近些年,通信技术与无线传感技术的快速发展推动着物联网技术的逐步兴起,无线定位技术作为物联网技术的一个重要研究领域随之获得了日趋增多的关注,并且室内定位技术因应用广泛而受到研究人员的追捧。RFID具备的非视距、高精度、短时延、低成本以及传输范围大的这些优势促使其跻身于室内定位问题主要解决方案的行列。目前,RFID二维定位算法已经日趋成熟,而针对三维空间的现有科研成果不能满足越来越高的应用需求。是以,本文在分析了 3D-LANDMARC定位系统数学模型和相关技术的基础上,在保持系统设备不变的情况下通过对定位过程的优化实现系统定位性能的提升。针对标准LANDMARC定位系统因自身布局和操作原理而出现定位准确度不高以及对参考标签依赖性强的问题,本文首先采用具备较好的数据拟合性能的BP神经网络来构建无线信号在当前室内环境下进行传输的路径损耗模型,以提高信号传输距离估计的准确性;然后把LANDMARC定位系统中待测标签的坐标估计问题转变成待测标签和参考标签之间的估计距离同测量距离的误差最小化问题;之后,通过把量子粒子群算法融入到文化算法的框架中形成了一种新的群智能优化算法并将利用该算法较强的智能寻优能力获得的该问题的最优解作为最终的坐标估计值;最后,通过MATALB平台开展仿真实验,实验效果显示本文提出算法的定位性能得到了一定的提升,满足预期要求。针对LANDMARC定位系统受到室内环境干扰和系统噪声的影响出现定位误差较大的情况,本文首先将非线性滤波算法引入到LANDMARC定位系统中并给出了在LANDMARC定位系统框架下非线性滤波算法的空间模型;之后,针对CKF算法在环境突变时滤波性能降低的情况,本文将量子粒子群算法引入到CKF算法的更新过程中以提高滤波器状态估计精度;最后,通过在MATLAB环境下的仿真实验可以看出本文提出的改进算法相对于传统定位系统有较高的定位精度与稳定性。