购物行为数据对于理解营销市场、调整销售策略具有重要意义。通过细致可靠的购物行为信息分析，零售商可充分理解顾客购物偏好，及时掌握市场潮流风向，从而不断优化商品策略以提供更受顾客青睐的产品。
　　本文介绍了一种全新的购物行为识别和分析方案，该方案主要适用于实体店内购物行为的检测和分析，即搜集顾客在实体店铺内的购物行为并解析潜在的细粒度行为价值。
　　首先，针对当前射频阅读器相位值测量不准确的问题，本文提出使用三角函数标准化测量相位值，利用三角函数的周期性克服原始相位跳断和混乱问题，获得稳定的标签相位流输出。
　　其次，对于单个标签下行为检测有误差的问题，本文提出采用双标签模式并分析典型购物行为在双标签模式下动作轨迹的变化规律，利用双标签合成多普勒谱增强感兴趣的购物行为信号，获得明确的购物行为多普勒特征，实现准确的行为识别与检测。
　　再次，提出基于峰值检测的细粒度行为信息提取方案，尝试在准确的行为识别基础上获取行为细致的时间和频率特征。同时，充分考虑细粒度行为信息对于商品热度的重要性，探索利用细粒度行为特征信息，从商品和消费者两个角度出发建立商品受欢迎程度的排行榜。
　　最后，在两个真实环境中部署了论文所提方案，分析评估方案性能。该方案利用的是现有商业RFID设备，在实际部署期间无需对商店重新升级改造，也不需要附加额外的设备或者对RFID设备进行硬件修改。