免携带定位(Device-Free Localization,DFL)指不需要携带任何辅助设备的定位方式,也称为被动式定位。与主动式定位方法相比,被动式定位在入侵检测,紧急救援以及智能家居等很多领域有很大的应用前景。射频层析成像(Radio Tomographic Imaging,RTI)是一种新颖的被动式定位算法。射频层析成像算法通过把定位区域网格化,然后建立数学模型把无线通信链路的信号强度衰减值映射到网格上,最后以图像的形式呈现定位结果。国内外很多学者对该算法做了大量研究和改进。然而这些研究大多是基于无线传感器网络(Wireless Sensor Network,WSN),而当定位区域变大时,所要求的传感器也越多。从搭建网络所需的成本以及传感器的安装便利性来说,传统的无线传感器网络不是最好的选择。无源RFID系统是物联网中的核心技术,由阅读器和标签组成。因其无源标签具有成本低,体积小的特点,近些年在很多领域得到了应用(如门禁,图书馆,食品溯源等),而阅读器和标签之间的通信也是由无线信号作为媒介完成的,所以本文选择在无源RFID网络下研究射频层析成像算法。然而在无源RFID场景下的射频层析成像算法对多目标情形下的定位效果表现不佳,主要是因为在成像结果中出现了多余的伪目标点。本文针对该问题,提出两种解决方案。方案一直接对成像结果中的局部最大值区域进行特征提取,然后用机器学习中的Adaboost分类器训练,进而实现真实目标点与伪目标点的识别;方案二提出一种基于横截面扫描(Cross-Sectional Scanning,CSS)的多目标识别方法,通过分析总结成像结果中局部最大值点的灰度分布图特征,构造朴素贝叶斯分类器,排除伪位置点,最终得到真实目标的位置以及目标的个数。同时该方法还可以实现多个目标距离很近时的目标个数的识别。在室内环境进行的实验结果表明,方案一可有效识别三个目标,在定位误差为0.7米时的目标识别准确度达到86%。方案二至少有效识别四个目标,平均识别精度达到80%。