压缩感知是一种新式的数据采集方案,在2006年由Donoho和Candes首次提出。压缩感知理论可以使信号在采样率远低于奈奎斯特(Nyquist)采样率并满足一些特定条件的情况下,以很低的误差率恢复出原始信号,这样可以大大的降低采样成本。在跨周界的环境区别、基于接收信号强度的室内定位等基于无线网络环境特征的应用中,需要采集很多原始环境特征或数据用以实验,但很多时候采集数据的资源、时间和空间是有限的,这就需要我们用有限的条件得到更多的数据用以提高应用的精确度。为了用有限的条件得到更多的采样数据用以提高应用的精确度,本文提出了一种无线网络中基于压缩感知的环境特征提取方法,该方法用少量的数据通过压缩感知算法恢复出比本身多很多的数据量。研究比较了多种算法的优劣、数据的稀疏表示以及提出了基于统计学的重构结果评估方法。论文所提的方法在Matlab软件中实现。仿真实验证明：压缩感知算法可以在一些特定的条件下实现由少量环境特征恢复出更多环境特征,并在与真实测量值的比较中达到一定的准确度。