智能环境利用各种设备全面感知环境中人和物的状态,进而提供各种精准高效的智能化服务。无源感知技术利用从环境中获取的能量支撑其计算、感知和通信,能复用已有的通信基础设施进行感知,是构建智能环境的关键支撑技术。射频识别(Radio Frequency Identification,RFID)技术已成为无源感知的一种代表技术,不再仅仅是一种自动识别技术,而是一种不需要传感器的通用感知技术,其反向散射通信的机理也能用于位置感知、活动感知和生命体征感知,展示了RFID在无源感知领域的巨大潜力。虽然基于RFID的无源感知技术研究得到了广泛关注并取得了一些成果,但在实际应用中仍面临诸多挑战:在基于RFID的位置感知方面,现有的高精度RFID定位系统一般采用合成孔径RFID定位技术,利用噪声的空间多样性确保定位精度,但在标签读取记录稀疏时会出现空间模糊问题,而且几乎无法避免的孔径位置误差也制约了其定位性能。在基于RFID的活动感知方面,现有研究多关注孤立的动作活动,通常需要在识别前预分割出动作活动对应的感知数据流,活动识别精度受到分割准确度的制约,而且难以满足实际应用对实时性的要求。在基于RFID的生命体征感知方面,呼吸心跳引发的微小信号变化极易淹没在噪声中,而且RFID信号相对较长的波长以及设备跳频造成的相位数据流不连续性都会增加生命体征感知的难度。针对基于RFID的无源感知面临的挑战,论文做了如下四个方面的研究工作:(1)揭示了基于RFID无源感知的机理,建立了完整的基于RFID的无源感知理论。首先从RFID通信模型出发,围绕对多径信号分量进行忽略、抑制、测量、提取利用等不同处理的视角,从理论角度分析了基于RFID相位、信号强度等低层信号特征进行感知的原理。在此基础上,论文还研究了实际应用场景中RFID设备本身对低层信号特征的影响,从实践角度论述了RFID无源感知的基本原理。(2)提出了两种基于RFID的室内定位方法。通过分析RFID标签反向散射信号,抽象出利用场景各个位置的反射系数表示标签位置的定位模型,将定位问题转化为关于稀疏信号重建的最优化问题,利用先验知识设计了一种利用压缩感知估计场景中每个点的反射系数进而定位标签的方法,解决了单个标签读取记录过于稀疏时的定位问题。同时通过对频率和到达角度响应的相位偏移进行校准提高定位精度,利用粒子滤波提高方法的实时性。针对无法精确获得孔径位置影响合成孔径RFID定位精度的问题,构建了具有孔径位置误差补偿能力的定位模型,通过迭代算法交替估计目标位置和孔径位置误差。基于商用RFID读写器实现了两种定位方法,并用大量实验验证了两种方法在标签读取记录稀疏时和存在孔径位置误差时能达到厘米级的定位精度。(3)提出了两类基于RFID的活动感知方法。一方面利用矢量量化编码器将RFID相位流转换为对应动作活动特征的码流,挖掘活动内部的时序特征,免除预定义关键动作以及预分割动作活动的需求,而且在此基础上将编码序列作为观察状态,结合隐马尔科夫链模型挖掘活动间的时序特征,实现对工作流等复杂活动的识别。另一方面还利用深度学习直接从RFID数据流中提取其蕴含的长短时空关联特征,结合支持向量机方法实现对活动的负延时识别,并通过对抗学习降低用户间和环境间时空关联特征的差异,提高系统的泛化能力和鲁棒性。实验表明这些方法在用户佩戴或不佩戴标签等手势识别和工作流活动识别场景中都能达到很高的识别精度。(4)提出了一种基于RFID的生命体征感知方法。论文利用RFID信号变化的准周期性识别生命体征,通过平滑和滤波等预处理技术降低相位模糊、跳频和噪声等对生命体征感知的影响,排除运动干扰后通过滤波获得粗粒度的呼吸信号和心跳信号,设计了一种基于标签经验模态分解的信号分离方法提取细粒度的呼吸率和心率,同时也实现了对呼吸暂停等异常呼吸模式的检测。用户佩戴或不佩戴标签等多种场景下的实验表明这种非侵入式细粒度生命体征监测方法具有广泛适用性和高可靠性。论文首先综述了基于RFID的无源感知技术现有研究的进展和存在的问题,然后从理论和实践两个方面分析建立了基于RFID的无源感知理论方法体系,接着研究了能容忍标签读取记录稀疏和孔径位置误差的RFID位置感知技术,探究了基于RFID的实时活动感知方法,提出了基于RFID的细粒度呼吸率和心率监测方法,最后做了全文总结和未来研究展望。