当前,移动通信系统的盲区检测主要是由运营商的专业技术人员通过专业仪器设备实现的,存在测试周期长、成本高和缺乏灵活性等问题。针对这一问题,可以在监测区域内布置大量的无线传感器节点,利用分布式压缩感知和散乱数据曲面重建技术来进行二维分布式盲区识别。最终,只要访问该网络中任意一个节点就可以得到盲区识别的结果。本文首先应用几何光学理论得到了简单障碍物阴影模型,并根据国际电讯联盟ITU-R M.1225标准,参照室外到室内步行测试环境无线信号传播模型,建立了网络监测区域内的无线信号传播模型。利用卡尔曼滤波的方法滤除采集信号中的随机噪声和部分小尺度衰落。然后,对经典压缩感知算法的三个主要步骤以及Gossip算法基本理论进行了详细介绍,通过对比分析选取收敛速度较快,能够抵抗分组丢失的基于侦听的广播Gossip算法应用于分布式压缩感知算法中,并通过仿真结果进行验证分析。此外,为了分析在进行分布式压缩感知之前到底需要多少个节点参与才能满足某个给定的精度,本文对分布式压缩感知算法的误差限与参与重构的节点数量k之间的关系进行研究,为该算法的应用提供理论保证。在利用无线传感器节点对所在位置基站覆盖情况进行检测后,将通过基于Gossip算法的分布式压缩感知算法使得监测网络中的每一个无线传感器节点均能够获知监测网络内所有节点所在位置的接收信号强度估计值,是空间上一些离散的数值,而不是整个空间完整的信号分布,并不能直观地识别出盲区所在位置,因此还需要利用这些离散值通过散乱数据曲面重建技术对整个空间信号覆盖情况的重构。本文对基于插值的不同方案在区域覆盖接收信号强度图重建中的效果进行研究比较,并针对本系统模型的特点提出一种联合DBSCAN算法与凸包算法的改进方案,通过仿真结果,可以证明该联合算法能够适用于本文设定场景,并且大大提高了系统的误差容限,具有很高的实际应用价值。如上所述,本文综合运用图论、分布式信号处理、最优化理论、线性滤波等技术理论,提出一种二维分布式盲区识别算法,填补国内外在该领域的研究空白,具有较强的实用性和前沿性。