近年来,无线网络技术将智能电网和物联网等概念带入人们的日常生活。无处不在的无线终端使得人们对其所提供的定位服务的需求量大量增加。无线传感器网络(WSN)作为一种新兴的无线技术也以其低成本、低功耗和灵活的结构等优势受到工业和科研领域的高度关注,在智能楼宇、医疗看护、规模农业和仓库管理等室内定位服务应用中具有巨大的潜力。目前,多种定位算法能有效地实现了室内WSN定位,但是主要集中于单节点主动式定位的研究上,并且精度不高。本文将围绕室内被动式多目标定位展开讨论。波达角(DOA)估计算法是一种基于阵列信号处理的高精度定位算法,其在室内定位中的应用还刚刚起步,缺少成熟的理论理解和量化分析。近年来,突破了奈奎斯特采样率约束的信号处理理论“压缩感知(CS)”降低了DOA估计对阵列尺寸的要求,能够获得更高的DOA估计精度和更小的DOA分辨率,促使了其在室内定位技术中的应用研究。当然,已有的基于CS的DOA估计算法中也面临着一些问题与挑战。其中最受关注的便是格点失配问题,它是由于空间离散划分过程中不可避免的量化误差现象造成的,导致了估计精度的受限。除此之外,在本文中还着重讨论了应用于室内WSN定位中面临的三个关键问题和挑战,分别为：·在室内定位应用中相干信源使得DOA估计出现了混叠模糊现象,造成算法的稳定性下降；·在实际场景中存在多阵列共同对若干信源进行定位的现象,不同阵列对同一个信源同时进行DOA估计存在冗余的重复计算,造成了硬件成本的提高；·室内WSN中的数据传输中的数据包丢失现象造成估计错误的上升,需要通过对传感器进行硬件和算法改进应对,从而增加功耗。本文针对以上几点展开相关工作：·将应对格点失配问题的超分辨理论应用于DOA估计算法中提出了超格点(OG)DOA估计算法,用连续域原子基和原子范数优化来克服了空间域离散化过程中划分的格点造成的量化误差,从而实现更高的DOA估计精度。针对相干信源的DOA估计,提出了一种高精度解相干融合OG-DOA算法。对于相干信源的协方差矩阵的“紧缩”信号子空间结构进行深入地分析,构造了包含完整信源位置信息的信号矢量,建立了连续空间域下的原子基和空间稀疏模型。将原先离散空域中的l1范数最小化问题转化为总方差范数最小化问题,利用半定规划最优化算法进行求解。·对于实际场景中的多阵列的DOA估计问题提出了联合DOA估计方法,利用所有阵列的接收信号进行同步计算获取DOA信息。我们分别讨论了空间上的分布式稀疏阵列和时间上的时隙阵列两种情况。在分布式稀疏阵列问题中,对于阵列待估计的共有信源和特有信源建立了联合空间稀疏模型。对于每个稀疏阵列构建一个虚拟均匀线性阵列(ULA),将真实的观测信号视为了虚拟ULA观测信号的压缩感知测量值。于是,可以使用多联原子范数进行描述,将DOA估计目标问题转化为多联原子范数的最小化问题,通过半定规划算法进行求解。同样,在阵列对多目标定位场景中提出了一种动态策略,希望使用多个时隙中的随机传感器的采样值来完成DOA估计,建立了时隙阵列模型,转化为原子范数的最小化问题来解算。·对于室内WSN中的数据传输中的可靠性问题也进行了细致地研究,着重讨论了链路质量和网络协议造成的影响。设计了一种面向场景的WSN仿真及优化平台实现了对各类WSN应用场景的性能评估。针对现有的提高可靠性的若干方法对传感器节点(SN)的功耗约束,提出了一种数据传输的后处理方法,将数据包的丢失视作为压缩感知中的随机测量过程,通过l1范数和l2范数的联合优化方法恢复原始信号。该方法同时还具有一定的噪声抑制能力。算法可以仅在WSN中硬件和能源资源丰富的汇聚中心实现,能耗受限的SN上不会承担系统性能提升带来的代价,从某种意义上来说等效于降低SN的功耗。·结合三种针对不同问题提出的应对方法提出了一种室内分布式定位技术。利用多个SN组成网络阵列,进行DOA估计。利用分布式乘法器交替方向法(ADMM)在网络基站节点上进行目标位置的求解。通过了仿真测试,对比了多种现有方法进行性能评估。分别从估计误差、估计成功概率、最小分辨率等指标论证了文中提出的各种方法的有效性,为室内定位系统的理论研究提供了一种新颖可行的技术方案。