电子标签是射频识别系统的关键组成部分,它作为数据载体,在物品跟踪、标识识别、信息收集等众多方面被广泛应用。无芯片电子标签由于没有微芯片和片上电源,在很大程度上降低了成本,应用市场广阔。同时,在无芯片标签的识别中,标签的性能参数与其散射场的函数是一个很复杂的非线性关系,利用传统方法很难揭示其内在的特征,因此,在无芯片标签的识别方面寻求一种简便快捷的方法,具有重要的应用价值和科研意义。本文研究了基于神经网络的无芯片电子标签的识别,将无芯片标签的识别与神经网络的方法相结合,与传统识别方法相比,基于神经网络的无芯片标签的识别速度更快。论文分为以下几个内容：首先,介绍了神经网络的研究现状、基本原理、感知器和反向传播算法(BP算法),以及表征神经网络的基本参数。其次,研究了线型无芯片标签的散射场特性,并对CST中仿真的样本数据进行分析处理,然后建立识别系统的神经网络模型,并利用该模型实现了对标签的识别。仿真结果表明,误差不超过1.5°,因此,线形标签用来编码的角度间隔可选为5°。此时,所有的标签均可被准确识别。然后,研究了V型无芯片标签的散射场特性,并对仿真的样本数据分析处理。然后,经过训练和参数修正,确立了无芯片V型标签识别的神经网络模型。仿真结果显示,基于神经网络的识别方法在V型标签上的识别误差不超过5°。因此,V形标签用来编码的角度间隔可选为10°。最后,研究了纸质封装材料对V型无芯片标签场强的影响,进而研究介质厚度对标签识别效果的影响。实验结果表明,在介质厚度小于0.2mm时,标签仍可被准确识别。