无线射频识别(Radio Frequency Identification, RFID)技术已广泛应用于物体跟踪、供应链数据管理、快捷支付等众多领域。RFID数据处理过程主要处理脏读数据,脏读数据通常有漏读、多读、错读这三种形式,因此就需要在中间件中对数据进行冗余重复检测和处理、对漏读及不完整数据进行填补、识别噪声数据及异常数据等操作。本文对基于RFID中间件的数据清洗技术进行深入分析与探讨。重点对RFID数据流中冗余数据处理方法和缺失数据的填补技术进行了拓展研究,并提出相应的改进算法,通过实验验证其有效性。本文工作分为以下两个方面：第一,RFID数据流中冗余数据处理方法分析研究。分析现有冗余数据清理算法在处理RFID数据流过程中存在的不足,在基本临近有序法(Basic sorted-neighborhood method, SNM)的基础上提出一种改进的SNM算法。首先,采用标准RFID标签数据格式对数据集进行规则检测；其次,按照分组思想,先后通过时间戳和阅读器ID对完整的RFID数据进行排序,然后利用自适应滑动窗口技术对其进行冗余检测；最后,删除冗余数据。把改进算法应用到RFID数据清洗过程中,实验结果表明改进算法较SNM算法表现出良好的性能。第二,基于时空权重的RFID漏读数据填补算法。基于抽样填补和均值填补思想,采用滑动窗口技术,提出一种基于时空权重的RFID漏读数据填补算法。该算法同时考虑窗口的时间和空间特性,对窗口内的数据集进行抽样值与均值计算,并通过一定的策略赋予其相应的权重,然后,利用二者带权重数据值之和来填补缺失数据。通过与抽样填补算法和均值填补算法进行对比,结果表明基于时空权重的数据填补算法在RFID数据处理速度和数据填补准确率方面均有相应提高。