随着通信技术的发展,生活中基于位置的服务应用越来越广泛,使得室内定位技术的研究越来越受到重视。由于室内的环境相对复杂,干扰众多,如何提高室内定位精度是目前室内定位领域的主要问题。随着物联网的兴起,RFID作为关键技术之一,具有非视距、时延短、成本低以及传输范围较大等优点,被广泛应用于室内定位领域的研究,使得基于RFID的室内定位技术成为该领域的研究热点。在基于RFID的室内定位的主要方法中,基于非测距的室内定位方法RFID指纹室内定位算法灵活性强、硬件成本较低且能获得较高的精度,是基于RFID室内定位研究中主流的方法。在基于RFID的指纹室内定位算法研究中,将BP神经网络应用于RFID指纹定位是当前的一个研究热点。为了进一步提高室内定位精度,本文基于BP神经网络RFID指纹室内定位算法的以下两个方面加以探索:(1)RFID指纹室内定位算法无论是在离线阶段还是在线定位阶段都需要阅读器采集标签的RSSI值。由于室内定位环境的复杂性,欲获取准确的RSSI值,需要对多次采集的RSSI值进行处理。本文结合目前常用的滤波算法的优缺点,提出一种基于狄克逊检验滤波、粒子滤波和卡尔曼滤波的混合滤波算法,可以较好地处理存在随机干扰与突变干扰的RSSI值,仿真实验表明本文所提出的滤波算法提高了对RSSI值估计的准确性与抗干扰性。(2)基于BP神经网络的RFID指纹定位算法中,BP神经网络的权值和阈值的确定是室内定位算法准确性的关键。本文提出利用改进的烟花爆炸算法对基于BP神经网络的RFID指纹室内定位算法进行优化,利用改进的烟花爆炸算法具有良好的整体寻优性能的优点优化BP神经网络,确定最优权值和阈值,建立BP神经网络模型并应用于RFID指纹室内定位算法中,完成待定位标签的定位,最后通过仿真实验表明本文所提出的改进BP神经网络的RFID指纹室内定位算法在一定程度上减少了误差,可以提高室内定位精度。