An efficient CMOS RF power extraction circuit for long-range passive RFID tags
Notice bibliographique
Résumé
Effective matching and efficient power conversion play key roles in long- range power telemetry. This thesis discusses challenges and suggests solutions for long-range power telemetry with an emphasis on radio-frequency identification (RFID) applications. As a proof-of-concept a radio-frequency (RF) power harvesting system in a 0.13-µm CMOS technology is designed, fabricated, and successfully tested. The RF power harvesting system must maintain matching over the the wide operation frequency range of passive RFID tags, mandated by EPC- global. In this work, we first analyze the series-inductor matching network and show that there is a trade-o between bandwidth and efficiency. We then derive some guidelines for matching circuit design for RFID tags. To solve the matching problem over a wide frequency range, an adaptive matching system is proposed. At the startup, this system turns on while the rest of the chip is still inactive, and automatically tunes the matching network to achieve its maximum output voltage. Then the rest of the chip wakes up and functions as normal. A new CMOS rectifier stage is also proposed. This stage is capable of efficient operation even with very low input powers. In addition, this rectifier stage can be cascaded to reach higher output voltages without significantly compromising the overall efficiency. Combination of low-power performance and cascadability makes this rectifier suitable for long-range RFID tags. The test setup and measurement results are also discussed in a separate chapter. The measurement results show a 50% rectifiers efficiency at 4-µW input power. To the best of our knowledge, to date, this is the highest efficiency reported for rectifiers operating at such a low input power. Also, as compared to the output voltage at the nominal center frequency of the input matching network, the system shows less than 6% drop in output voltage over the entire 55-MHz bandwidth of the system which verifies the effectiveness of adaptive matching.
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 | 0,000 | 0,000 |
| 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 ».