← Neueste Arbeiten
⚡ electrical engineering

Quasi-Optic, Radio Frequency Joint Wireless Power Transfer and Machine Learning-Enabled Sensing

Dieses Papier präsentiert ein quasi-optisches Multi-Receiver-Hochfrequenzsystem, das gleichzeitig drahtlose Energie an entfernte Geräte liefert und maschinelles Lernen-basiertes Umgebungssensing, wie etwa die Erkennung der Atmung und die Lokalisierung von Personen, ermöglicht, indem es Leistungsschwankungen analysiert, ohne dass dedizierte aktive Empfänger oder zusätzliche Transceiverketten erforderlich sind.

Ursprüngliche Autoren: Mahmoud Wagih, Thomas Whittaker, Sitong Mu, William Whittow

Veröffentlicht 2026-09-09
📖 5 Min. Lesezeit🧠 Tiefgang

Ursprüngliche Autoren: Mahmoud Wagih, Thomas Whittaker, Sitong Mu, William Whittow

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich eine Welt vor, in der die Luft um Sie herum nicht nur mit unsichtbaren Radiowellen gefüllt ist, die Musik oder Nachrichten übertragen, sondern auch mit einem sanften, unsichtbaren Energiestrom, der in der Lage ist, ein schlafendes Gerät aufzuwecken. Dies ist das Versprechen der drahtlosen Energieübertragung – ein Konzept, das von der Science-Fiction zur Realität geworden ist und es ermöglicht, dass Sensoren und kleine Elektronikgeräte ohne Batterien funktionieren. Jahrelang haben sich Wissenschaftler auf zwei getrennte Ziele konzentriert: die Energieübertragung an Geräte und die Nutzung von Radiowellen, um die Welt um sie herum zu „sehen“, wie etwa die Erkennung von Bewegungen oder der Atmung einer Person. Normalerweise erfordern diese Aufgaben unterschiedliche Ausrüstungen. Die Energieübertragung benötigt einen starken, gebündelten Strahl, während die Sensorik oft auf komplexen, aktiven Empfängern basiert, die auf schwache Echos hören. Die Herausforderung bestand darin, diese beiden Funktionen in einem einzigen, einfachen System zu kombinieren, das sicher für Menschen ist, über lange Distanzen funktioniert und keinen dedizierten Akku oder einen komplizierten Computerchip benötigt, nur um seine Umgebung wahrzunehmen.

Ein Forschungsteam der University of Glasgow und der Loughborough University hat einen bedeutenden Schritt zur Lösung dieses Problems unternommen, indem es ein System entwickelt hat, das beides gleichzeitig erledigt. Sie entwickelten eine Methode, bei der ein einzelnes Gerät Energie aus Radiowellen empfängt und gleichzeitig die winzigen Schwankungen dieser Leistung nutzt, um seine Umgebung zu erfassen. Der Schlüssel zu ihrem Erfolg ist eine spezielle Linse, die – ähnlich wie das Glas in einer Brille, aber aus Kunststoff gefertigt und 3D-gedruckt – die eingehende Radioenergie auf ein kleines Array von Antennen fokussiert. Dieser Aufbau ermöglicht es dem Gerät, genügend Energie zu ernten, um einen Sensor auch dann zu betreiben, wenn es weit entfernt ist, während der Akt des Energieempfangs gleichzeitig Informationen über den Raum preisgibt, in dem es sich befindet.

Die Forscher entwickelten ein System, das auf einer spezifischen Frequenz von Radiowellen arbeitet und eine 3D-gedruckte Linse nutzt, um Energie aus vielen verschiedenen Richtungen gleichzeitig einzufangen. Anstatt eine perfekte Sichtverbindung zwischen der Energiequelle und dem Empfänger zu benötigen, fängt die Linse Radiowellen ein, die von Wänden und Möbeln abprallen, und kombiniert diese, um einen stärkeren, zuverlässigeren Stromfluss zu erzeugen. Dies ist entscheidend, da Radiowellen in einem echten Raum selten geradlinig verlaufen; sie streuen und reflektieren. Durch die Verwendung mehrerer Antennen hinter der Linse kann das System die winzigen Anteile der Leistung zusammenführen, die aus all diesen verschiedenen Reflexionen stammen. Das Ergebnis ist ein Empfänger, der wesentlich effizienter ist als bisherige Designs und in der Lage ist, genügend Spannung zu erzeugen, um einen kleinen Sensorknoten aus einer Entfernung von bis zu 32 Metern, also etwa 105 Fuß, in einem typischen Innenraum zu betreiben.

Was diese Arbeit wirklich neuartig macht, ist die Art und Weise, wie das Gerät ohne eine separate Sensorantenne oder einen leistungsstarken Sender wahrnimmt. Wenn sich eine Person durch den Raum bewegt, blockiert oder reflektiert sie die Radiowellen, die auf die Linse treffen. Dies führt dazu, dass die Menge der den Empfänger erreichenden Leistung in einem spezifischen Muster auf- und abwärts schwankt. Die Forscher fanden heraus, dass diese winzigen Schwankungen in der Spannungsausgabe des Leistungsempfängers genügend Informationen enthalten, um die Anwesenheit einer Person zu erkennen und sogar deren Standort zu verfolgen. In einem Experiment war das System empfindlich genug, um das rhythmische Heben und Senken des Brustkorbs einer Person beim Atmen zu erfassen, allein durch die Analyse der Spannungsänderungen in der Stromleitung. Das bedeutet, dass das Gerät nicht nur lädt, sondern auch als stiller, passiver Beobachter des Raumes fungiert.

Um dieses Konzept in der realen Welt zu beweisen, testete das Team sein System in einem langen Korridor und einem offenen Atrium. Sie versorgten einen kleinen Bluetooth-Sensor – die Art von Low-Power-Chip, die in Fitness-Trackern und Smart-Home-Geräten verwendet wird – aus einer Entfernung von 22 Metern kontinuierlich und aus bis zu 32 Metern in kurzen Intervallen. Selbst als eine Person zwischen der Energiequelle und dem Sensor vorbeilief und den direkten Pfad blockierte, blieb das System betriebsbereit. Diese Widerstandsfähigkeit ist darauf zurückzuführen, dass die Linse Energie aus reflektierten Pfaden einfängt, die die Person nicht blockiert hat. Die Forscher demonstrierten zudem, dass das System durch ein Machine-Learning-Modell, das mit Daten des Sensors trainiert wurde, genau identifizieren konnte, in welcher Zone eine Person stand, wobei eine Erfolgsquote von über 90 Prozent erreicht wurde. Dies geschah ohne zusätzliche Radio-Hardware, die speziell für die Sensorik vorgesehen war; der Leistungsempfänger selbst lieferte alle notwendigen Daten.

Die Studie unterstreicht einen Wandel in der Art und Weise, wie wir über drahtlose Netzwerke denken könnten. Anstatt separate Systeme für das Aufladen von Geräten und die Überwachung von Umgebungen aufzubauen, legt dieser Ansatz nahe, dass der Leistungsempfänger selbst der Sensor sein kann. Die Forscher wiesen sorgfältig darauf hin, dass ihr System innerhalb strenger Sicherheitsgrenzwerte für die menschliche Exposition gegenüber Radiowellen arbeitet, um sicherzustellen, dass die Energieniveaus auch dann sicher bleiben, wenn Menschen in der Nähe sind. Sie zeigten, dass sie durch das Fokussieren der Energie mit einer Linse und die Kombination der Leistung aus mehreren Winkeln die üblichen Einschränkungen hinsichtlich Distanz und Sicherheitsvorschriften überwinden konnten. Während das System derzeit auf ein Machine-Learning-Modell angewiesen ist, das die Daten nach der Erfassung verarbeitet, beweist die Arbeit, dass die Rohdaten, die für eine kontaktlose Sensorik und Lokalisierung benötigt werden, bereits in der Leistungsabgabe eines einfachen, passiven, linsenbasierten Empfängers vorhanden sind.

Diese Forschung ebnet den Weg für eine Zukunft, in der die Sensoren in unseren Häusern und Arbeitsplätzen nicht nur durch Batterien, die ersetzt werden müssen, betrieben werden, sondern durch genau jene Radiowellen, die unsere Umgebung erfüllen. Indem sie den Akt des Ladens in einen Akt des Wahrnehmens verwandeln, haben die Forscher demonstriert, wie drahtlose Netzwerke intelligenter und effizienter gestaltet werden können. Die Fähigkeit, gleichzeitig das Atmen zu erkennen, Bewegungen zu verfolgen und Geräte zu versorgen – und das alles mit einem einzigen, passiven linsenbasierten Empfänger – deutet auf eine neue Ära für das Internet der Dinge hin, in der Geräte nicht nur vernetzt, sondern auch ihrer Umgebung bewusst sind, während sie mit Energie aus der Luft betrieben werden.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →