射频识别(RFID)技术是一系列成熟的电子技术的集成,比如其具有非接触性、非可视读取数据、可靠性高和便于部署、移动的优点,随着物联网(IoTs)技术的不断发展,基于RFID系统的应用也随之越来越广泛,且逐渐成为物体身份识别的关键技术之一。由于系统需要实时监控其中的活跃标签数量,所以对系统中标签数量进行快速准确的估计具有很重要的实际意义。本文以大规模多类别RFID系统中丢失标签数量冰山分类为主要研究内容,分别研究了理想信道和包含噪声干扰的非理想信道两种情况下丢失标签数量冰山分类的问题,同时还研究了大规模多类别RFID系统标签数量的估计问题,本文完成的主要工作有:1)针对存在标签丢失的多类别RFID系统,首先明确了多类别RFID系统的定义,提出了四种基于比较期望帧和实际帧时隙状态的多类别标签的RFID系统中丢失标签数量冰山分类的算法,包括MAC-SZE、MAC-HZE、MAC-SSZE和MAC-SHZE。其中MAC-SZE和MAC-HZE算法分别通过比较期望帧和实际帧时隙状态的不同来直接估计每类标签的丢失标签数量,而MAC-SSZE和MAC-SHZE算法通过分段广播帧时隙的方式改进上述两种方法从而消除了空回应时隙从而在不影响分类精度的基础上大幅度提高时间效率。通过不同测试数据仿真表明,本文提出的四种方法均能满足丢失标签数量冰山分类的精度要求,并且在算法时间效率方面MAC-SSZE和MAC-SHZE要远远优于其他分类方法,说明使用分段广播帧时隙状态来消除空回应时隙的方法具有很明显的优势。2)针对RFID系统中普遍存在的信道不稳定的问题,对系统中信号传输可能由于环境干扰导致的数据位错误情况进行说明,进一步引入通信原理中的信号完整性校验方法ECC和CRC,将这两种校验方法与MAC-SSZE和MAC-SHZE分类算法进行结合。通过改进这两种算法的分段广播帧时隙的数据段结构,在有效帧数据中加入校验数据从而使算法具有出现数据位错误时进行自我校正的能力。由于基于ECC校验的MAC-SSZE和MAC-SHZE分类算法可以在出现数据位出现1比特错误情况下可以自我校正错误数据位,而基于CRC校验的MAC-SSZE和MAC-SHZE分类算法由于不具备自我校正错误数据位的能力而只能申请重发数据。通过仿真说明前者在出现1比特数据位错误的情况下由于可以自我校正而具有更高分类时间效率。3)深入研究大规模多类别RFID系统中标签数量估计的问题。针对多类别RFID系统对标签的ID格式进行了重新设计,进一步通过改进了单类别RFID系统的概率型几何分布的标签数量估计算法LOF,提出了用于多类别RFID系统的标签数量估计算法MGA。MGA算法通过将同一类别标签中的所有标签映射到同一个帧时隙中,然后在该时隙中使用LOF标签估计算法,该算法可以通过使用多次哈希函数映射减小估计误差。通过仿真表明MGA算法在一定估计误差的情况下具有很高的估计效率。