射频识别（RFID）技术是物联网的关键技术之一,越来越广泛地在各个领域得到应用。超高频RFID读写器系统在接收过程中,发射连续载波,无源标签在接收后,将带有标签信息的反射波返回给读写器。在这个过程中,读写器持续发射的连续载波,由于链路泄露或者通信环境等原因导致残留,形成自干扰信号,与读写器接收的有用信号叠加、覆盖,使得读写器无法正常地完成对有用信号的接收和解析。因此,在超高频RFID系统工作过程中,如何有效地抑制自干扰信号,进而降低自干扰信号对读写器接收性能带来的不良影响,是超高频RFID系统相关研究的重点之一。本论文利用神经网络,通过自建的参考链路对自干扰信号样本和接收信号进行训练,从而完成对接收自干扰信号的重建,实现自干扰对消。论文主要研究内容如下:1.对RFID的自干扰信号链路进行了数学建模,分析该链路的信号特征与重建信号所需的主要参数。通过对自干扰信号和重建信号的链路仿真,推导了自干扰信号抑制的性能和影响因素。2.设计了基于神经网络的自干扰信号抑制方案,该方案的神经网络模型以参考链路在各时延参数下产生的对应样本信号完成分类样本训练后,将接收链路的自干扰信号的基带数字信号为输入项,完成自干扰信号的分类训练,获得其时延估计。之后再与最优解算法联立,对参考链路延时差和衰减进行交替联合训练,解决了在自干扰抑制过程中由于接收链路与参考链路中延时差和衰减大小不一致导致的对消后自干扰信号残留的问题。3.对基于神经网络模型的自干扰抑制系统的抑制功能进行了分析,研究超高频RFID读写器自干扰抑制系统中神经网络模型在不同时延和幅度反馈精度下的性能。通过对不同时延和幅度反馈精度下神经网络模型的学习效果进行仿真,得出该模型的适用范围及性能。4.搭建自干扰信号抑制硬件测试平台,在测试过程中对不同情况下的误包率进行记录,通过对比有无自干扰抑制系统时的误包率,验证了加入自干扰抑制系统后对读写器接收性能的提升。