Towards Battery-Free Internet of Things (IoT) Sensors: Far-Field Wireless Power Transfer and Harmonic Backscattering
Notice bibliographique
Résumé
RESUME Notre vie tend a etre plus agreable, plus facile et plus efficace grâce a l'evolution rapide de la technologie de l'Internet des objets (IoT). La clef de voute de cette technologie repose essentiellement sur la quantite de capteurs IoT interconnectes, que l’on est en mesure de deployer dans notre environnement. Malheureusement, l’electronique conventionnelle fonctionnant sur piles ou relie au reseau electrique ne peut pas constituer une solution durable en raison des aspects de cout, de faisabilite et d'impact environnemental. Pendant ce temps, le changement climatique du a la consommation excessive de combustibles fossiles continue de s'aggraver. Il devient donc urgent de trouver une solution pour l’alimentation electrique des capteurs IoT geographiquement repartis a grande echelle, afin de simultanement soutenir la mise en oeuvre de nombreux capteurs IoT tout en limitant leur poids environnemental. L'energie radiofrequence (RF) ambiante, qui sert de support a l'information sans fil, est non seulement capitale pour notre societe, mais aussi omnipresente dans les zones urbaines et suburbaines. Elle permet de realiser des communications et des detections sans fil. Cependant, l'energie RF ambiante est majoritairement « gaspillee » car seule une toute petite partie de la puissance transmise est effectivement recu ou « consommee » par le destinataire. C'est pourquoi le recyclage de l'energie RF ambiante est une solution prometteuse pour alimenter les capteurs IoT. Pour certains capteurs IoT consommant une puissance plus elevee, l’apport d'energie sans fil pourra similairement se faire par des centrales electriques specialisees, suivant le meme schema d’alimentation sans fil. Pour utiliser et recuperer cette energie RF, cette these presente deux techniques principales : la recuperation/reception de puissance sans fil en champ lointain (wireless power transfer: WPT) et la retrodiffusion d'harmoniques. Le chapitre 2 aborde les differents mecanismes de conversion de frequence entre le WPT en champ lointain et la retrodiffusion d'harmoniques. La recuperation de WPT en champ lointain consiste a convertir l'energie RF en puissance continue. En revanche, la retrodiffusion d'harmoniques a pour but de convertir l'energie RF dans une autre frequence, dans la plupart des cas, la composante harmonique de rang 2. A titre d'etape preliminaire de recherche et d'etude de faisabilite, une cartographie de la densite de l'energie RF ambiante dans les zones centrales de l'ile de Montreal est resumee au chapitre 3. Contrairement aux mesures traditionnelles precedentes effectuees a des endroits fixes, cette mesure dynamique a ete realisee le long des rues, des routes, des avenues et des autoroutes pour couvrir une large zone.----------ABSTRACT Our life is becoming more convenient, efficient, and intelligent with the aid of fast-evolving Internet of Things (IoT) technology. One essential foundation of IoT technology is the development of numerous interrelated IoT sensors that are distributed extensively in our environment. However, conventional batteries/cords-based powering solutions are certainly not an acceptable long-term solution, considering the incurred cost, feasibility, most of all, environmental impact. Meanwhile, climate change due to excessive consumption of fossil fuels is worsening day by day. Therefore, a transformative powering solution for such large-scale and geographically scattered IoT sensors is of extreme importance in support of such extensive IoT sensors implementation while simultaneously mitigating its environmental burden. Serving as a critical information carrier, ambient radiofrequency (RF) energy is pervasive in urban and suburban areas to realize wireless communication and sensing. However, part of ambient RF energy is dissipated due to path loss if not fully consumed by end-users. Hence, recycling the wasted ambient RF energy to power IoT sensors is a promising solution. The concept of harnessing wireless energy for powering IoT sensors requiring a higher power supply is also feasible through the dedicated wireless power delivery from specialized power stations, which can be an effective supplement. To realize the RF power scavenging, this thesis research introduces two mainstream techniques: far-field wireless power transfer (WPT) and harmonic backscattering. Chapter 2 discusses the different frequency conversion mechanisms applied for far-field or ambient WPT harvesting and harmonic backscattering. Far-field WPT harvesting converts RF energy into dc power (zeroth harmonic). In contrast, harmonic backscattering upconverts RF energy into its harmonics, in most cases, the second harmonic component. As a preliminary research step and a feasibility study, a survey of ambient RF energy density in the core areas on Montreal Island is summarized in Chapter 3. Different from the previously published traditional measurements at fixed locations, this dynamic measurement is carried out along streets, roads, avenues, and highways to cover a large area. Also, a stationary measurement in Downtown Montreal is to reveal whether human activities are able to bring visible change to ambient RF energy levels. This work demonstrates how much ambient RF energy is available in free space and acts as a significant reference for researchers and engineers designing ambient RF energy harvesting circuits/systems for practical applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».