A High-Gain Microstrip RF Energy Harvester for IoT Sensors in 5G Network
Notice bibliographique
Résumé
As the implementation of fifth-generation (5G) wireless networks expands, the interest in using radio frequency energy harvesting (RFEH) as a power source for low-power Internet of Things (IoT) devices increases. RFEH has the potential to eliminate the need for batteries, providing a reliable and sustainable power source for these devices. However, the efficiency of RF to dc converters at high frequencies, commonly used in 5G networks, is relatively low. This article proposes a new high-gain RFEH circuit that incorporates a$2 \times 2$patch array antenna, a reflector, and a cascade microstrip L-matching network used as a passive voltage amplifier to increase the induced voltage across the antenna. The RFEH receiver is fabricated on a low-cost FR-4 substrate with a dielectric constant of 4.6 and a copper thickness of 0.035 mm. To enhance efficiency in RF to dc conversion, a novel microstrip voltage amplifier is designed, resulting in an overall gain of 30 dB at an input power of -30 dBm with a 1-M$\Omega $load. This amplifier exclusively utilizes traces on the printed circuit board (PCB), eliminating the need for low-efficiency voltage doublers. A prototype has been fabricated and measured. The results show that the proposed RFEH can capture signals at 5.2 GHz and amplify the induced voltage across the antenna. The efficiency exceeds 70% in the frequency range of 5–5.4 GHz, with a peak efficiency of 74.82% at an input power of -10 dBm and a 10-k$\Omega $load.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».