随着5G时代的到来,5G网络所特有的高数据传输速率和低网络延迟将极大地促进物联网的蓬勃发展,而作为物联网实现万物互联的关键技术之一的射频识别技术（Radio Frequency Identification,RFID）已被广泛应用于人们日常生活的诸多领域。射频识别技术具备非视距非接触式自动识别的特点,在识别准确率、感应距离、成本花费等方面具有明显的优势,并且在商品零售、物流管理、交通运输和仓储管理等领域取得了巨大的经济效益。近年来,RFID技术研究的热点转向定位追踪和姿势感知等领域。本文主要研究RFID技术在定位和姿势感知方面的应用。首先,本文考虑了RFID反向散射信号的潜在影响因素,通过设计一系列关于射频识别技术中反向散射信号的实验来观察阅读通信距离、通信频率和标签旋转角度等因素对接收信号强度（Received Signal Strength,RSS）和相位的影响。该系列实验为后续两项研究工作奠定了基础。其次,本文进行了基于RFID反向散射信号的标签定位研究。通过设计实验采集不同位置坐标处相应的信号强度,以此构建参考标签数据集。之后利用本文所提出的改进粒子群优化BP神经网络算法构建信号强度与位置坐标之间的映射关系。本文所搭建的实验定位系统的定位结果表明:采用改进粒子群优化BP神经网络获得的定位精度比仅采用BP神经网络和标准PSO优化BP神经网络分别提升了30%和24.7%。最后,本文在实验过程中发现,标签返回的信号强度在人体不同动作的影响下会随之产生不同的变化,此变化有助于实现对人体动作的感知。由此,本文搭建了针对人体静态姿势和动态动作两种类型的感知系统。本文通过设计实验收集到不同类型动作姿势下的信号强度,而后经过数据特征的提取,采用支持向量机作为分类算法,实现了静态姿势和动态动作的感知并获得了较高的分类精度。以上研究均采用商用RFID设备,有利于本文研究成果的进一步推广和应用。