无线层析成像(RTI,Radio Tomography Imaging)技术是无源定位的主要方式之一。RTI利用传感器节点的接收信号强度指示(RSSI,Received Signal Strength Indicator)变化来反映目标的遮挡效应,并通过反演图像的方式来定位目标。RTI的核心是通过一个椭圆权重模型来描述障碍物对RSSI变化造成的影响,然后求解病态线性方程组,得到监测区域图像。因此,椭圆权重模型是决定成像质量和定位精度的关键因素之一,也是近几年研究的热点。为改善RTI的成像质量和定位精度,本文对椭圆权重模型进行了深入的研究,使椭圆区域内的像素权值和椭圆覆盖范围能够自适应调整;并将该模型用于实际运动目标跟踪环境,研究运动目标轨迹拟合和滤波处理算法,提高RTI系统的运动目标跟踪精度。本文主要研究工作包括:(1)研究了RTI技术中RSSI衰减特征、RSSI移动方差特征和RSSI直方图分布核距离特征对系统性能的影响,针对实际测量环境,应折衷考虑定位精度、计算复杂度和适用场景选取最优RSSI特征;分析了影响RTI图像重建质量的关键参数。(2)在标准椭圆权重模型中引入距离衰减因子和椭圆范围自适应调整参数,提出基于距离衰减的自适应椭圆权重模型。引入的距离衰减因子能够使网格像素权重随其到LOS路径的距离变化,匹配实际信号传播衰减规律;定义最长链路距离与当前链路距离的比值作为自适应参数,实现椭圆范围的自适应调节。此外,本文搭建了RTI实验的硬件和软件平台,实验结果表明,与标准椭圆权重模型、恒定离心率椭圆权重模型相比,本文提出的基于距离衰减的自适应椭圆权重模型能够有效减少RTI重建图像的伪迹和伪位置。实验中,为降低背景噪声和伪位置对定位精度的影响,在图像重建过程中引入了基于NL-Means滤波的重建图像去噪方法。(3)针对传统的RTI运动目标跟踪算法计算复杂度高,实时性差的问题,提出基于Savitzky-Golay滤波的RTI运动目标跟踪算法,通过移动窗口利用最小二乘法进行目标轨迹的最佳拟合,同时采用一维高斯滤波对目标运动引起的RSSI测量值波动进行降噪,进一步提高RTI的运动目标跟踪精度。