随着通信技术的日新月异,5G有望在2020年及以后商业化,毫米波通信技术和大规模多输入多输出(Multiple Input Multiple Output,MIMO)技术是5G的关键技术。毫米波通信技术使得通信系统的数据速率得到很大的提高,但是数据速率的提高通常会导致很高的能耗,而且大规模MIMO系统由于部署了大量天线也会造成很高的电路功耗,这必然会降低用户的体验质量。无线能量传输技术作为一种潜在解决方案,可以通过射频信号为使用电池供电设备的用户充电。而且与上一代移动网络相比,5G通信的应用场景更多的出现在室内,所以研究面向室内毫米波大规模MIMO系统的无线能量与信息同时传输(Simultaneous Wireless Information and Power Transfer,SWIPT)已成为当今社会的研究热点之一。本文研究了基于混合分割策略的室内毫米波大规模多输入单输出(Multiple Input Single Output,MISO)系统的SWIPT;然后本着节能的原则,设计基于位置信息的功率分配策略。论文的主要贡献如下:设计适用于本文室内毫米波大规模MISO通信系统的混合分割策略。对于时间维度来说,将一个时隙通过时间分割(Timing Splitting,TS)策略分成两部分,一部分用于下行链路的信息传输和能量传输,一部分用于上行链路的信息传输;由于下行链路要同时进行信息传输和能量传输,所以对于下行链路的功率维度采用功率分割(Power Splitting,PS)策略。由于系统是面向多用户的,所以必然存在用户间干扰,用户间干扰对于信息传输和能量传输的影响是不同的,传统的只采用一种波束赋形算法的策略无法使资源达到充分利用,所以提出联合波束赋形算法。对于信息传输采用信息波束赋形矢量消除用户间干扰实现无错误的信息传输;对于能量传输采用能量波束赋形矢量承载用户的能量,可以将干扰收集为能量。仿真结果表明,该分割策略与传统的TS分割策略和PS分割策略相比,在满足信息传输速率的条件下,大大提高了用户所收集的能量。研究了基于位置信息的功率分配策略。由于系统是面向多用户的,所以为了降低系统的复杂度,根据用户位置信息求得用户与基站之间距离,然后借助毫米波通信系统中依赖于距离的路径损耗模型,提出基于机器学习的K-means分簇算法将多个用户根据信道的相似度进行分簇。本着节能的目的,在满足信息传输过程中信干噪比阈值和能量传输过程中收集能量阈值的条件下,最小化微型毫米波基站的发射功率。仿真结果表明,所提方案中微型毫米波基站的发射功率比未分簇系统的要低,且时间复杂度比未分簇系统的要低。