随着仓库货物逐渐增多,货物管理问题日益严重,如何准确的掌握货物在仓库中的位置成为人们关注的焦点。针对仓库管理者经常因无法准确得到货物位置导致需要花费大量的时间对其进行查找的问题,进行了基于射频识别技术(Radio Frequency Identification,RFID)的仓库货物三维定位研究。首先,对传统的仓库货物管理技术以及传统的室内定位方法进行了简单的介绍并提出了研究背景、目的以及研究的意义。对于传统的路径损耗模型在复杂的室内环境下精度较差的问题引入了基于广义回归神经网络与指纹定位算法相结合的三维定位算法,该算法非线性映射能力与信号特征提取能力均强于传统的定位方法。将此方法应用于室内仓储定位系统中,使定位系统在环境噪声干扰的情况下,仍然可以保持较好的定位精度。其次,为了解决交叉验证法遍历参数有限,无法得到最优解的问题,提出了基于多种群果蝇优化广义回归神经网络(Multi-population Fruit Fly Optimization Algorithm Optimizes the Generalized Regression Neural Network,MFOA-GRNN)的仓库货物三维定位模型。通过MFOA算法选择最佳的平滑因子,预测MFOAGRNN的RFID标签位置。通过对比实验得出,基于MFOA-GRNN的RFID定位模型与基于交叉验证的GRNN定位模型相比,在定位精度、数据处理能力及拟合能力等方面均有很大程度的提高。最后,对仓库货物三维定位系统功能需求进行了分析。同时对仓库中的RFID定位系统进行了整体架构,构建了包括上层应用层、定位计算层、数据传输层和物理层的四层架构,并对系统进行了设计与实现。实验表明定位效果与预期相符。图35幅;表3个;参52篇。