Nature Communications | 基于双频超表面CNN近场定位的自适应无线供电网络

随着工业的发展，电子设备的连接方式逐渐从有线转变为无线。作为一种电力传输的解决方案，非接触式电力传输为移动终端的充电提供了有前景的方式，使无电池传感、处理和通信成为可能。

近日，东南大学Tie Jun Cui、西安电子科技大学Long Li团队基于双频超表面提出了一种自适应无线供电网络（AWPN），以实现同时进行无线定位和非接触式供电。它首先在单输入单输出（SISO）系统上通过结合空时编码（STC）和卷积神经网络（CNN）实现了3cm分辨率的定位。有了精确的位置信息，AWPN能够实时将能量束对准终端以实现稳定的能量传输。然后，无电池终端能够感知环境数据并上传结果。从测量结果来看，AWPN的卷积神经网络分类准确率超过 98%，并且能够承受一定的环境变化。因此，由于具有自适应性和非接触性，该研究将推动物联网（IoT）、智能超表面和机器人行业的发展。研究成果以题为“Adaptive wireless-powered network based  on CNN near-field positioning by a dual-band  metasurface”发表于《Nature Communications》上。

图1：所提出的用于无线供电传感、处理和通信的自适应无线供电网络（AWPN）的概念视图。

图2：双波段超表面设计及仿真结果。

图3：接收端设计。

图4：基于CNN的近场定位。

图5：目标定位与功率聚焦同步实验结果。

文章信息：

Xia, D.X., Han, J.Q., Mu, Y.J. et al. Adaptive wireless-powered network based on CNN near-field positioning by a dual-band metasurface. Nat Commun 15, 10358 (2024).

https://doi.org/10.1038/s41467-024-54800-2