MétaCan
Menu
Retour à la cohorte
Enregistrement W2885018983 · doi:10.3390/electronics7070125

An Adaptive Power Harvester with Active Load Modulation for Highly Efficient Short/Long Range RF WPT Applications

2018· article· en· W2885018983 sur OpenAlexaff
A. M. Almohaimeed, Rony E. Amaya, J. A. P. Lima, M.C.E. Yagoub

Notice bibliographique

RevueElectronics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRectifier (neural networks)Wireless power transferPower (physics)Electronic engineeringModulation (music)Radio frequencyElectrical engineeringWirelessEnergy conversion efficiencyISM banddBmRange (aeronautics)Computer scienceEngineeringAntenna (radio)TelecommunicationsPhysicsCMOSAcoustics

Résumé

récupéré en direct d'OpenAlex

After demonstrating, in previous works, the proof of concept of adaptive rectifiers with active load modulation to operate simultaneously for short/long range RF Wireless Power Transfer (WPT) while maintaining a high Power Conversion Efficiency (PCE), the authors introduced in this paper a power link budget of the proposed adaptive rectifier with a compromise between distance and efficiency. Then, to further exhibit its capabilities and enhance its performance, this paper first introduced a discussion about the parameters preventing the rectifier from operating over a wide range of input powers was performed. Furthermore, active load modulation was implemented and its co-simulation results presented. Finally, an adaptive rectifier was fabricated and its results successfully compared to measured data. It exhibits 40% of PCE over a wide dynamic input range of incident RF power levels from −6 to 25 dBm at the 900 MHz in the Industrial Scientific Medical band (ISM band), with a maximum PCE of 66% for an input power of 15 dBm. The proposed devices are therefore suitable for WPT applications to harvest energy from a controlled source.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElectronicsMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207