传统的基于帧时隙的防碰撞算法在识别大规模标签时存在两个问题，一是随着标签数的增加，标签估计算法的误差会越来越大，严重影响了帧长的分配，进而导致识别效率的下降；二是因阅读器可分配帧长是有限的，在大规模标签的识别时，标签随机选择时隙会出现“Tag Starvation”问题，导致识别时间无限延长。很多学者提出了基于分群的策略，在一定程度上解决了上述第二个问题。然而，其采用传统的标签估计策略估计的标签数并不准确，进而会影响群的分配。另外，当待识别标签数动态变化时，这一类分群的算法可能无法检测到，导致效率降低或漏读问题。针对大规模RFID（Radio Frequency Identification）标签动态变化的识别问题，提出了基于反复分群-识别的RFID防碰撞算法。算法采用基于分治法的标签估计策略将大规模标签的估计分散到每个的小的标签集中，提高了大规模标签估计的准确度，为分群提供了依据。同时，算法采用反复分群的分群策略对待识别标签不断的进行分群，实现标签动态变化时的实时检测与识别，有效地避免了效率降低和标签漏读的问题。采用Java语言对动态帧时隙算法（Dynamic Framed SlottedALOHA，DFSA）、自适应的帧时隙算法（Adaptive Framed SlottedALOHA，AFSA）、增强的动态帧时隙算法（Enhanced Dynamic Framed SlottedALOHA，EDFSA）、基于分配合适群数的分群算法（Grouping based Dynamic Framed SlottedALOHA，GB-DFSA）与提出算法（Grouping Identifying Repeatedly，GIR）的识别过程进行了仿真。对算法的识别过程进行动态的跟踪，为算法性能和效率的理论分析提供了可视化的依据。实验从标签数变化和帧长变化对效率的影响两方面对AFSA算法、EDFSA算法、GB-DFSA算法以及本文提出的GIR算法进行分析和比较，实验结果证实在大规模RFID标签动态识别情况下，GIR算法在识别效率以及识别稳定性两方面要优于另外几类算法。