UHF-RFID(Ultra High Frequency-Radio Frequency Identification)系统具有非接触式、识别距离长、通信速率快、部署简单以及标签成本低廉等优点,使得UHF-RFID定位技术日益受到关注。由于射频信号易受到环境噪声以及多径传播等因素的影响,测量信息存在较大的误差,影响UHF-RFID系统的定位精度。随着人们对无线定位技术需求的与日俱增,常用的UHF-RFID定位方法定位精度已不能满足实际定位的需求,因此开展UHF-RFID定位方法的研究具有重要的现实意义。本文分析了两种常用的UHF-RFID定位方法在定位过程中存在的一些问题,考虑通过融合移动目标里程计、陀螺仪等内部传感器信息的方式,来提高UHF-RFID系统的定位精度。一方面,针对线性的目标运动模型,提出了一种线性Kalman滤波器组方法;另一方面,考虑非线性的目标运动模型,将滤波器组方法应用到非线性系统中,提出了一种自适应UKF(Unscented Kalman filter)滤波器组方法。实验结果表明自适应UKF滤波器组方法有效地减小了移动目标定位误差。本文完成的主要工作包括:首先,研究了一类UHF-RFID环境中移动目标初始位姿未知的定位问题,提出了一种线性Kalman滤波器组方法。由于UHF-RFID系统中RSSI(Received Signal Strength Indication)量测模型的非线性,引入VIRE(Active RFID-based Localization Using Virtual Reference Elimination)方法将非线性量测信息转化为线性的量测信息,从而避免量测非线性引起的不利影响。同时考虑到移动目标航向角存在较大的估计误差,通过引入滤波器组方法,有效地减小了移动目标航向角估计的不确定性。其次,将滤波器组方法应用到非线性系统中,提出了一种自适应UKF滤波器组方法。虽然采用VIRE方法将非线性的量测信息转化为线性的量测信息,避免了线性化误差,然而这种非线性的转换破坏了量测信息的高斯性,引入了量化误差。为了对系统量化误差进行补偿,采用假设检验的方式,引入自适应因子,以补偿系统量化误差造成的不确定性问题。最后,搭建了基于UHF-RFID的室内移动机器人定位平台,利用搭建的实验平台分别对线性Kalman滤波器组方法以及自适应UKF滤波器组方法有效性进行了验证。实验研究表明线性Kalman滤波器组方法,改进了移动机器人定位结果,而自适应UKF滤波器组方法在线性Kalman滤波器组方法基础上,提高了系统的定位精度和稳定性。