⚡ electrical engineering

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

本文提出了一种准光学、多接收机射频系统，该系统通过分析功率输出波动，在无需专用主动接收器或额外收发链的情况下，同时为远程设备提供无线功率传输，并实现基于机器学习的环境感知，例如呼吸检测和人员定位。

原作者： Mahmoud Wagih, Thomas Whittaker, Sitong Mu, William Whittow

发布于 2026-09-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Mahmoud Wagih, Thomas Whittaker, Sitong Mu, William Whittow

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个这样的世界：你周围的空气中不仅充满了携带音乐或信息的无形无线电波，还充斥着一种温柔的、无形的能量电流，能够唤醒处于休眠状态的设备。这就是无线电力传输的愿景——这一概念已从科幻小说走向现实，让传感器和小型电子设备能够在无需电池的情况下运行。多年来，科学家们一直专注于两个独立的目标：向设备输送能量，以及利用无线电波来“感知”周围的世界（例如检测人的移动或呼吸）。通常情况下，这些任务需要不同的设备。输送能量需要强力且集中的波束，而感知则往往依赖于复杂的、主动式的接收器，通过监听微弱的回声来工作。挑战在于如何将这两个功能结合成一个单一、简单的系统，使其对人体安全、适用于长距离，并且不需要专门的电池或复杂的计算机芯片来感知周围环境。

格拉斯哥大学和拉夫堡大学的研究团队通过开发一种能同时实现这两个功能的系统，在解决这一问题上迈出了重要一步。他们开发出一种方法，使单个设备能够从无线电波中接收能量，并同时利用这些能量的微小波动来感知其环境。成功的关键在于一个特殊的透镜，它类似于眼镜的镜片，但由塑料制成并通过3D打印而成，能够将输入的无线电能量聚焦到一个小型天线阵列上。这种设置使得设备即使在远离电源时也能收集到足够的能量来驱动传感器，而且接收能量的过程本身就能揭示其所处房间的信息。

研究人员构建了一个运行在特定无线电频率下的系统，利用3D打印的透镜同时从多个方向收集能量。该系统并不需要电源与接收器之间存在完美的直线视距；透镜可以捕捉从墙壁和家具上反射回来的无线电波，并将它们组合起来，创造出更强、更可靠的电流流。这至关重要，因为在真实的房间里，无线电波很少沿直线传播，而是会发生散射和反射。通过在透л镜后使用多个天线，该系统可以汇总来自所有这些不同反射路径的微小能量。结果是，该接收器的效率比以往的设计更高，即使在典型的室内空间内，也能在高达32米（约105英尺）的距离内产生足以驱动小型传感器节点的电压。

这种方法的真正创新之处在于，设备无需额外的感知天线或强大的发射器即可进行感知。当一个人在房间里走动时，他们会阻挡或反射撞击透镜的无线电波。这会导致到达接收器的功率发生特定模式的上下波动。研究人员发现，这些功率输出电压中的微小波动包含了足够的信息，足以检测人的存在甚至追踪其位置。在一项实验中，该系统甚至可以通过分析电源线中的电压变化，敏锐地检测到人体胸部起伏的节奏。这意味着该设备不仅是在充电，它还在扮演着空间中沉默且被动的观察者角色。

为了证明该概念在现实世界中的可行性，团队在一条长廊和一个开放的中庭进行了测试。他们从22米处持续为一个小型的蓝牙传感器供电，并在短时间内实现了高达32米的供电距离。即使有人在电源和传感器之间走动，阻断了直接路径，系统仍能保持运行。这种韧性归功于透镜捕捉了并未被那个人阻挡的反射路径能量。研究人员还展示了，通过使用基于收集到的数据进行训练的机器学习模型，该系统可以准确识别人所在的区域，成功率超过90%。值得注意的是，这一切都是在没有任何专门用于感知的额外无线电硬件的情况下完成的；功率接收器本身就提供了所有必要的数据。

这项研究凸显了我们对无线网络认知方式的转变。与其构建独立的充电系统和环境监测系统，这种方法表明，功率接收器本身就可以成为传感器。研究人员特别指出，他们的系统在人体暴露于无线电波的严格安全限值内运行，确保了即使在有人靠近时，能量水平也是安全的。他们展示了通过透镜聚焦能量并结合多个角度的能量，可以克服距离和安全法规带来的通常限制。虽然目前该系统仍依赖于在收集数据后进行处理的机器学习模型，但这项工作证明了进行非接触式感知和定位所需的原始数据，已经存在于一个简单的、被动式透镜接收器的功率输出之中。

这项研究为未来的发展开辟了一条路径：届时我们家中的传感器将不再仅仅依靠需要更换的电池供电，而是由充盈在环境中的无线电波提供能量。通过将充电行为转化为感知行为，研究人员展示了一种让无线网络变得更加智能和高效的方法。利用单一的、基于透镜的被动接收器同时实现检测呼吸、追踪移动和为设备供电的能力，预示着物联网的一个新时代——在这个时代，设备不仅是互联的，而且能够感知周围环境，同时还能利用从空气中采集到的能量运行。

技术摘要：准光学、射频联合无线能量传输与机器学习赋能的感知技术

问题陈述
无线能量传输（WPT）具有为远程物联网（IoT）传感器提供能量的潜力，但尚未有效地作为边缘接收器的直接感知接口实现。虽然射频（RF）感知已广泛应用，但它通常依赖于专用的有源接收器和特殊的调制波形。现有的远场微波 WPT 系统往往受限于安全法规（等效全向辐射功率或 EIRP 限制），导致其全系统供电的操作范围被限制在 10 米以内。以往将感知与供电相结合（即联合感知与供电，JSAP）的尝试多局限于数值模拟或以基站为中心的方法（即使用独立的波束分别进行供电和感知）。目前仍缺乏实验演示能够证明单个被动接收器能在无需额外射频收发链路的情况下，通过波与物质的相互作用，同时实现能量收集与环境感知。

方法论
作者提出了一种旨在实现长距离、联合无线能量传输与感知的准光学微波系统。该方法的核心包括：

准光学透镜设计： 使用 3D 打印的介质菲涅尔透镜（直径 250 mm，焦距 120 mm）将入射的微波功率聚焦到多接收器阵列上。该设计使接收整流天线（rectennas）的增益提升了十倍以上，并提供了宽广的角度覆盖。
多方向波束赋形： 系统利用馈送透镜的平面 Yagi 天线阵列。这种配置实现了多波束覆盖，并具备在方位角和俯仰角方向进行波束转向的能力，从而能够在无需精确对准的情况下接收来自不同角度的功率。
基于波与物质相互作用的被动感知： 系统并非使用有源收发器，而是利用由波与物质相互作用（例如人体存在或呼吸）引起的整流天线输出电压的波动来进行感知。通过分析这些功率输出的变化来感知工作环境。
直流功率合并： 为了减轻路径损耗和深衰落，系统采用了直流功率合并技术。透镜后方的多个整流天线（最多 12 个）通过串联连接以累加其直流电压。这种方法利用多径反射来创建一个更具确定性的信道响应，并降低有效路径损耗指数。
机器学习集成： 从边缘接收器收集的电压数据通过经过训练的机器学习模型（具体为 k-最近邻算法和深度学习）进行处理，以实现非接触式人体检测与定位。

核心贡献

首个长距离准光学 JSAP 系统： 本文展示了第一个能够利用被动接收器在长距离室内环境下实现同步无线能量传输与感知的实验系统。
增强的效率与范围： 通过利用 3D 打印透镜和直流合并技术，系统显著降低了室内路径损耗指数（从典型值降至 $n \approx 1.7$ ），并将接收功率的决定系数（ $R^2$ ）提高了 10.7%。
安全的长距离供电： 系统成功在高达 32 米的室内距离内持续为蓝牙低功耗（BLE）传感器节点供电，且运行在安全的 EIRP 限制（<55 dBm）和比吸收率（SAR）法规范围内。
无需有源链路的边缘感知： 该研究证明，感知功能（包括生命体征监测和定位）可以直接从整流天线的功率输出中实现，从而消除了边缘侧对专用射频感知链路或收发器的需求。

结果

能量传输性能： 实验结果表明，经透镜增强的整流天线阵列可以在多个通道上产生超过 3.3 V 的直流电压。在长廊测试中，系统在 22 米处可连续为基于 Arm 架构的 BLE SoC 供电，并在 32 米处实现间歇性供电。
路径损耗降低： 使用直流功率合并技术将路径损耗指数降低至 $n=1.73$ ，且 $R^2$ 为 0.93，相比于单个整流天线通道，其确定性提高了 20%。
感知能力：
- 生命体征： 通过分析处于主视距（LoS）波束之外的受试者直流电压波动的快速傅里叶变换（FFT），系统成功检测到了呼吸频率。
- 定位： 利用在边缘收集的数据进行训练的机器学习模型，系统在各种室内区域实现了超过 90% 的平均准确率，完成了非接触式人体检测与定位。
- 鲁棒性： 系统展示了对视距遮挡的抗干扰能力；虽然人体阴影会导致电压波动，但多通道合并确保了受电传感器节点的持续运行。

意义
本文声称，这项工作是实现“边缘智能感知”的重要一步，即能量收集设备本身即可充当传感器。通过利用准光学技术和机器学习，该系统克服了传统 WPT 相关的安全法规和距离限制。它为一种无需专用射频收发器的无电池、被动感知架构提供了概念验证，从而简化了未来物联网和 6G 感知网络的硬件要求。作者强调，这种方法允许利用多径效应——在通信领域这通常是有害的——来同时增强功率传输和感知精度。

类似论文