目标追踪,是监测非法入侵的最基本要素,是物联网中最重要的感知信息之一,与人们的日常生活息息相关。近年来,各种各样的室内目标追踪技术层出不穷,从基于人力到基于视觉,从基于视觉到基于无线信号。无线信号的大范围覆盖,使得基于无线信号的非绑定式目标追踪技术逐渐被广泛认可,但目前为止,尚无一种能够主导室内的全天候的非绑定式目标追踪服务出现,缘由:当前基于商用设备且追求高精度的非绑定式目标追踪方法,在已完成学习勘测并建立指纹库或者物理定位模型的环境中表现非常好。但是,在未进行学习勘测的环境中往往表现大相径庭,相去甚远。针对目前基于无线信号的非绑定式目标追踪技术的上述指纹库更换场景不适用、目标追踪精度低两大问题,本文研究基于多普勒频移对室内多径不敏感这一特性,利用RFID技术设计实现了一种高可靠、细粒度、无需学习的非绑定式目标追踪方法RDTrack,使得室内非绑定式目标追踪在实际应用中不依赖光线、更换场景无需学习、高精度追踪成为可能。具体地说,本文的研究内容主要包括:1)RFID标签受影响时间点计算方法。针对现有方法无法精确判定标签的受影响时间,严重影响非绑定式目标追踪精确度和准确性的问题,本文首先理论分析离散小波变换能够提供信号的时间-频率关联关系,利用目标进入RFID标签监测区域后对频率“静止性”的影响,通过基于离散小波变换提取的第一层高频信息分析信号频率的“跳跃”现象,由此判定RFID标签受目标影响的精确的起始时间和结束时间。通过实验验证,由该算法支撑的标签受影响时间准确性平均能够达到99.3%。2)非绑定式目标追踪路径匹配模型。为了追求细粒度的目标追踪,本文在HMM模型的基础上构建非绑定式目标追踪路径匹配模型,改变其中可见状态值集合O和隐含状态到可见状态的转移概率矩阵B两大参数,以达到在保证匹配准确度的基础上,降低路径匹配算法的时间复杂度,提高路径匹配模型时效性的目的。其中,利用本文提出的最近似可见状态获取算法计算可见状态,变无穷信号波形为有穷信号原型,是路径匹配模型的点睛之笔。本文利用价格低廉的商用RFID设备,在实验室、空旷大厅、楼梯走廊、图书馆四种场景下进行真实实验。实验结果发现,一般情况下,RDTrack的目标追踪精度平均为32cm,如果在同一监测区域内部署两套由RDTrack实现的系统,其目标追踪精度可以提升到27cm。从而验证了 RDTrack能在训练一次的情况下实现不同监测环境的目标追踪。