随着无线通信网络技术的不断发展,基于位置的服务引起了产业界的广大关注。无线网络定位技术需要对大量的传感数据进行采样和处理,而现有的定位技术在系统能量消耗与实时性要求等方面均存在不足。近几年提出的压缩感知采样理论能够将采样与压缩过程相结合,减少了绝大多数冗余数据的处理,从而可以提高无线网络的定位效果。本论文首先介绍了压缩感知以及贝叶斯压缩感知的基本理论,并从应用层、网络层、物理层讨论了压缩感知技术在无线通信网络中的应用情况。论文针对海洋水声通信以及室内复杂的环境,分析了采用贝叶斯压缩感知理论实现水声通信网络异常传感节点以及室内移动终端定位的技术可行性。针对水声通信网络,论文提出了将贝叶斯压缩感知技术与回归算法相结合的方法对水声网络的流量进行预测。该算法利用流量数据的相关性,在采集少量流量数据的情况下能够实现高精度的预测,并通过实际采集的流量与预测流量相比较来准确找出发生异常的传感节点。针对室内无线网络定位,论文提出了基于拉普拉斯先验分布的贝叶斯压缩感知定位算法。仿真表明,利用移动终端稀疏特性先验知识的定位算法,在相同的测量数量的情况下能够获得了较高的定位精度。在此基础上,论文还讨论了将混合高斯模型与贝叶斯框架相结合实现无线网络定位的算法。该方法具有更好的抗噪能力,且在保证定位准确度的前提下能有效减少对测量数据的需要。