在物联网的时代,各类无线技术的迅猛发展,其中的射频识别技术(Radio Frequency Identification,RFID)作为室内定位的新星,受到广大研究人员的关注,RFID的室内定位技术因其非接触、短时延、高精度和低成本的优点,对于室内定位的复杂环境有很好的适应性。本文针对RFID的室内定位算法的改进,主要做了一下工作:通过大量文献和图书资料的阅读,详细分析了国内外关于室内定位技术的研究现状以及RFID技术的发展过程,并总结了 RFID室内定位技术的发展状况和不足之处。本文详细的介绍了现在主要应用于室内定位的几种无线定位技术,包括Wi-Fi定位技术、ZigBee定位技术、超声波定位技术、RFID定位技术和UWB定位技术,分析了他们的优势和不足之处;针对现有的RFID室内定位算法,主要对K近邻算法、基于最小二乘估计的室内定位算法、基于贝叶斯滤波理论的室内定位算法和LANDMARC室内定位算法进行了主要研究,详细介绍了它们的原理、实现方法和不足之处。对于RFID室内定位算法研究,本课题提出了改进的室内定位算法,用BP神经网络来拟合RFID室内损耗模型,标签到阅读器之间的距离d和信号强度RSSI的映射关系,然后用最小二乘法估算出待定位点的位置;对BP神经网络进行了深入的学习,提出了用思维进化算法来优化BP神经网络的初始权值和阈值,改善神经网络的学习效率、收敛速度,同时也能够有效的避免神经网络训练过程中陷入极小值的状态,提升了 RFID室内定位的精度。本文中所使用的思维进化算法、BP神经网络和最小二乘法都是在MATLAB软件上实现的,该软件对于矩阵数据处理具有很强大的功能,程序运行也比较快,能够从程序中获得数据和图像相结合的结果,有很强的实用性。通过仿真分析,得出思维进化算法优化BP神经网络模型,能够显著的提高室内定位的性能。最后,总结归纳了本文的各项研究工作,并指出了下一步研究内容。