Passive Impedance-Tracking Rectifier for efficient Deep Sub-Threshold RF Energy Harvesting

技术摘要：用于高效深亚阈值射频能量采集的被动阻抗跟踪整流器

问题陈述
本文解决了在深亚阈值机制（-30 至 -10 dBm）下运行时，射频（RF）能量采集所面临的关键“灵敏度悬崖”问题。虽然商用采集器在高于 -10 dBm 时表现良好，但在较低功率水平下性能会发生崩溃，这主要归因于两个物理限制：

1. 二极管势垒： 在 -30 dBm 时的信号产生的电压（约 10 mV）不足以克服标准肖特基二极管（约 150 mV）的开启阈值。
2. 阻抗火箭： 随着输入功率降低，二极管的动态电阻呈指数级增加，从 -10 dBm 时的约 100 $\Omega$ 跃升至 -30 dBm 时的超过 4 k$\Omega$。传统的固定匹配网络是针对特定的阻抗点设计的，在不同功率水平下会产生失配，导致高达 99% 的入射能量被反射。

现有的解决方案通常依赖主动调谐电路来跟踪阻抗变化，但这些电路消耗的开销功率会抵消在低功耗环境下进行能量采集的收益。

方法论
作者提出了一种纯被动解决方案，该方案利用一个固定的 L 型匹配网络（串联电感、并联电容），通过遗传算法（GA）进行优化，以近似模拟在 20 dB 动态范围内二极管的复共轭阻抗轨迹。

• 建模： 该设计依赖于肖特基二极管（SMS7630）的大信号模型，该模型考虑了结电阻的指数非线性和电压相关的结电容。模型表明，二极管在亚阈值区域表现为高电阻、电容性负载。
• 优化策略： 不同于难以处理非凸史密斯圆图（Smith Chart）景观的梯度下降法或计算成本高的穷举网格搜索，作者采用了遗传算法。GA 通过最小化一个“全局跟踪误差”代价函数，该函数计算了在 -30 dBm 到 -10 dBm 功率范围内加权后的反射系数（$|S_{11}|^2$）。在权重函数中，较低的功率水平被赋予了更高的优先级。
• 电路拓扑： 优化后的电路是一个由高降阶 L 型匹配网络（High-Step-Down L-match network）前置的 Greinacher 整流器。推导出的特定元件值为 $L = 100$ nH 和 $C = 0.16$ pF。并联电容是通过分布寄生元件（走线间隙）而非离散元件实现的，以最大限度地减少等效串联电阻（ESR）。
• 硬件考量： 设计强调使用高 Q 值（品质因数）的线绕电感（Q > 45）和低损耗的 Rogers RO4003C 基板，以防止寄生损耗淹没所采集的微瓦级功率。

关键结果
在 915 MHz 下的仿真结果验证了被动阻抗跟踪方法的有效性：

• 传输效率： 所提出的网络在整个 20 dB 动态范围内保持了 >90% 的传输效率（特别是在 -30 到 -20 dBm 窗口内为 98.1%）。
• 系统性能： 在 -30 dBm 时，该设计比标准的固定匹配基准实现了 93.5 个百分点的效率增益，而后者在 -22 dBm 以下实际上几乎无法进行能量采集。
• 输出电压： 该系统在低至 -22 dBm 时仍能维持大于 1V 的输出电压，足以激活电源管理单元。
• 鲁棒性： 经过 1,000 次迭代且具有 ±5% 元件公差的蒙特卡洛分析表明，其制造良率为 100%，最差情况下的样本仍能实现 81.1% 的匹配效率。这证实了该设计与高 Q 值窄带匹配相比，具有天生的对制造偏差的不敏感性。

意义与主张
本文声称，其主要贡献在于无需主动调谐电路的功耗即可解决“灵敏度悬崖”问题。通过接受较低的峰值效率（在 -20 dBm 时为 0.23%）来换取极高的灵敏度，该设计使得在“死区”（-30 dBm）进行能量采集成为可能，而标准的整流器在此时完全失效。

作者将这项工作定位为从优化峰值功率转换（此处效率通常在 70% 以上）向赋能低密度 RF 环境下的“安装即遗忘”型 IoT 节点的转变。其意义在于能够从低至 -33 dBm 的环境信号中采集可用能量，并采用一种被动、低成本且可制造的架构。论文明确指出，尽管绝对效率较低，但从“零采集”到“非零采集”的二进制改进，是处于难以触及位置的深度睡眠传感器能够工作的关键使能因素。

未来工作
作者概述了下一步计划，包括将设计扩展到 4x4 阵列以研究互耦效应，从刚性 PCB 向柔性 Kapton 基板过渡以实现“智能皮肤”，以及将整流器与基于滞回的冷启动电路集成，以展示完整的系统级自主性。