RFID(Radio Frequency Identification)射频识别是一种快速、非接触、实时、低成本的物品识别方式,可以广泛应用于物体识别、跟踪,并能够与广泛的基于语义和逻辑的计算应用集成。RFID技术是物联网技术的基石,目前已被业界广泛重视,并被归入21世纪最具前途的技术之一。为了达到支持应用的目的,大量RFID原始数据必须被采集、过滤并转化成带有语义的信息,然而原始的RFID数据并不可靠,其中经常伴随着漏读、冗余等问题,导致对于上层应用的歧义。此外,RFID数据经常被快速、海量地推送至中间件系统。对于有实时性需求的系统而言,快速、低成本、高准确度的RFID数据过滤具有重要的应用价值。　　为了解决RFID数据不可靠的问题,我们针对不同应用场景,对阅读器的布局模式和对应的数据平滑以及去冗余技术进行了深入研究的探讨。　　针对被追踪目标动态变化不敏感的应用情况,稀疏型阅读器布局经常被采用。在稀疏模式下,漏读是主要的错误来源。在本文中,我们详细研究了导致数据漏读产生的物理机制以及硬件和软件应用层使用的解决方式,分析了当前主流的自适应统计平滑算法的理论缺陷,提出了一种改进的自适应平滑算法,并通过实验证明了在不同条件下改进算法的性能优势。　　针对被追踪目标动态变化敏感的应用情况,稠密型阅读器布局经常被采用。我们同样基于观察,实验和统计学原理设计了一种贝叶斯概率模型描述RFID数据的产生和读取,通过贝叶斯决策,利用原始数据的分布形态特性推测RFID标签真实位置,得到假设情况的概率分布。鉴于证据空间巨大,使用代数方法获取后验分布并不可行,我们提出了一种基于马尔可夫链蒙特卡洛方法改进算法,使用基于受限的可行假设空间抽样的方式计算后验概率,从理论角度阐述了抽样分布在稳定状态下保持目标后验概率的分布,并利用实验验证了改进算法的精度和效率。