现如今,随着信息技术的日新月异,各行各业对基于位置的服务(Location Based Service,LBS)需求愈发凸显,快速而准确的位置服务俨然已成为当代社会的重要组成部分。因此,学术界逐渐将视线转向室内环境下的位置服务及其衍生功能。随着信息科学技术产业的第三次革命的兴起,室内定位领域借助物联网、人工智能等手段实现着自身技术改进革新。与此同时,借助大型公共建筑室内通常布设有大量无线路由器这一特点,无线充电技术逐渐受到社会各界广泛期待,该技术可实现通过无线访问接入点(Wireless Access Point,AP)发送射频信号为连接入网的终端设备进行无线充电。然而伴随而来的是系统功率负荷量严重增大问题,如何保证无线充电功能的同时合理分配系统能量资源成为下一步需要解决的难题。因此,本文立足于ZigBee(紫蜂)技术理论,提出了基于神经网络的室内融合定位算法,并研究设计了两种基于位置感知的室内区域功率智能分配策略,根据各终端的实际位置信息进行区域内路由AP发射功率最优分配,在保证入网终端无线充电性能的同时,最小化区域路由总发射功率或使区域终端接收功率尽量均衡。首先,本文阐述了室内定位相关技术的研究背景和现状,简述一些常见的技术应用场景表明社会各行业目前对室内定位迫切的需求。根据对物联网原理的论述,引出借助物联网与室内定位技术相结合来开发位置服务衍生功能的思路,并通过对现有研究热点分析,确定将无线能量传输系统为本文的研究场景,突出本文研究内容的作用与意义。然后对本文研究工作进行简单阐述,方便读者了解本文组织结构。其次,本文提出基于神经网络的室内融合定位系统。系统实现基于改进深度置信网络的二次指纹定位方法和基于循环神经网络的行人航位测算定位方法,然后通过粒子滤波技术实现信息融合以提升整体定位效果。具体可划分为两个阶段,训练阶段:依据前期采集的指纹样本训练位置指纹分类器、深度置信网络和循环神经网络;定位阶段:将待测目标实时接收信号强度(Received Signal Strength Indication,RSSI)输入改进深度置信网络获得粗略定位结果并将设备惯性测量单元(Inertial measurement unit,IMU)实时测量的目标运动偏移角度输入循环神经网络获得预测位置坐标,最终将待测目标的粗略定位结果与预测位置坐标输入粒子滤波器得到精确位置信息。并且通过大量实验仿真验证了本融合定位系统各子算法和系统整体性能。最后,本文研究设计了基于位置感知的区域功率智能分配技术。针对传统无线传能技术不合理的路由发射功率分配导致无线充电系统负荷增加的问题,本文提出两种区域功率智能分配策略,利用信号接收端位置信息构建实际无线信道模型并结合无线能量传输模型,在保证所有入网设备能量收集功率均达能耗门限的前提下,得到系统信号发射端群的最小总发射功率和发射功率分配策略。然后通过仿真实验对系统性能进行了测试和分析。本文所提出的基于室内融合定位的区域功率智能分配技术借助神经网络提升了现有室内定位技术的精确度,降低了传统定位系统计算复杂度和系统负载量。并利用获得的精确位置信息制定区域功率的智能分配策略,合理分配无线传能系统中信号发射端群功率,实现区域性节约能量资源的整体目标。