MétaCan
Menu
Retour à la cohorte
Enregistrement W4362588637 · doi:10.1109/jmw.2023.3255581

RF Energy Harvesting and Wireless Power Transfer for Energy Autonomous Wireless Devices and RFIDs

2023· article· en· W4362588637 sur OpenAlexaff
Kyriaki Niotaki, Nuno Borges Carvalho, Apostolos Georgiadis, Xiaoqiang Gu, Simon Hemour, Ke Wu, Diogo Matos, Daniel Belo, Ricardo Pereira, Ricardo Figueiredo, Henrique Chaves, Bernardo Mendes, Ricardo Correia, Arnaldo S. R. Oliveira, Valentina Palazzi, Federico Alimenti, Paolo Mezzanotte, L. Roselli, Francesca Benassi, Alessandra Costanzo, Diego Masotti, Giacomo Paolini, Aline Eid, Jimmy Hester, Manos M. Tentzeris, Naoki Shinohara

Notice bibliographique

RevueIEEE Journal of Microwaves · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensMcGill UniversityPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésWirelessEnergy harvestingWireless power transferEnergy transferPower (physics)Energy (signal processing)Electrical engineeringComputer scienceTelecommunicationsEngineeringPhysicsEngineering physics

Résumé

récupéré en direct d'OpenAlex

Radio frequency (RF) energy harvesting and wireless power transmission (WPT) technologies —both near-field and far-field—have attracted significant interest for wireless applications and RFID systems. We already utilize near-field WPT products in our life and it is expected that RF EH and far-field WPT systems can drive the future low-power wireless systems. In this article, we initially present a brief historical overview of these technologies. The main technical challenges of rectennas and WPT transmitters are discussed. Furthermore, this paper presents the recent advances on the development of these technologies, including the possibility of powering RFID systems through the millimeter wave power from 5G networks, the trends in flexible rectennas design and the technological developments on the simultaneous wireless information and power transfer (SWIPT).

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,199 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations103
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of MicrowavesMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207