基于接收信号强度(Received Signal Strength, RSS)的无源定位(Device-free Localization, DFL)是近些年来无线传感器网络(Wireless Sensor Network, WSN)领域内一项最新崛起的技术。其基本思想是将无线传感器节点布置于感兴趣区域的周围,并使两两节点之间相互通信,形成大量的无线链路。当人或物体(以下统称为物体)进入该区域中时,将对其周围链路上的无线电波产生吸收、反射、折射等作用,从而影响RSS的数值。根据RSS数值的波动和无线链路的坐标位置,再结合合适的模型和算法,就能对物体的位置进行实时的定位。RSS无源定位技术的优点在于：被定位的物体不需要携带任何设备(因此称其为“无源”),且无线电波不受光照、墙壁阻挡等因素的影响。这些优点使得RSS无源定位技术拥有广阔的应用前景和巨大的发展潜力,尤其在安防、搜救、军事等领域中。本文首先提出了一种基于背景学习和运动成像的RSS无源定位方法。该方法能够快速应用于多径环境复杂且时变的区域中,实现对多个运动物体位置的实时成像。首先,本文将图像领域内最基本的两种背景学习算法,混合高斯与核密度估计,引入了RSS无源定位中,用于根据链路的RSS值计算其受到物体影响的概率。然后,根据所有链路的受影响概率,Tikhonov正则化算法被用来建立运动物体的二维分布图像。根据分布图像中像素点的明暗分布,物体的数量和每个物体的位置就能立即被估计出来。实验表明,与已有方法相比,所提出的方法拥有更高的定位精度以及较强的环境适应能力。其次,本文提出了一种基于直方图特征和检测窗口的RSS无源定位方法。该方法能够在多径环境不同的区域中,对目标的数量和每个物体的位置进行实时的估计。首先,通过单链路的实验,本文发现不同链路在受到物体遮挡时,都表现出了相同的直方图特征。然后,根据这一直方图特征,检测窗口的方法进一步被引入,用于定位多个目标的坐标。最后,本文又提出了将不同精度的检测窗口进行级联,从而有效地减小了计算量。实验表明,与已有方法相比,所提出的方法拥有更高的定位精度和较低的计算复杂度。最后,本文分别从定位精度、环境适应能力和计算量等角度,对提出的两种方法进行了分析和对比。另外,全文所讲述的内容进行了总结,并对未来RSS无源定位技术的研究方向进行了充分的展望。