1.一种基于压缩感知和BP神经网络的无线传感器网络定位方法，其特征在于，所述方法包括如下步骤：步骤1：每个目标以周期T向锚节点发送信号，各个目标之间相互独立，相互之间没有同步的要求，然后各个锚节点将一个周期内收到的RSSI测量值进行累加，并且将结果送到融合中心，融合中心执行压缩感知算法，计算未知节点位于哪个网格之中，并且是否位于网格的中心；

步骤2：对于不在网格中心的节点，分为以下具体实现过程，包括：

步骤2-1：训练BP神经网络，提前将部分位置已知的锚节点作为可靠节点，将剩余锚节点接收到可靠节点的RSSI值向量作为输入，可靠节点到剩余锚节点的真实距离值向量作为输出，训练神经网络；

步骤2-2：将各个锚节点接收到的未知节点的RSSI值向量输入到训练好的BP神经网络，对应得到的输出向量就是各个锚节点到未知节点的修正过误差的距离向量；

步骤2-3：将上述步骤2-2中得到的距离向量代入到极大似然估计法中，得出不在网格中心的未知节点的坐标。

2.根据权利要求1所述的一种基于压缩感知与BP神经网络的无线传感器网络定位方法，其特征在于，所述方法是将接收到的RSSI值应用到压缩感知算法进行定位，包括：步骤1：每个目标以周期T向锚节点发送信号，各个目标之间相互独立，相互之间没有同步的要求，然后各个锚节点将一个周期内收到的信号进行累加，并且将结果送到融合中心；

步骤2：融合中心执行压缩感知算法，计算未知节点位于哪个网格之中，并且是否位于网格的中心，包括：利用测量矩阵重新描述信号，再重新采集少数线性观测数据，若信号X∈RN，并且X是K稀疏的，测量矩阵φ∈RM*N(M＜＜N)，则X在测量矩阵φ的变化下得到的观测矩阵Y∈RM，如式1所示，即：YM*1＝φM*N*XN*1  式1

因为信号X是K稀疏的，如果测量矩阵φ∈RM*N(M＜＜N)满足约束等距离性条件(RIP)，信号X可以得到精确重构，如式2所示，即：Xeat＝arg min||X|| s.t.Y＝φX 式2

式中，Xeat表示重构后的信号矩阵；

RIP条件是信号X可以重构的充分而非必要条件；当满足式3时，由式2以压倒性的概率重构X；

M≥C*K*μ2(φ,I)*lg N 式3

式中，M是对X进行随机测量的次数，C是一个较小的正常数，信号X是K稀疏的，并且X∈NR，μ(φ,I)是测量矩阵φ和单位矩阵I的互相关系数，如式4所示，即： 式4

式中， 为测量矩阵φ位于第m行，第n列的元素；只要选择合适的测量次数M，就以压倒性的概率重构X；

将上述的方法应用无线传感器网络的初始定位中，对于式1中的观测矩阵YM*1，表示的是M个锚节点的测量结果，YM*1＝[y1,y2...yM]T，其中yn表示第n个锚节点接收到的所有未知节点发送至该锚节点RSSI值的和，测量矩阵φM*N构成元素 为第m个锚节点接收到第n个未知节点发送的RSSI值，原始信号矩阵XN*1＝[x1,x2...xn]T，设 则系统的压缩采样过程由式5表示： 式5

通过式2恢复出来的信号中，理想的xn重构结果只有0和1(即设定一个网格中只有一个目标)，实际的结果0≤xn≤1，其中许，多xn值接近于0，为了降低算法的复杂度，设定Threhold_low为网格中存在目标的阈值；由于噪声等的存在，当未知节点位于网格中心时并不能确保xn＝1，而是也存在一个阈值Threhold_high作为未知节点位于网格中心的阈值，该阈值会随着噪声的增加而减小，上述两个阈值的选择可以通过多次蒙特卡洛实验来获取；

当0≤xn≤Threhold_low：网格n内不存在未知节点；

当Threhold_low＜xn＜Threhold_high：网格n内存在未知节点，但该未知节点不在网格中心；

当Threhold_high≤xn≤1：网格n中心存在未知节点。

3.根据权利要求1所述的一种基于压缩感知与BP神经网络的无线传感器网络定位方法，其特征在于：所述步骤2中对于不在网格中心的节点，确定所在网格编号后，首先训练BP神经网络，提前将部分位置已知的锚节点作为可靠节点，将剩余锚节点接收到可靠节点的RSSI值向量作为输入，可靠节点到剩余锚节点的真实距离值向量D作为输出，训练神经网络；设可靠节点数为i,剩余锚节点数为j,每个输入向量就有j组数据，每组数据有i个数据，则输入向量为 其中，RSSIj表示锚节点j接收到的可靠节点的RSSI值，输入向量的维数是j,每一组RSSI值有i个RSSI数据；对应的输出向量也有j组数据，每组数据有i个数据，输出向量为 其中，Dj表示锚节点j到可靠节点的真是距离，输出向量的维数是j，每一组D值有i个D数据；利用输入输出对BP神经网络进行训练。

4.根据权利要求3所述的一种基于压缩感知与BP神经网络的无线传感器网络定位方法，其特征在于：所述方法对于不在网格中心的节点，在训练好BP神经网络后，进入到BP神经网络学习阶段；将不在网格中心的未知节点到锚节点的RSSI值作为输入值，得到的对应的输出向量就是不在网格中心的未知节点到锚节点的距离。

5.根据权利要求4所述的一种基于压缩感知与BP神经网络的无线传感器网络定位方法，其特征在于：所述方法对于不在网格中心的节点，在得到未知节点到锚节点的距离后，将距离代入到极大似然估计法后得出未知节点的坐标；

已知有n个锚节点，他们的坐标为(x1,y1),(x2,y2)…(xn,yn)，未知节点P的坐标为(x,y)未知，未知节点P到这n个锚节点的距离分别为d1,d2,…dn已知，则式6成立： 式6

分别用前面n-1减去最后一个等式可得式7：

 式7

设

则式7可以表示为式8，即：

AX＝b 式8

由最小方差估计法求得未知节点P的坐标为 式中，A，X，b表示矩阵。

6.根据权利要求1所述的一种基于压缩感知与BP神经网络的无线传感器网络定位方法，其特征在于：所述方法将压缩感知和BP神经网络应用于基于网格的多目标定位。