目标检测是计算机视觉中的一个基本问题,它可以为实例分割和姿态估计等许多视觉任务提供支持,但因为仅有图像信息在某些情况下准确度还有待提升。通过无线信号来获得定位信息可以用来得到需要被检测对象的数量和位置。随着物联网的发展,能量可收集无线通信得到了越来越广泛地应用,它可以帮助无线传感器从自然界中获得能源来驱动通信。本文将目标检测框架、无线定位装置和能量采集无线通信相结合,设计了一个目标检测系统。整个系统既满足了可以通过无线定位提升目标检测的准确度,又可以通过人/物佩戴的能量可收集无线通信设施向终端进行无线通信。本文的主要贡献如下:1.本文提出了一种基于深度确定性策略梯度（Deep Deterministic Policy Gradi-ent,DDPG）强化学习方法的无线通信功率分配算法。在能量可收集无线通信系统中,该算法在连续的状态空间与决策空间上,实现了一种基于状态的功率分配算法。与现有算法相比,该算法在长期优化平均净比特率方面能够取得更好的表现。2.本文提出了一个无线定位辅助的目标检测框架,将无线定位信息融入到最先进的目标检测方法中,包括基于锚点的一阶段目标检测器和两阶段目标检测器。本文从无线信号中提取无线定位和识别信息来辅助目标检测,从而大大减少了误报和漏报的问题。对于这两种检测器,本文都使用基于无线定位的置信度修正来提高检测性能。具体来说,对于两阶段检测方法,本文提出了一种额外的方法来利用无线定位产生的区域建议,而不是依赖于区域建议网络（Region Proposal Network,RPN）。在 Microsoft Common Objects in Context（MS COCO）和加州理工模拟行人数据集上的实验表明,该方法可以提高现有检测方法的平均精度（mean Average Precision,mAP）和漏检率。3.为了提高目标检测的效果,利用无线定位与识别信息,本文提出了一种结合无线定位信息约束的非最大值抑制方法,进一步抑制误检测,避免漏检。与普通的非最大值抑制方法相比,本文提出的非最大值抑制方法能够提供更好的平均精度和可视化结果。