无线传感器网络中识别资产和监测资产移动速度的跟踪系统方案

作者：Roberto La Rosa 1，2 and Catherine Dehollain 2 and Patrizia Livreri 3，*

1 意法半导体，意大利卡塔尼亚，[e-mail]

2 瑞士洛桑联邦理工学院，[e-mail]

3 意大利巴勒莫大学工程系，[e-mail]

摘要：涉及精准定位和运输数据的资产跟踪模块，非常适合组建无电池节点的无线传感器网络（WSN）。无电池的网络节点几乎可以部署在任何环境中，对维护工作的需求很少甚至没有。为了满足市场对先进无电池传感器标签解决方案日益增长的需求，本文提出一个在无线传感器网络中识别资产和监测资产移动速度的跟踪系统，无电池的资产标签通过射频无线电力传输（WPT）架构接收数据通信所需电能，并采用一个独有的测速方法生成时域速度读数。本文还评测了一款RF WPT供电节点专用系统芯片（SoC）的性能特性和主要功能，提出一个创新的能够解决最高功率转换效率（PCE）与灵敏度相互对立和，功率转换效率与最高灵敏度相互对立问题的RF-DC转换解决方案，还提供一个能够计算资产识别和测速所需读取器数量的设计策略和优化模型，做了模型验证测试，并提供了证明本文所提出的先进监控系统可行性的实验结果。

关键字：无线电力传输（WPT），无线传感器网络（WSN），射频，能量收集，无线充电；物联网

1.前言

　　物联网（IoT）技术及联网设备和智能解决方案的开发应用，让有望显著改善人们日常生活的新兴无线传感器网络（WSN）取得空前发展［1］。无线智能传感器节点预计会出现在与物联网（IoT）相关的所有新兴应用领域［2］。实际上，针对智慧城市、家庭自动化、办公自动化，有些企业已经推出了旨在提高服务质量、舒适性、安全性和能效的无线传感器网络平台［3-9］。因为能够跟踪资产、个人物品等物资的准确位置和运输状况，无线传感器网络还是资产跟踪应用的理想选择［10］。在这个应用领域，传感器节点向无线网络发送与资产的存在、品名、位置和移动速度相关的信息。因为系统传输的数据很少，所以对电能和带宽的要求不高。理想的资产跟踪？？标签是一种几乎可以在任何地方使用的价格低廉、免维护的非一次性设备［11-13］。一个切实有效的资产跟踪解决方案需要内置通信、感知、信号处理、电源管理和自发电等功能［14，15］，与仅适用于近距离物品识别的简单标签应答器相比有很大的不同。如今，无线传感器节点是一种更加复杂的有感知、分析和通信功能的设备［16］，不过，它们对电能的需求也变得更大，必需使用电池才能满足供电需求，导致厂商的系统成本、维护和小型化负担加重［17］。因此，除了尺寸、成本等要素外，功耗和在最大通信距离时的最大吞吐量是无线传感器网络节点最显著的性能特征［2，5］。通过整合高能效通信方案与低功耗设计，无线传感器网络节点可以将电池寿命延至数月甚至几年［2］，因此，低功耗无线传感器网络设计广泛使用免许可的ISM （工业、医学和科学） 频段的无线协议，例如，ZigBee ［18］、Bluetooth和Bluetooth Low Energy（BLE）［19］。尤其是BLE低能耗蓝牙协议，可降低功耗，易于设置，连接智能设备简单［20-22］。

　　通过战略性的硬件和固件协同设计，以及在最终应用中全面优化无线通信协议，可以实现低能耗和高能效。传统电池供电系统并非总是最佳解决方案，因为电池会在成本、重量和尺寸方面带来更多的问题，电池寿命和系统维护就更不用说了。此外，电池和超级电容的使用也给系统电源管理带来问题［23，24］。无线传感器网络的维护问题不仅仅体现在成本方面；在电气安全和检修便利性方面，维护工作也可能变得十分复杂，某些工作环境可能太热，致使电池无法安全可靠地供电。在正常工况环境中［25］，通过降低或消除待机功耗，可以大幅降低电池电量的消耗 ［26-34］，延长电池寿命，进一步缩减系统体积，减少维护干预次数。将射频无线电力传输（WPT）技术用于远距离无线充电，也可以方便电池供电节点的维护工作［35–40］。

　　虽然这些解决方案可以帮助缓解系统维护和小型化相关问题，但不能一下解决全部问题。在可行的情况下，例如，在使用低占空比传感器的应用中，更可取的解决办法是开发无电池设备，其明显优势是非一次性产品，使用寿命几乎无限，成本效益更高，可用于电池可能会引发危险的环境［41–45］。由于这些原因，无电池解决方案风生水起［43，46–49］，越来越多的工程师选择包括RF EH和WPT在内的可再生能量收集（EH）技术。开发高能效的WPT和RF EH应用并非易事，因为即使射频能量无所不在，并且能够发射到视线看不到的地方，但其功率转换效率（PCE）到目前仍然很低，针对这个问题，许多研究人员发表了极具启发性的论文［50-67］。本文面向这一研究领域，研究在无线传感器网络基础设施中，在电能发射器（读取器）与射频自供电的无电池BLE标签之间使用RF WPT技术，探讨使用无电池BLE标签设计资产跟踪系统所面临的技术挑战，并提出相应的解决方案。在读取器和标签的间距随时变化的动态环境中，标签以某一速度相对于读取器移动。

　　这项研究的显著特点是，在移动环境中进行RF WPT充电，通过BLE技术传输数据。这项研究的重点是估算为移动标签连续供电所需最小读取器数量，并介绍无任何电池的传感器如何通过RF WPT实现自供电，测量资产移动速度，生成时域读数，并通过物联网机制传输数据。最后，本文提供了资产识别测速所需的最佳读取器数量、基础设施设计策略和数学模型。本文详细讨论了RF WPT供电节点专用系统芯片（SoC）的关键特性、体系结构和性能特征，提供了具体的测试、模拟仿真和实验结果。本文的结构如下：第2部分从读取器和无电池BLE资产标签的角度介绍系统架构。第3部分讨论WPT系统的设计方法，其中包括当系统关键参数给定时，用于求算最佳设计所需最少射频读取器数量的公式和假设。第4部分探讨无电池BLE标签速度测量系统，介绍如何用RF WPT和无电池BLE标签实现一个能够生成时域读数并通过物联网机制传输信息（速度）的速度测量系统。第5部分介绍系统装置、实验结果及其与在设计阶段获得的数据的相关性。第6部分是结论。

　　2.系统说明

　　远距离射频无线电力传输（WPT）系统用于为无电池BLE资产标签远程供电。图1所示是本文提出的资产跟踪系统的框图，该系统架构基于双频系统，WPT输电和数据通信两个单元使用不同的频率。对于远程电力传输，标签读取器和标签使用无需许可的ISM（工业、科学和医学）频段，载波中心频率868 MHz。读取器与资产标签的数据通信采用2.4 GHz ISM频段，带宽80 MHz。读取器工作频率的选择对于电力传输非常重要，这需要在标签和读取器的尺寸限制与自由空间路径损耗（FSPL）最小化之间权衡折衷。事实上，尺寸限制与自由空间路径损耗最小化这两个要求是相互对立的，因为标签尺寸很大程度上取决于天线尺寸，天线大小与工作频率成反比，而工作频率又直接影响FSPL性能。根据Friis传输公式［68］，在自由空间中，868 MHz频段典型无线电力传输一米距离后，传输功率将会衰减30 dB （1/1000），然后每10 米就会继续衰减20 dB。相比之下，为读取器选择2.4 GHz频率将导致传输功率在仅一米传输距离内就衰减40 dB （1/10，000）或者一个更大量级。这突出表明，能量传输效率低是RF WPT技术固有缺点，因此，需要对新架构和设计参数选择进行持续研究。尽管存在这些先天不足，射频电力传输仍然不失为一个为物联网和无线传感器节点等低功耗设备供电的便捷方式［54，69，70］。数据通信使用一个BLE射频芯片，因为跟踪系统需要一个符合相关数据交换量和通信速率规范的超低功耗射频芯片。此外，BLE射频芯片允许天线设计得非常小。

　　实际的BLE读取器是由一个低功耗射频sub-GHz收发器和一个BLE接收器组成。射频收发器是意法半导体的Spirit1芯片，配有最高输出功率27 dBm的功率放大器，而BLE芯片是意法半导体的符合蓝牙5.0规范的BLE系统芯片BLUENRG-2。标签系统体系架构是由两颗芯片组成。无线电力传输专用系统芯片接收并转换射频能量，标签数据通信使用与读取器相同的BLE射频芯片。接收射频能量的系统芯片对资产跟踪系统性能至关重要，我们将用数学方法证明，RF-DC转换器的PCE效率和灵敏度性能在确定读取器数量过程中的重要性。显然，这两个参数性能高会减少所需的读取器数量，从而降低系统整体成本。本研究案例中使用的系统芯片是一个2 W自供电芯片，集成一个宽带（350 MHz-2.4 GHz）RF–DC能量转换器，在868 MHz频率时，PCE最大值为37％，输入功率为18 dBm，最大输出电压为2.4V。超低功耗管理单元的静态电流性能是决定系统灵敏度高低的关键。

　　图1描述了该系统芯片的体系架构，组件包括RF-DC转换器、超低功耗管理单元、数字有限状态机（FSM）和DC/DC转换器。外部天线连接系统芯片的RFin输入引脚，用于捕获射频能量。RF-DC转换器将射频能量转换为直流电能，通过输出引脚Vdc向外部储电电容器Cstorage充电。此外，RF-DC转换器还产生一个直流开路电压Voc，用于间接测量射频输入功率。Voc和Vdc电压是超低功耗管理单元的输入端，为FSM单元供电。RF-DC转换器、超低功耗管理和FSM这三个单元组成一个闭环。根据Voc信号间接测量到的输入射频功率，数字信号总线实时更新Nos信号，为RF-DC转换器选择正确的级数（CMOS倍压电路）。RF-DC转换器、超低功耗管理模块和FSM单元形成的环路执行最大功率点跟踪（MPPT）运算，在射频输入功率变化过程中从射频提取最大的能量。这个原理概念将在第3部分中详细讨论。从功能角度看，该系统芯片将从读取器接收的射频能量转换为直流电压Vdc，充入外部储电电容器Cstorage。在输入功率相同的条件下，静态电流越低，传输到储电电容器的净电流就越大。该系统芯片集成了最小静态电流仅为75 nA的超低功耗管理电路，从而能够节省至少2 W的电能。

图1. 射频无线电力传输系统

图2给出了三种不同的完整的通过三个不同的BLE广播频道发送数据包的BLE广播发射方式。BLE设备配置为无法连接的无目标广播模式，14 dBm发射功率，发射32字节广播数据包。在此工作模式下，BLE设备未连接到任何网络，能够广播任何类型的信息，包括环境数据（温度、气压、湿度等）、微位置数据（资产跟踪、零售等）或方向数据（加速度，旋转，速度等）［71］。当标签接收到读取器发射的能量时，储电电容器充电，Vstor电压开始上升，直到最大值Vh为止。此时，超低功耗管理单元驱动DC/DC转换器，通过Vout为BLE设备供电。当电压Vout高于BLE设备最低工作电压（1.8 V）时，蓝牙电路激活，然后广播数据信息。因为蓝牙通信所需电流远高于射频信号转化的电流，所以Cstorage电容器不可避免地会放电。实际上，如图3所示，Cstorage电容器向BLE设备供给的峰值电流是毫安级，而射频能量转化的电流通常是微安级，因此，工作电流远高于收集转化的电能。

图 2. 系统芯片的功能信号

图 3.低能耗蓝牙（BLE）的电流消耗

BLE设备一旦停止工作，就会立即拉高“ shdnb”信号，触发系统芯片内部的有限状态机（FSM）重置“ en”信号，关闭DC/DC转换器，同时Vout电压下降。因为电压Vout下降，而且BLE设备不再加偏置电压，所以“ shdnb”信号拉低电平，这可以控制储电电容中的电压下降，将其限制在BLE设备的电能要求范围内，这些要求会随BLE设备的广播数据包长度和输出发射功率配置而变化。例如，若BLE设备加2V平均偏置电压，配置为无法连接的无目标广播模式，14 dBm发射功率，传输32字节广告数据包，则激活过程时间估计约2.4毫秒，激活过程平均电流估计约7.5 mA，发射能耗估计约36J。如果发射输出功率增加到+8 dBm，激活过程预估时间不会改变，因为这个参数仅与广播数据包的长度有关；激活过程平均电流估计增加到13.4 mA，因此，发射能耗估计上升到65J。广播数据包长度也会影响BLE发送数据所需电能。若将BLE设备配置为14 dBm发射功率，发送16字节广播数据，则激活过程时间估计减到2毫秒，激活过程平均电流估计约7 mA，发射能耗估计约28 J。Vstor的电压降始终保持在最小值，不受BLE配置变化的影响，因此，系统可以更早地切换到提取能量模式，从而最大程度地降低占空比。这是这款系统芯片的一个独有功能，可以与任何物联网节点建立闭环通信［72］。在本案例研究中，工作环境是典型的动态资产跟踪系统，资产相对于读取器以特定速度v移动。需要注意的是，在这种情况下，标签不是静止不动的，并且接收到的能量不能视为恒定能量。因此，该节点必须途经若干个

读取器才能完成初始启动，使电压Vstor从0V上升到最大电压Vh，所需读取器的具体数量取决于BLE发射广播数据包所需电能、为储电电容器充电的平均功率Pav、标签的移动速度v。值得注意的是，标签是移动的，功率Pav不是恒定的，因此，在标签初始启动期间，电压Vstor不是连续上升，而是阶梯式上升。图4所示是电压Vstor在初始启动期间和稳态时的行为特性。该图描述一个正在向前移动的标签，但值得注意的是，标签的移动方向与无线电力传输过程无关。可以观察到，该节点必须途经若干个读取器才能完成初始启动，所需读取器的具体数量取决于BLE发射信标所需的能量、标签接收到可用的射频能量、标签的移动速度v。此后，读取器射频能量转化的电流和BLE射频电流对Cstorage电容器交替充放电，两种电流的强度都非常不均衡。下一部分将讨论系统设计，包括一些设计见解，并讨论如何根据BLE射频所需的能量和标签移动速度等已知系统规范，推导出读取器尺寸和最小安装数量。下一部分还从灵敏度和PCE方面讨论影响RF-DC性能的因素。

图 4. 无线电力传输和Vstor 的关系变化

3.系统设计

本文的主要研究目的是如何将基础设施成本降至最低，基础设施成本与读取器的安装数量直接相关。图4表明，完成初始启动所需读取器的数量NoR与两个参数相关：一个是电压Vstor可以达到的最大值Vh，另一个是标签每次跨越读取器间距Dx后电压增量DVstor，如下面的公式所示：

（5）

实际上，公式（5）在对系统性能有影响的基本参数之间建立起一个有用的关系，为设计系统重要参数提供了有价值的见解，能够帮助设计人员选择最佳的系统架构，获得最佳的性能。该公式表明，在储电电容Cstorage、电压Vstor的最大值Vh和标签速度v给定时，通过最大化Iavg和Dx的乘积可以实现最佳性能。参数Iavg和Dx都与RF-DC转换器的设计和架构有关。实际上，Iavg是RF-DC转换器输出的平均电流，电流值与PCE性能有关，因此，若发射功率已定，则PCE越高， Iavg电流值就越大。Dx取决于RF-DC转换器的灵敏度性能，因此，灵敏度性能越高，读取器间距就越大。为了减少读取器数量，必须将灵敏度和PCE双双提高。资产跟踪系统中的无线电力传输需要处理千差万别的功率状况。事实上，根据读取器与标签的间距、天线方向、发射通道数量，输入功率在从极低到较高的范围内变化，更严重的是，可用输入功率大小可能是随机变化的。在本文提出的系统中，资产标签在经过读取器时需要处理输入功率的巨大变化。当位于读取器扫描范围的最远端时，标签接收到能量很小；随着标签逐渐接近读取器，收到的能量越来越高。标准RF-DC转换器体系结构仅优化标签距离读取器相对较远时的接收灵敏度，不适用本文提出的系统。同理，仅优化标签在某一特定输入功率时的PCE性能，尽管当标签靠近读取器时效果良好，但也不胜任本文提出的系统。当然，在静态工作条件下，读取器和标签之间的距离是固定并已知的，这些解决方案可能效果理想，但在动态工作条件下则差强人意。不幸的是，对于典型的RF-DC电路架构，很难同时优化灵敏度和PCE性能，因为这两个参数往往是相互对立的。因此，动态系统需要具有利用MPPT技术在较大范围内动态跟踪可用能量的能力［73-78］。所有的MPPT技术都有一个共同的要求，就是测量输入功率。然而，这在超低功率环境中并不是一项简单的事情，因为这个功能不可避免地会消耗更多的电能，并有可能进一步降低系统的PCE效率，这也是为什么在被收集能量非常低的情况下，通常很难确定MPPT电路是否有使用价值的原因。关于这一专题，参考文献［79］提出了一种创新技术，介绍了如何通过监测复制和空载的通用能量采集器（RF-DC转换器）的输出DC开路电压，有效、动态地跟踪标签接收到的输入功率。CMOS RF-DC转换器的典型结构是一系列级联倍压器，即经典的两级Dickson电荷泵［80］。达到系统要求的灵敏度功率值必需使用多级电荷泵。此外，在给定输入功率值Pin时，电路PCE性能通常是最大值，Pin取值非常接近或在大多数情况下就是灵敏度功率值。系统使输出DC电压保持固定，通常使用最大允许电压。但是，如果输出DC电压恒定，并且级数NoS保持不变，则随着输入功率变高，电路不再是最理想状态，能效将会降低。如图5所示，这是一个基于6级RF-DC转换器的系统，射频功率分为三个等级：P1 = 18 dBm（灵敏度功率值），P2 = 12 dBm和P3 = 6 dBm。

因此，如图6所示，为了保持最高的灵敏度性能，同时恢复和优化PCE性能，必需根据已知输入功率Pin改变转换器的级数NoS。此外，图6还给出了一个三级RF-DC转换器的三种不同设置，即N1 = 6，N2 = 4和N3 =2。当级数最高时，NoS = N1 = 6，PCE数值在最低输入功率Pin= P1 = 18 dBm时最大。如果功率增加到Pin = P2 = 12 dBm，通过将级数减少到NoS = N2 = 4，可以实现最大PCE。当输入功率进一步增加到Pin = P3 = 6 dBm时，要想获得最高 PCE，级数必须减到NoS = N3 = 2。

图5. 静态RF-DC转换器的功率转换效率（PCE） 与DC输出电压关系

图6. 动态RF-DC转换器的功率转换效率（PCE） 与DC输出电压关系。

在本文提出的系统中，按照本文提出的设计建议，RF-DC转换器采用868 MHz频率。有限状态机（FSM）电路发出数字信号NoS，用于确定RF-DC转换器的最佳级数，如图1所示。超低功耗管理单元通过开路电压Voc信号测量输入接收功率。这些功能使系统在灵敏度和PCE性能之间找到最佳平衡点。图7是RF-DC转换器的

图7. 在868 MHz时 PCE与输入功率的关系。

当无电池BLE标签跨过读取器间距Dx时，Cstorage电容器的瞬间充电电流Idc（x）不是恒定电流，而是读取器与标签之间的距离x的函数。因此，下面是无电池BLE标签跨越读取器间距Dx时接收到的平均充电电流Iavg的计算公式：

（6）

Idc（x）是接收到的瞬间电流，电流大小与以下因素相关：发射功率、接收和发射天线的增益、读取器与节点之间的最小和最大距离Dy和Dmax、RF-DC转换器的工作频率和 PCE效率。图8是RF-DC转换器的接收瞬时电流Idc（x）与距离x的关系图，其中读取器与节点之间的最小距离Dy为0.5 m，RF-DC转换器灵敏度准许读取器与节点之间最大距离Dmax为1.5 m。表征测试频率868 MHz，读取器发射功率设为27 dBm。功率发射器和射频能量收集器均装有Laird的Revie Pro天线［81］。

图8. 在868 MHz时RF-DC输出电流与标签至读取器间距的关系

4.速度测量

本部分介绍如何测量一个配备无电池BLE标签的资产，以恒定速度v通过资产跟踪系统时的速度。测速场景与图4所示的场景相同，资产标签通过多个排成一条直线的间距相等的射频读取器。下面是标签速度v的计算公式：

公式（7）表示如何根据BLE标签发射第一个数据包时所穿过的读取器数量NoR来估算资产的移动速度，其中Vh、Iavg、Dx、Cstorage等参数都在系统设计阶段就确定下来了。

在实际系统中，这个公式相当于在无电池BLE标签完成初始启动，向读取器发送数据后，获悉已收到标签数据的读取器的序号。通过计算已收到RSSI（最高接收信号强度）信号的读取器的数量，可以确定读取器序号。将RSSI与BLE广播数据包中包含的发射功率信息一起使用，还可以确定信号的路径损耗，并通过下面的公式确定设备的距离：

这个计算结果可以帮助优化定速资产运送系统（例如传送带）的成本。这种方法的优点是不需要专门的传感器来检测物体的移动速度，因为该信息是系统固有参数。实际上，可以通过获悉读取器检测到的RSSI以及标签首次发射数据时所经过的读取器的数量，来估计资产的运输速度。因此，通过在BLE读取器和无电池BLE资产标签之间实现一个简单的RF WPT，该系统可以同时完成资产识别、速度检测和控制功能，而无需安装硬件速度传感器。

5.实验结果

出于实验目的，本文提出的跟踪系统被开发出来并进行了测试。实际系统规定读取器与标签的最小距离Dy = 0.4 m。系统芯片的实验表征结果显示，在读取器与标签的最大距离Dmax = 1.5 m时，平均电流为1 A，根据公式（9），算出读取器间距Dx是2.9 m。

（9）

标签BLE芯片加2V偏置电压，配置为无法连接的无目标广播模式，发射32字节广播数据包，输出功率14 dBm，如前文所述，在这种配置下，BLE的能耗EBLE估计约36 J，即BLE芯片从Cstorage电容器中消耗36 J电能。根据公式（10），为了最小化Cstorage电容值，电压Vstor的最大值Vh尽可能选择最高值，而最小值Vl尽可能选择最低值。因此，Vh = 2.4 V是由系统芯片的130 m CMOS技术所允许的最大工作电压定义的。设定Vl= 2V，是为了给BLE芯片加1.8V偏置稳压，给DC/DC转换器的功率级提供200 mV的电压裕量。

（10）

为了提供一些功率裕量和更多的能量，以便可选择性地激活其它嵌入式传感器，在标签中使用了一个330 F的Cstorage电容器。实验装置包括四个读取器、便携式示波器、机器人和无电池BLE标签。把读取器排列成正方形，相邻读取器2.9 米等长间距。每个读取器都设为27 dBm发射功率。在测量过程中，标签连接便携式示波器，通过机器人恒速与读取器平行移动，标签与读取器的间距Dy保持恒定。在0.05 m/s、0.1 m/s、0.2 m/s三种不同的恒定速度下分别测量数次。图9-11所示的波形描述了在初始启动及以后的过程中电压Vstor的变化情况。这些数据是从其中一次测量中提取的，并给出了示波器获取的实验数据。这些图表还给出了根据标签速度v、读取器间距Dx、RF-DC转换器输出的平均电流Iavg、Vstor电压最大值Vh和储电电容等实验条件。此外，这些图表还给出了通过公式（5）推算出的理论上的读取器数量NoR。这些实验结果与以前的实验测量值有良好的相关性。还可以观察到，在初始启动期间，电压Vstor不会连续上升，而是根据标签的移动速度阶梯式上升。由于标签连续通过四个读取器，因此，标签在初始启动后继续保持充电和发射状态。充放电模式似乎是不规则的，并且不是周期性的，因为在标签通过读取器的过程中，Cstorage电容的瞬间充电电流随着标签的移动而变化。因此，可以观察到，当标签逐渐接近读取器时，电压Vstor的上升速率非常快，而当标签逐渐远离读取器时，上升速率较慢。充电电流的不连续性是产生不规则且非周期性的充放电模式的原因，这与通过WPT为静止标签充电的情况完全不同。这些图表证明公式（5）的估算结果是正确的。在资产跟踪系统中，初始启动是指资产第一次被跟踪识别的事件，完成初始启动阶段所需的读取器数量NoR与资产移动速度v相关，速度v越高，所需读取器数量NoR越多。最后，标签发射被跟踪资产的ID，读取器接收信息，并发送到WSN网络。

图9.标签以0.05 m/s的速度穿过读取器的实验结果

图10.标签以0.1 m/s的速度穿过读取器的实验结果

图11.标签以0.2m/s的速度穿过读取器的实验结果

系统功能验证测试是在有工业传送带的实际环境中进行的。实验装置包括一条传送带、六个便携式读取器、无电池BLE标签和便携式示波器。传送带长18 m，六个读取器设为连续发射功率27 dBm，并沿传送带一边等间距排列放置，读取器间距Dx = 2.9 m，读取器与标签间距Dy = 0.4 m，如图12所示。图13是标签和测量标签的便携式示波器。在完成初始启动阶段前，标签一直在读取器之间往返移动。在第一个实验中，标签安装了一个330 F的Cstorage电容器，在跨过第 33个读取器后，完成初始启动阶段，与公式（5）的计算结果相符。在第二个实验中，Cstorage电容降到100 F，越过13个读取器后初始启动成功，完全符合公式（5）的推算结果。

这些实验重复做三遍，实验结果相同。

图12.实验装置：读取器的放置和安装在传送带上的标签及标签所连的示波器。

图13.实验装置：安装在传送带上的标签及标签所连示波器。

6.结论

本文详细介绍了一个基于RF WPT技术的无电池BLE标签资产跟踪系统，研究目的是探索有助于最大程度减少射频读取器数量的设计见解和最佳解决方案。本着这个研究目的，本文选择了基于WPT和BLE通信的系统架构，提出一个利用最大电压Vh、RF-DC转换器的灵敏度和PCE、标签的移动速度、能耗等系统参数，计算所需最少读取器数量NoR的数学模型。本文还开发一个系统设计方法，并采用该方法计算读取器的最小数量。数学模型还针对专门设计和表征的RF-DC转换器的特定电路体系结构，提供了系统设计见解和指导原则。此外，本文还提供了无电池BLE资产跟踪标签的速度和读取器数量之间的数学关系。最后，为证明实验结果与所提出模型之间的一致性，所提出的计算最小读取器数量和测量速度的方法的可行性，本文进行了实际系统测试。

参考文献：

1. Manyika， J.; Chui， M.; Bisson， P.; Woetzel， J.; Dobbs， R.; Bughin， J.; Aharon， D. Unlocking the Potential of the Internet of Things; McKinsey Global Institute： New York， NY， USA， 2015.

2. Alioto， M. Enabling the Internet of Things： From Integrated Circuits to Integrated Systems; Springer： Berlin/Heidelberg， Germany， 2017.

3. Abella， C.; Bonina， S.; Cucuccio， A.; D’Angelo， S.; Giustolisi， G.; Grasso， A.; Imbruglia， A.; Mauro， G.; Nastasi， G.; Palumbo， G.; et al. Autonomous Energy-Efficient Wireless Sensor Network Platform for Home/Office Automation. IEEE Sensors J. 2019， 9， 3501–3512. ［CrossRef］

4. Viani， F.; Robol， F.; Polo， A.; Rocca， P.; Oliveri， G.; Massa， A. Wireless architectures for heterogeneous sensing in smart home applications： Concepts and real implementation. Proc. IEEE 2013， 101， 2381–2396. ［CrossRef］

5. Alioto， M.; Shahghasemi， M. The Internet of Things on its edge： Trends toward its tipping point. IEEE Consum. Electron. Mag. 2018， 7， 77–87. ［CrossRef］

6. Teixidó， P.; Gómez-Galán， J.; Gómez-Bravo， F.; Sánchez-Rodríguez， T.; Alcina， J.; Aponte， J. Low-Power Low-Cost Wireless Flood Sensor for Smart Home Systems. Sensors 2018， 18， 3817. ［CrossRef］

7. Guo， K.; Lu， Y.; Gao， H.; Cao， R. Artificial intelligence-based semantic internet of things in a user-centric smart city. Sensors 2018， 18， 1341. ［CrossRef］

8. Mujica， G.; Rodriguez-Zurrunero， R.; Wilby， M.; Portilla， J.; Rodríguez González， A.; Araujo， A.; Riesgo， T.; Vinagre Díaz， J. Edge and Fog Computing Platform for Data Fusion of Complex Heterogeneous Sensors. Sensors 2018， 18， 3630. ［CrossRef］

9. Andò， B.; Baglio， S.; La Malfa， S.; Pistorio， A.; Trigona， C. A smart wireless sensor network for AAL. In Proceedings of the 2011 IEEE International Workshop on Measurements and Networking Proceedings （M&N）， Anacapri， Italy， 10–11 October 2011; pp. 122–125.

10. La Rosa， R.; Dehollain， C.; Pellitteri， F.; Miceli， R.; Livreri， P. An RF Wireless Power Transfer system to power battery-free devices for asset tracking. In Proceedings of the 26th IEEE International Conference on Electronics Circuits and Systems （ICECS）， Genoa， Italy， 27–29 November 2019; pp. 1–4.

11. Zhu， M.; Hassanalieragh， M.; Chen， Z.; Fahad， A.; Shen， K.; Soyata， T. Energy-Aware Sensing in Data-Intensive Field Systems Using Supercapacitor Energy Buffer. IEEE Sensors J. 2018， 16， 3372–3383. ［CrossRef］

12. Mouapi， A.; Hakem， N.; Delisle， G.Y. A new approach to design of RF energy harvesting system to enslave wireless sensor networks. ICT Express 2017， 4， 228–233. ［CrossRef］

13. Shaikh， F.K.; Zeadally， S. Energy harvesting in wireless sensor networks： A comprehensive review. Renew. Sustain. Energy Rev. 2016， 55， 1041–1054. ［CrossRef］

14. Wu， F.; Rüdiger， C.; Yuce， M.R. Real-time performance of a self-powered environmental IoT sensor network system. Sensors 2017， 17， 282. ［CrossRef］

15. Cheung， W.F.; Lin， T.H.; Lin， Y.C. A real-time construction safety monitoring system for hazardous gas integrating wireless sensor network and building information modeling technologies. Sensors 2018， 18， 436. ［CrossRef］ ［PubMed］

16. Habibzadeh， H.; Qin， Z.; Soyata， T.; Kantarci， B. Large-scale distributed dedicated-and non-dedicated smart city sensing systems. IEEE Sensors J. 2017， 17， 7649–7658. ［CrossRef］

17. Martinez， B.; Monton， M.; Vilajosana， I.; Prades， J.D. The power of models： Modeling power consumption for IoT devices. IEEE Sensors J. 2015， 15， 5777–5789. ［CrossRef］

18. Qin， H.; Zhang， W. Zigbee-assisted power saving management for mobile devices. IEEE Trans. Mob. Comput. 2014， 13， 2933–2947. ［CrossRef］

19. Chen， J.H.; Chen， Y.S.; Jiang， Y.L. Energy-Efficient Scheduling for Multiple Latency-Sensitive Bluetooth Low Energy Nodes. IEEE Sensors J. 2018， 18， 849–859. ［CrossRef］

20. Aziz， A.A.; Sekercioglu， Y.A.; Fitzpatrick， P.; Ivanovich， M. A survey on distributed topology control techniques for extending the lifetime of battery powered wireless sensor networks. IEEE Commun. Surv. Tutorials 2013， 15， 121–144. ［CrossRef］

21. Beutel， J.; Kasten， O.; Mattern， F.; Römer， K.; Siegemund， F.; Thiele， L. Prototyping wireless sensor network applications with BTnodes. In European Workshop on Wireless Sensor Networks; Springer： Berlin/Heidelberg， Germany， 2004; pp. 323–338.

22. Nachman， L.; Kling， R.; Adler， R.; Huang， J.; Hummel， V. The Intel® Mote platform： A Bluetooth-based sensor network for industrial monitoring. In Proceedings of the 4th International Symposium on Information Processing in Sensor Networks; IEEE Press： Los Angeles， CA， USA， 2005; p. 61.

23. Livreri， P.; Castiglia， V.; Pellitteri， F.; Miceli， R. Design of a Battery/Ultracapacitor Energy Storage System for Electric Vehicle Applications. In Proceedings of the 2018 IEEE 4th International Forum on Research and Technology for Society and Industry （RTSI）， Palermo， Italy， 10–13 September 2018; pp. 1–5.

24. Pellitteri， F.; Castiglia， V.; Livreri， P.; Miceli， R. Analysis and design of bi-directional DC-DC converters for ultracapacitors management in EVs. In Proceedings of the 2018 Thirteenth International Conference on Ecological Vehicles and Renewable Energies （EVER）， Monte-Carlo， Monaco， 10–12 April 2018; pp. 1–6.

25. Yamawaki， A.; Serikawa， S. Battery Life Estimation of Sensor Node with Zero Standby Power Consumption. In Proceedings of the 2016 IEEE Intl Conference on Computational Science and Engineering （CSE） and IEEE Intl Conference on Embedded and Ubiquitous Computing （EUC） and 15th Intl Symposium on Distributed Computing and Applications for Business Engineering （DCABES）， Paris， France， 24–26 August 2016; pp. 166–172.

26. La Rosa， R.; Trigona， C.; Andò， B.; Baglio， S. MEMS based Transducer for Zero-Energy Standby Application. In Proceedings of the 2019 II Workshop on Metrology for Industry 4.0 and IoT （MetroInd4. 0&IoT）， Naples， Italy， 4–6 June 2019; pp. 12–15.

27. Perilli， L.; Scarselli， E.F.; La Rosa， R.; Canegallo， R. Wake-Up Radio Impact in Self-Sustainability of Sensor and Actuator Wireless Nodes in Smart Home Applications. In Proceedings of the 2018 Ninth International Green and Sustainable Computing Conference （IGSC）， Pittsburgh， PA， USA， 22–24 October 2018; pp. 1–7.

28. La Rosa， R.; Aiello， N.; Zoppi， G. An innovative system capable to turn on any turned off electrical appliance by means of an efficient optical energy transfer. In Proceedings of the PCIM Europe 2014， International Exhibition and Conference for Power Electronics， Intelligent Motion， Renewable Energy and Energy Management， Nuremberg， Germany， 20–22 May 2014; VDE:VERLAG GMBH： Berlin， Germany; Offenbach， Germany， 2014; pp. 1559–1566.

29. La Rosa， R.; Aiello， N.; Zoppi， G. RF remotely-powered integrated system to nullify standby power consumption in electrical appliances. In Proceedings of the 42nd Annual Conference of the IEEE Industrial Electronics Society （IECON 2016）， Florence， Italy， 23–26 October 2016; pp. 1162–1164.

30. Trigona， C.; Andò， B.; Baglio， S.; La Rosa， R.; Zoppi， G. Vibration-based Transducer for Zero-Energy standby applications. In Proceedings of the Sensors Applications Symposium （SAS）， Catania， Italy， 20–22 April 2016; pp. 1–4.

31. Trigona， C.; Ando’， B.; Baglio， S.; La Rosa， R.; Zoppi， G. Sensors for Kinetic Energy Measurement Operating on “Zero-Current Standby”。 IEEE Trans. Instrum. Meas. 2017， 66， 812–820. ［CrossRef］

32. Gerber， D.; Meier， A.; Hosbach， R.; Liou， R. Zero Standby Solutions with Optical Energy Harvesting from a Laser Pointer. Electronics 2018， 7， 292. ［CrossRef］

33. Bedogni， L.; Bononi， L.; Canegallo， R.; Carbone， F.; Di Felice， M.; Scarselli， E.F.; Montori， F.; Perilli， L.; Cinotti， T.S.; Trotta， A. Dual-Mode Wake-Up Nodes for IoT Monitoring Applications： Measurements and Algorithms. In Proceedings of the 2018 IEEE International Conference on Communications （ICC）， Kansas City， MO， USA， 20–24 May 2018; pp. 1–7.

34. Trotta， A.; Di Felice， M.; Bononi， L.; Natalizio， E.; Perilli， L.; Scarselli， E.F.; Cinotti， T.S.; Canegallo， R. BEE-DRONES： Energy-efficient Data Collection on Wake-Up Radio-based Wireless Sensor Networks. In Proceedings of the IEEE INFOCOM 2019-IEEE Conference on Computer Communications Workshops （INFOCOM WKSHPS）， Paris， France， 29 April–2 May 2019; pp. 547–553.

35. Rosa， R.L.; Zoppi， G.; Finocchiaro， A.; Papotto， G.; Donato， L.D.; Sorbello， G.; Bellomo， F.; Carlo， C.A.D.; Livreri， P. An over-the-distance wireless battery charger based on RF energy harvesting. In Proceedings of the 2017 14th International Conference on Synthesis， Modeling， Analysis and Simulation Methods and Applications to Circuit Design （SMACD）， Giardini Naxos， Italy， 12–15 June 2017; pp. 1–4.

36. de Fazio， R.; Cafagna， D.; Marcuccio， G.; Visconti， P. Limitations and Characterization of Energy Storage Devices for Harvesting Applications. Energies 2020， 13， 783. ［CrossRef］

37. Selvan， S.; Zaman， M.; Gobbi， R.; Wong， H.Y. Recent advances in the design and development of radio frequency-based energy harvester for powering wireless sensors： A review. J. Electromagn. Waves Appl. 2018， 32， 2110–2134. ［CrossRef］

38. Pandey， S.; Zalke， J.; Nandanwar， R.; Verma， A. Design and Analysis of Piezoelectric Energy Harvesting Circuit for Rechargeable Ultra-Low Weight Lithium-Ion Batteries. J. Eng. Sci. Technol. Rev. 2018， 11， 77–83. ［CrossRef］

39. Altinel， D.; Kurt， G.K. Modeling of Multiple Energy Sources for Hybrid Energy Harvesting IoT Systems. IEEE Internet Things J. 2019， 6， 10846–10854. ［CrossRef］

40. Anwar， A.; Shah， S.T.; Hasan， S.F.; Shin， D.R. SWIPT-Based Three-Step Multiplicative Amplify-and-Forward Two-Way Relay Networks with Non-Linear Energy Conversion Model. In Proceedings of the 2018 IEEE 4th International Conference on Computer and Communications （ICCC）， Chengdu， China， 7–10 December 2018; pp. 152–157.

41. La Rosa， R.; Dehollain， C.; Pillitteri， F.; Miceli， R.; Livreri， P. A Battery-free Asset Monitoring System based on RF Wireless Power Transfer. In Proceedings of the 2020 IEEE 20th Melecon Conference， Palermo， Italy， 16–18 June 2020; pp. 1–4.

42. La Rosa， R.; Zoppi， G.; Di Donato， L.; Sorbello， G.; Di Carlo， C.; Livreri， P. A Battery-Free Smart Sensor Powered with RF Energy. In Proceedings of the 2018 IEEE 4th International Forum on Research and Technology for Society and Industry （RTSI）， Palermo， Italy， 10–13 September 2018; pp. 1–4.

43. La Rosa， R.; Trigona， C.; Zoppi， G.; Di Carlo， C.; Di Donato， L.; Sorbello， G. RF energy scavenger for battery-free Wireless Sensor Nodes. In Proceedings of the 2018 IEEE International Instrumentation and Measurement Technology Conference （I2MTC）， Houston， TX， USA， 14–17 May 2018; pp. 1–5.

44. Castorina， G.; Di Donato， L.; Morabito， A.F.; Isernia， T.; Sorbello， G. Analysis and design of a concrete embedded antenna for wireless monitoring applications ［antenna applications corner］。 IEEE Antennas Propag. Mag. 2016， 58， 76–93. ［CrossRef］

45. Mauro， G.; Castorina， G.; Morabito， A.; Di Donato， L.; Sorbello， G. Effects of lossy background and rebars on antennas embedded in concrete structures. Microw. Opt. Technol. Lett. 2016， 58， 2653–2656. ［CrossRef］

46. Loubet， G.; Takacs， A.; Dragomirescu， D. Implementation of a battery-free wireless sensor for cyber-physical systems dedicated to structural health monitoring applications. IEEE Access 2019， 7， 24679–24690. ［CrossRef］

47. Loubet， G.; Takacs， A.; Gardner， E.; De Luca， A.; Udrea， F.; Dragomirescu， D. LoRaWAN battery-free wireless sensors network designed for structural health monitoring in the construction domain. Sensors 2019， 19， 1510. ［CrossRef］

48. Dargie， W. Dynamic power management in wireless sensor networks： State-of-the-art. IEEE Sensors J. 2012， 12， 1518–1528. ［CrossRef］

49. Lee， D.S.; Liu， Y.H.; Lin， C.R. A wireless sensor enabled by wireless power. Sensors 2012， 12， 16116–16143. ［CrossRef］

50. Grasso， L.; Sorbello， G.; Ragonese， E.; Palmisano， G. Codesign of Differential-Drive CMOS Rectifier and Inductively Coupled Antenna for RF Harvesting. IEEE Trans. Microw. Theory Tech. 2019， 68， 365–376. ［CrossRef］

51. La Rosa， R.; Livreri， P.; Trigona， C.; Di Donato， L.; Sorbello， G. Strategies and Techniques for Powering Wireless Sensor Nodes through Energy Harvesting and Wireless Power Transfer. Sensors 2019， 19， 2660. ［CrossRef］

52. Kazanc， O.; Maloberti， F.; Dehollain， C. Remotely-powered front-end at 2.45 GHz for real-time continuous temperature sensing. In Proceedings of the 2018 IEEE International Conference On Rfid （Rfid）， Orlando， FL， USA， 10–12 April 2018; pp. 1–7.

53. Di Carlo， C.; Di Donato， L.; Mauro， G.; La Rosa， R.; Livreri， P.; Sorbello， G. A circularly polarized wideband high gain patch antenna for wireless power transfer. Microw. Opt. Technol. Lett. 2018， 60， 620–625. ［CrossRef］

54. Pizzotti， M.; Perilli， L.; Del Prete， M.; Fabbri， D.; Canegallo， R.; Dini， M.; Masotti， D.; Costanzo， A.; Franchi Scarselli， E.; Romani， A. A long-distance RF-powered sensor node with adaptive power management for IoT applications. Sensors 2017， 17， 1732. ［CrossRef］ ［PubMed］

55. Baroi， S.; Islam， M.S.; Baroi， S. Design and Simulation of Different Wireless Power Transfer Circuits. In Proceedings of the 2017 2nd International Conference on Electrical & Electronic Engineering （ICEEE）， Rajshahi， Bangladesh， 27–29 December 2017; pp. 1–4.

56. Ghanad， M.; Green， M.; Dehollain， C. A 30 W Remotely Powered Local Temperature Monitoring Implantable System. IEEE Trans. Biomed. Circuits Syst. 2017， 11， 54. ［CrossRef］

57. Soyata， T.; Copeland， L.; Heinzelman， W. RF energy harvesting for embedded systems： A survey of tradeoffs and methodology. IEEE Circuits Syst. Mag. 2016， 16， 22–57. ［CrossRef］

58. Kapucu， K.; Dehollain， C. A passive UHF RFID platform for sensing applications. In Proceedings of the 2015 6th International Workshop on Advances in Sensors and Interfaces （IWASI）， Gallipoli， Italy， 18–19 June 2015; pp. 146–151.

59. Kilinc， E.G.; Ghanad， M.A.; Maloberti， F.; Dehollain， C. A remotely powered implantable biomedical system with location detector. IEEE Trans. Biomed. Circuits Syst. 2014， 9， 113–123. ［CrossRef］

60. Kazanc， O.; Rodríguez-Rodríguez， J.A.; Delgado-Restitute， M.; Maloberti， F.; Dehollain， C. Far-field UHF remotely powered front-end for patient monitoring with wearable antenna. In Proceedings of the 2013 IEEE 11th International New Circuits and Systems Conference （NEWCAS）， Paris， France， 16–19 June 2013; pp. 1–4.

61. Piñuela， M.; Mitcheson， P.D.; Lucyszyn， S. Ambient RF energy harvesting in urban and semi-urban environments. IEEE Trans. Microw. Theory Tech. 2013， 61， 2715–2726. ［CrossRef］

62. Zhang， Y.; Zhang， F.; Shakhsheer， Y.; Silver， J.D.; Klinefelter， A.; Nagaraju， M.; Boley， J.; Pandey， J.; Shrivastava， A.; Carlson， E.J.; et al. A Batteryless 19 uW MICS/ISM-Band Energy Harvesting Body Sensor Node SoC for ExG Applications. IEEE J. Solid State Circuits 2013， 48， 199–213. ［CrossRef］

63. Percy， S.; Knight， C.; Cooray， F.; Smart， K. Supplying the power requirements to a sensor network using radio frequency power transfer. Sensors 2012， 12， 8571–8585. ［CrossRef］

64. Kazanc， O.; Maloberti， F.; Dehollain， C. Simulation oriented rectenna design methodology for remote powering of wireless sensor systems. In Proceedings of the 2012 IEEE International Symposium on Circuits and Systems， Seoul， Korea， 20–23 May 2012; pp. 2877–2880.

65. Chen， G.; Fojtik， M.; Kim， D.; Fick， D.; Park， J.; Seok， M.; Chen， M.T.; Foo， Z.; Sylvester， D.; Blaauw， D. Millimeter-scale nearly perpetual sensor system with stacked battery and solar cells. In Proceedings of the 2010 IEEE International Solid-State Circuits Conference-（ISSCC）， San Francisco， CA， USA， 7–11 February 2010; pp. 288–289.

66. Pillin， N.; Joehl， N.; Dehollain， C.; Declercq， M.J. Wireless voltage regulation for passive transponders using an if to communicate. IEEE Trans. Circuits Syst. I： Regul. Pap. 2009， 57， 714–724. ［CrossRef］

67. Lee， D. Energy harvesting chip and the chip based power supply development for a wireless sensor network. Sensors 2008， 8， 7690–7714. ［CrossRef］

68. Friis， H.T. A note on a simple transmission formula. Proc. IRE 1946， 34， 254–256. ［CrossRef］

69. Sidhu， R.K.; Ubhi， J.S.; Aggarwal， A. A Survey Study of Different RF Energy Sources for RF Energy Harvesting. In Proceedings of the 2019 International Conference on Automation， Computational and Technology Management （ICACTM）， London， UK， 24–26 April 2019; pp. 530–533.

70. Bae， J.; Yi， S.H.; Choi， W.; Koo， H.; Hwang， K.C.; Lee， K.Y.; Yang， Y. 5.8 GHz High-Efficiency RF–DC Converter Based on Common-Ground Multiple-Stack Structure. Sensors 2019， 19， 3257. ［CrossRef］ ［PubMed］

71. Bluetooth. 2010. Available online： https://www.Bluetooth.com/specifications accessed on 20 May 2020）。

72. Larosa， R.; Zoppi， G. Method of Operating Radio-Frequency Powered Devices， Corresponding Circuit and Device. U.S. Patent Application No. 15/975，347， 1 January 2018.

73. Gosselin， P.; Puddu， R.; Carreira， A.; Ghanad， M.; Barbaro， M.; Dehollain， C. A CMOS automatic tuning system to maximize remote powering efficiency. In Proceedings of the 2017 IEEE International Symposium on Circuits and Systems （ISCAS）， Baltimore， MD， USA， 28–31 May 2017; pp. 1–4.

74. Scorcioni， S.; Bertacchini， A.; Larcher， L. A 868MHz CMOS RF-DC power converter with- 17dBm input power sensitivity and efficiency higher than 40% over 14dB input power range. In Proceedings of the 2012 Proceedings of the ESSCIRC （ESSCIRC）， Bordeaux， France， 17–21 September 2012; pp. 109–112.

75. Bertacchini， A.; Larcher， L.; Maini， M.; Vincetti， L.; Scorcioni， S. Reconfigurable RF energy harvester with customized differential PCB antenna. J. Low Power Electron. Appl. 2015， 5， 257–273. ［CrossRef］

76. Abdelhalem， S.H.; Gudem， P.S.; Larson， L.E. An RF–DC converter with wide-dynamic-range input matching for power recovery applications. IEEE Trans. Circuits Syst. II Express Briefs 2013， 60， 336–340. ［CrossRef］

77. Lu， Y.; Dai， H.; Huang， M.; Law， M.K.; Sin， S.W.; Seng-Pan， U.; Martins， R.P. A wide input range dual-path CMOS rectifier for RF energy harvesting. IEEE Trans. Circuits Syst. II Express Briefs 2016， 64， 166–170. ［CrossRef］

78. Xu， H.; Lorenz， M.; Bihr， U.; Anders， J.; Ortmanns， M. Wide-band efficiency-enhanced CMOS rectifier. In Proceedings of the 2014 IEEE International Symposium on Circuits and Systems （ISCAS）， Melbourne， VIC， Australia， 1–5 June 2014; pp. 614–617.

79. La Rosa， R. Power Tracking Circuit， Corresponding System and Method. U.S. Patent Application No. 16/283，067， 1 January 2019.

80. Dickson， J.F. On-chip high-voltage generation in MNOS integrated circuits using an improved voltage multiplier technique. IEEE J. Solid State Circuits 1976， 11， 374–378. ［CrossRef］

81. lairdtech. 2018. Available online： https://www.lairdtech.com/datasheet-revie-pro-0618pdf （accessed on 20 May 2020）.