随着我国经济发展,国民健康意识的不断提高与我国逐步进入老龄化社会的现状,人体健康监护的无线物联网概念被提了出来。通过医疗系统与物联网的结合,远程监控人体生理信息与实时定位位置,能够极大程度改善现有医院的管理氛围。目前,相比于成熟的室外定位技术,室内定位技术尚处于研究阶段,其中基于RFID的室内定位技术以其成本低、精度高、性能可靠等优点,受到研究者们的青睐。本文将对基于RFID的室内定位算法展开研究,依据研究结果,对医疗监护系统进行需求分析与设计,最终实现医疗监护系统。本文首先分析了医疗监护系统及RFID室内定位技术在国内外发展的现状,进而介绍了目前RFID室内定位系统中应用较为广泛的几种RFID室内定位算法并分析了这些算法的不足。之后,为解决传统定位算法受环境影响剧烈、人工维护成本过高的缺点,根据广义回归神经网络(GRNN)非线性拟合能力强、人为调节参数少的特点,本文提出了基于GRNN神经网络的定位算法。另外,基于提出的GRNN神经网络定位算法,本文对经典的卡尔曼滤波算法进行优化,提出自适应动态滑动窗口-扩展卡尔曼滤波的数据滤波算法,采用粒子群算法代替传统的参数遍历-交叉验证方法获取GRNN神经网络参数,并且依据GRNN神经网络的模型结构,对GRNN神经网络输出维度进行扩展以适应本场景需求。之后,本文通过实验验证了所提出算法及优化方法的有效性,实验结果表明本文研究实现的数据滤波算法结合粒子群算法优化GRNN神经网络定位算法最大定位误差不超过1.5米且平均定位误差在1米左右,相较于传统的路径损耗模型方法定位精度上有了显著提升。其后,对医疗监护系统进行了需求分析,根据需求分析设计了系统的拓扑结构以满足医疗系统内定位位置与生理信息的监控需求,并且对信息管理系统进行了架构设计,利用Django框架开发完成信息管理系统。最后,本文使用开发完成的信息管理系统与硬件设备在实验室内(普通办公室内环境)搭建了实验验证平台,对系统进行了功能测试与性能测试。测试结果表明系统功能运行正常,且能容纳100人同时访问系统。