射频识别(Radio Frequency Identification,RFID)是一种利用射频信号自动识别目标对象并获取相关信息的技术。RFID系统具有数据量大、保密性高、抗干扰能力强、识别时间短、费用较低等优点,被广泛运用于各个行业领域。随着移动计算设备的普及和发展,无线定位技术特别是室内无线定位技术日益受到关注,在诸如无线导航、仓库管理、物流跟踪、个人娱乐及移动办公和单位员工管理等方面均有良好的应用前景。但是普通的定位技术不能满足室内定位环境和精度的要求,RFID技术的非接触和非视距等优点使其成为优选的室内定位技术。目前,随着移动计算和嵌入式系统的高速发展,人们对位置感知的兴趣日趋浓厚,因此定位服务系统也受到越来越多的关注。全球定位系统(GPS)是目前应用最为广泛的定位系统。然而,在室内等用户无法与轨道卫星保持视距的场合,GPS系统定位精度不高,甚至失效。为了提高室内定位的精度,人们采用了红外线定位、超声波定位、无线局域网定位、射频识别(RFID)定位等技术。与其他技术相比,射频识别技术具有非接触、非视距、传输范围大和性价比高等优点。LANDMARC系统是最典型的基于RFID技术的室内定位系统。它创造性地引入了参考标签的概念,是将有源RFID技术应用到室内定位当中并搭建起完整系统、取得较好定位精度的首次尝试。此外,由于应用了大量的参考标签,LANDMARC系统不需要使用大量昂贵的RFID读写器,从而使RFID技术成为室内定位一种有成本效益的解决方案。本文对LANDMARC及VIRE系统做了认真分析,从其整个系统的布置,算法的流程等方面对他们的特点做了研究。在LANDMARC系统中,影响系统定位精度的主要原因在于硬件设备、最近邻居的选择以及参考标签的数目、位置,在LANDMARC系统中,存在利用增加参考标签数目提高精度有极限的问题(数目过多甚至会降低精度),同时,对于边缘标签的定位精度问题解决的也不够完善。在VIRE系统中,影响系统性能提高的主要因素在于虚拟参考标签RSSI值的选取及最近邻居选取的阈值问题。VIRE系统与LANDMARC系统面临着一个同样的问题——位于边缘标签的定位精度明显小于中心位置的定位精度,在某些情况下甚至根本不能满足定位需要。针对现有LANDMARC室内定位系统算法最近邻居数量固定导致优良的最近邻居丢失、不良最近邻居引入的问题,提出一种改进的最近邻居算法(K-Nearest Neighbor algorithm,KNN).该算法利用待测标签的预估位置,划定最近邻居的选择区域,然后根据选择区域内参考标签与预估位置能级差选择最近邻居。matlab仿真结果表明：在同等条件下,新算法定位精度提高了9.8%,最大误差降低了21.8%。