将基于硬阈值和反馈的零空间调优重构算法应用于WSNs中来提高节点定位精度。目前压缩感知重构算法中常用的贪婪算法应用定位中迭代次数多、耗时较长,本文将零空间调优的重构算法运用于节点定位中能在较短的执行时间内重构出待测节点位置,且迭代循环少,将此算法应用于数据量较大的定位环境下效果明显,其重构质量和时间优于其他的算法。2、提出改进的边界盒算法以缩减待测节点的待测区域。目前基于压缩感知的节点定位算法中,通常用整个待测区域作为未知节点的估计范围,使定位产生较大误差,本文通过最小矩形边界盒算法能够有效地降低待测节点的测量区域,使节点的待测区域远远小于整个待测区域,从而提高定位准确性。3、通过Matlab多次仿真实验,结果表明最小矩形边界盒方法能够有效的框定待测节点的测量范围。仿真实验证明基于零空间调优重构算法的WSNs节点平均定位误差低于基于SP的定位算法、基于OMP的定位算法和基于CoSaMP的定位算法,且算法的执行时间较短。此定位算法具有减少算法执行时间,提升定位精确度,提高作业效率的优点。随着待测节点数目的扩增,实验表明本文的算法随着待测节点数目的增加其平均定位误差趋于稳定,说明本算法也适用于较大数据量的定位,方法具有一定推广价值。