无线层析成像（RTI,Radio Tomography Imaging）技术因其无损害、非侵入和功耗低的特点迅速成为无源目标定位方法中一个新兴的研究方向。在无线传感器网络（WSN,Wireless Sensor Network）覆盖范围内,RTI技术能够根据障碍物遮挡无线通信链路引起的接收信号强度（RSS,Received Signal Strength）变化,得到监控区域的衰减图像,并在此基础上进行目标位置估计和实时跟踪。RTI核心是构造一个能将目标位置信息和RSS变化信息相匹配的椭圆权重模型,然后结合解的结构特性选择合理的重建算法来求解不适定问题。现有的RTI系统采用的椭圆权重模型无法细粒度区分椭圆内不同像素对链路的遮挡效应,造成权重模型与实际无线衰落的失配;其次在重建图像时未充分考虑监测环境对RSS的影响以及衰减信号间的稀疏性与相关性,使得图像中包含较多伪影。为改善RTI系统的定位性能,本文将从以上角度对RTI系统的椭圆权重模型和目标图像重建进行研究,使得像素的权重分布更符合实际场景中的信号衰落特性,以及衰减信号和RSS值的先验信息能够充分被利用。本文的主要工作如下:（1）建立基于加权平均的测量模型,能够通过自适应阈值统计RSS衰减变化较大的链路数,进而与稀疏阈值作比较来判断RSS数据的稀疏性,并对不满足稀疏结构的数据进行加权平均处理以提高数据的可靠性。然后,在标准椭圆模型中同时引入指数函数形式的垂直和水平距离衰减因子,提出基于距离衰减的自适应椭圆权重模型,使得在垂直于视距（LOS,Line-of-Sight）路径和平行于LOS路径上能更好地区分不同像素的权重。实验结果表明,所提模型同标准椭圆模型相比提高了29%的定位精度。（2）结合衰减信号的先验信息,构建RTI系统改进lp（0＜p＜1）范数正则化重建模型,通过在基于lp范数的目标优化函数中引入衰减信号的l2范数约束项以约束异常衰减值对图像重建的影响;为提高系统定位精度与实时性,本文提出基于Tikhonov-lp范数正则化的稀疏重建算法,利用衰减信号在变换域中的稀疏性实现图像重建,并依据成像误差与Tikhonov正则化重建结果进行加权融合得到最终目标图像,从而有效降低反演运算量。实验结果表明,所提算法同Tikhonov正则化相比减小了33%的系统定位误差。（3）为了更好的满足用户的位置服务需求,基于MATLAB GUI开发了RTI实时定位与跟踪系统平台。该平台集成了初始校准、跟踪定位、数据保存和退出程序等四个主要模块,其中初始校准模块用于获取椭圆权重矩阵和RSS校准值,跟踪定位模块用于图像重建和目标位置估计。此外,为减弱快衰落对图像重建的影响,本文提出了RSS衰减补偿算法,通过引入与RSS变化值相反的高斯噪声来达到低通滤波的目的。实验结果表明,当运动速度较小时,该平台的定位误差不高于0.2m的概率可达到80%。