CN112235027B - 一种基于磁谐振的mimo充电并行通信方法 - Google Patents

Abstract

一种基于磁谐振的MIMO充电并行通信方法，所述该方法包括发射端TX部署和接收端RX部署，其中发射端TX部署包括：TX线圈、TX电压控制、TX电流测量、TX控制器，接收端RX部署包括四个部分：RX线圈、整流稳压器、振荡电流、RX控制器，所述发射端TX部署和接收端RX部署之间通过MRC‑WPT系统控制，并且MRC‑WPT系统由N个TXs和Q个RXs组成，且该系统的通信方式为以下步骤：步骤1：充电环境感知。步骤2：自适应充电完通信，本发明可以对无线充电进行优化充电，对无线磁充电的应用有着积极影响，有利于无线充电的发展。

Description

一种基于磁谐振的MIMO充电并行通信方法

技术领域

本发明涉及一种基于磁谐振的MIMO充电并行通信方法，属于无线充电、无线通讯、传输领域。

背景技术

随着数十亿部智能设备的销售和使用，给这些设备充电成为了一个越来越重要的问题。无线电能传输(Wireless power transfer)技术已经有100多年的历史了，它正在渗透到各个领域，例如医疗保健、汽车和消费设备。该技术应用在智能设备中，极大地扩展了智能设备的应用范围，增强了其可用性和可移动性，从而给这些新设备地使用带来了极大的便利。与传统的有线充电方案相比，无线充电摆脱了繁杂的电线困扰，被充电设备可以更加自由地移动。无线充电避免了接触电线的风险，大大增加了充电的安全性。

目前，主要有以下三种方法用于实现无线充电技术，即：射频充电(RadioCharging)，电感耦合充电(Inductive Coupling Charging，或称磁耦合充电)，磁谐振耦合充电(Magnetic Resonant Coupling Charging)[1]-[3]。射频充电具有很高的灵活性和较长的充电距离(大约10米)，但传输效率较低。电感耦合充电和磁谐振耦合充电的物理原理相同：交变磁场在闭合的导线回路中产生感生电流。基于电感耦合(IC)的无线充电实现仍然需要我们将接收器放在充电板(发射端)上，这是由于电感耦合充电仅有几厘米的操作距离。然而，磁谐振耦合(MRC)无线电能传输系统利用谐振将充电距离提高到几十厘米。磁谐振耦合技术使得无线充电的距离获得了较大的提升，并且提升了能量传输效率，因此，该技术引起了工业界和学术界的广泛关注。在业界，多个无线充电组织已经提出了相应的无线充电系统规范，例如无线充电联盟(WPC)提出的Qi协议，以及无线电力联盟(A4WP)提出的Rezence规范。

然而，当前已经商用的无线充电技术普遍是仅有一个电力发送单元，并且仅支持一个接受端获取能量的场景，即通常系统中仅有一个能量发射端(TX)和一个能量接收端(RX)。这种一对一的充电方式的充电距离接近于零距离，即需要接收端贴合发射端。当然，现有的文献中已经研究了具有多个发射端和/或多个接收端的无线电能传输场景。在多输入多输出(MIMO)场景中，最引人注目的是磁波束成形技术(beamforming)，该技术能够实现更为灵活和高效的能量传输。这些相关技术在文献[4]-[6]中有详细的介绍和描述。

但是，在多输入多输出场景中，当前的无线充电系统仍然是一个不完善的系统，该系统仍然缺乏一种有效的手段快速获取接收端信息，包括接收端的阻抗大小，接收端的能量需求等。这就限制了多对多磁谐振无线充电系统的能力，使得该系统不能快速感知，高效充电。当前，有研究发现可以使用带外(额外的硬件设备，例如蓝牙)通信的方式获取接收端的信息。但是此种方式会带来额外的能量损耗并且会占用一些频带，不利于未来在智能设备中的扩展。基于此，我们创新地提出了一种带内(不需要额外的硬件支持)并行通信方案。该方案可以高速有效地建立发射端和接收端之间的通信，并获取接收端的相关信息，进而实现高效无线充电。

发明内容

本发明的目的是为了解决多对多无线充电场景下的带内并行通信问题，实现支持多设备，快速，高效的自适应无线充电方案，主要通过执行充电环境感知和自适应充电两个任务来完成。通过两个系统的部署，本专利的技术方案如下：一种基于磁谐振的MIMO充电并行通信方法，所述该方法包括发射端(TX)部署和接收端(RX)部署，其中发射端(TX)部署包括：TX线圈、TX电压控制、TX电流测量、TX控制器，接收端(RX)部署包括四个部分：RX线圈、整流稳压器、振荡电流、RX控制器，所述发射端(TX)部署和接收端(RX)部署之间通过MRC-WPT系统控制，并且MRC-WPT系统由N个TXs和Q个RXs组成，且该系统的通信方式为以下步骤：

步骤1：充电环境感知。

步骤2：自适应充电。

作为优选：所述步骤1中充电环境感知由信道估计和并行通信两个阶段组成，其中信道估计主要由三个步骤，分别是：

a、低秩状态生成：在这个模块中，我们采取了“Query-Response”机制来实现低秩状态生成。发射端发送“State Generation”命令到接收端，此命令包含两个信息，分别是每个RX随机“On”的概率ε和响应的时隙数目Y。RXs在收到命令后，以ε的概率在接下来的Y个时隙中随机“On”。所以在每个时隙中，我们可以得到一组RX组合状态。如果在多个时隙中，都产生了空状态(即没有一个RX“On”)，我们需要加一个固定值到之前的概率上得到新的概率值为：ε+Δε。相反，如果在多个时隙中，RX处于“On”连接的数目过多，我们需要将概率值减小到ε/2。使用这种机制，可以得到只有少数RX处于“On”连接的状态，即低秩状态。初始时，我们需要决定可能的接收端数目为QEST和最大的可接受的秩值K。初始概率ε₀可由最大化公式

决定，可用二分法求得初始概率ε₀。

b、信道矩阵恢复：对于一个给定的RX组合状态，如果有|S|个RX处于“On”状态，其信道矩阵

的秩是

我们需要先获得信道矩阵，再通过信道矩阵的值判断它是否为一个低秩状态。公式(2)

可以被重写为：

其中

Z_T可以离线测量的，因此我们设置一组电压

就可以得到一组相应的电流

将这样的一组电压和电流称为对信道矩阵H_S的一个观察。通过一组非线性观察，可以恢复出信道矩阵。具体方法分为以下三步，1.观察生成：我们将一个时隙分割成多个微时隙MTS，在每个MTS中施加非线性变化的电压，从而得到多个观察。2.矩阵恢复：通过一个基于核范数最小化的方法解决在K个非线性观察恢复低秩K矩阵，该方法能够抵抗一些测量噪声。3.秩判断：恢复出信道矩阵后，需要对信道矩阵的秩进行判断，判断该低秩状态是否是一个可接受的状态，将符合条件的状态送入下一模块进行计算，并将结果反馈给低秩状态生成模块，使得低秩状态生成模块进行相应地调整。c、信道环境计算：信道矩阵恢复所产生的可用状态都被送入信道环境计算模块，这个模块的主要作用是推断出RX的个数和它们对应的信道环境。公式(3)

显示出一个状态的信道矩阵可以被分解成与RX相关的项。我们的方法首先需要识别出每个状态对应的RX，由于信道矩阵是可以进行加减运算的，从而能构造出单个RX处于“On”状态的信道矩阵，之后对单个RX“On”连接的信道矩阵进行分解。我们使用一个在线算法来处理RX分配，每当进入一个新状态，执行算法一次。该算法多次执行后，会过滤去掉错误的分配结果，得到唯一正确的分配结果。该算法可能会产生多个同构的分配结果，只需对RX序号进行交换处理。在得到单个RX“On”的信道矩阵

后，对这个秩为1的矩阵可以采用特征分解的方法，即

其中λ为信道矩阵的非零特征值，

为非零特征值对应的特征向量。至此，我们可以得到每个RX到所有发射端的互感向量。

作为优选：所述并行通信的方式为：发射端下发“User Communication”命令，所有RXs开始进行并行反馈通信，RXs通过OOK调制机制上传它们的信息。上传的信息包括负载电阻，能量需求等。

在TX端执行并行解码，以识别每个时隙中RX的组合状态。由于高秩状态的信道矩阵可能无法恢复，因此无法通过比较它们的理论信道矩阵和测量的信道矩阵来识别状态。因此，我们提出了基于TX电流比较的解码方法，可以总结如下。首先，我们将为不同的MTS选择合适的TX电压设置。接下来，我们根据电路方程式计算每个MTS中每个状态的预期TX电流。然后，我们在一个MTS上测量TX电流，并比较预期和测量的TX电流，以确定可能的状态候选。最后，将来自不同MTS的候选状态合并在一起，为最终结果投票。

为了提高解码精度，我们通过选择TX电压设置以扩大任意状态的预期TX电流向量的距离。对于给定的TX电压向量

预期的两个状态S₁和S₂之间的电流区别可以表示为

其中

我们可以通过解决下列优化问题以扩大两个状态S₁和S₂之间的距离。

上标(*)表示共轭转置，μ是一个由硬件实现决定的参数。由于BB^*是一个厄米特矩阵，对其分解可以得到一组非零特征值和一组对应的特征向量。用

表示最大的特征值，用

表示对应的特征向量。则求得的电压为

对应的距离为

我们提出了一种基于贪婪的算法来为每个MTS选择TX电压设置。我们为第一个MTS选择给定的TX电压向量(例如，每个TX的电压相等)。然后，对于每个其他的MTS，我们选择具有最小解出的距离的状态对，从而获得当前MTS的TX电压设置。

作为优选：所述自适应充电方式为：在收集到RX相关的信息后，根据信息对接收端进行优化充电。我们的目标是最大化加权的负载能量传输效率。该问题可以用如下公式表示：

其中

表示负载电阻,w_q表示该RX的充电需求权重。该问题解决方法可以总结如下：

其中R_T，R_R，W表示TX电阻，RX电阻和RX权重的对角矩阵。值得注意的是，这里的RX电阻是线圈电阻和负载电阻之和。对于权重W，由于优化的目标是RX负载，所以权重的值为

表示RX总电阻。该问题最优的加权负载能量传输效率等于

分解得到的最大非零特征值。所以我们将

设置为

的最大特征值对应的特征向量乘以一个放缩因子以满足总功率限制。最后，我们可以通过公式(2)

得到需要设置的电压

作为优选：所述信道矩阵的计算方法为：通过基尔霍夫定律，我们可以得到下列公式：

这里

M，Z_R，Z_T，ω分别表示TX电流向量，TX电压向量，RX电流向量，RX-TX互感矩阵，RX-RX阻抗和互感矩阵，TX-TX阻抗和互感矩阵，谐振频率。详细的符号解释在表1中给出。

依据公式(2)，可以发现所有跟RX互感有关的变量都在项

中，因此，我们将

定义为信道矩阵，又因为接收端线圈较小，且它们互相之间离得较远，接收端线圈之间的互感要比发射端之间的互感小一到两个数量级，所以可以忽略接收端之间的互感，因此上述信道矩阵表达式可以进一步简化为下式：

其中

是接收端线圈的阻抗。

本发明提升了无线充电的能力，完成了无线充电的并行通信工作，可以对无线充电进行优化充电，对无线磁充电的应用有着积极影响，有利于无线充电的发展，目前无线充电局限于一对一充电，本发明可同时为多个设备供电，有着实际的应用前景，在本发明的系统中，能够在短时间内完成环境感知，通过反馈通信获取接收端信息，进而进行自适应优化充电。

附图说明

图1是系统框架图；

图2是系统电路示意图；

图3是系统示意图；

图4是系统工作流程；

图5是系统实施例模型图。

具体实施方式

下面将结合附图对本发明作详细的介绍：图1-5所示，一种基于磁谐振的MIMO充电并行通信方法，它包括第一部分是发射端(TX)部署，主要包括四个部分：TX线圈；TX电压控制；TX电流测量；TX控制器。

a.TX线圈：我们使用多个相同的由印刷电路板制成的均质发射端线圈，半径为15厘米，面积为0.0707平方米，能够保证发射端线圈的一致性。

b.TX电压控制：TX电压由通过AD9959高频信号生成芯片生成的正弦信号驱动，并通过ADA4870放大器芯片进行放大。因此，AD9959可以调整每个TX的电压设置，包括幅度和相位，我们将TX电压转换的频率设置为8KHz。

c.TX电流测量：我们使用AD8302测量TX电流，并使用ADS1256将结果传输到TX控制器。ADS1256的最大采样率为33KHz，足以满足8KHzTX电压跳变的需要。

d.TX控制器：MCUSTM32F405在我们的系统中充当TX控制器，并执行充电环境感知和自适应充电任务。它从芯片ADS1256收集测量结果，并通过芯片AD9959控制TX电压。第二部分是接收端(RX)部署，主要包括四个部分：RX线圈；整流稳压器；振荡电流；RX控制器。

a.我们实现了异构的RX线圈来支持不同的充电设备。我们使用三个不同的线圈，半径分别为4.25cm,3.75cm和2.60cm。

b.通过使用高频整流桥和稳压器，RX可以输出5V的直流电流。因此，它可以支持通过USB端口充电的设备。

c.我们使用电子光伏开关LTV-816实现与Qi规格兼容的振荡电路。我们选择2KHz作为RX开关频率，以保持与Qi规格的一致性。

d.RX控制器由Arduinonano实现，可解码来自TX的命令，并执行相应的响应。此外，RX控制器定期从基于AD8302的电路中收集测量结果，并上传RX相关信息。

如图2所示：

在RX电路的设计上，我们遵循了Qi协议所规范的电路设计，如图2所示。因此，RX电路存在三种连接方式，分别是“On”,“Off”和“Charging”。在“On”和“Off”连接时，电路中的负载并没有接入。在充电情景感知阶段，RX开关开始振荡，在“On”和“Off”之间切换，就代表了数据位“1”和“0”。在这个阶段，负载不会影响情景感知。RX开关控制是系统通信的基础。

如图3所示，所提出的MRC-WPT系统由N个TXs、Q个RXs组成。该系统采用磁谐振技术，其中自感和电容在每个TX或RX上调谐，使他们的影响相互抵消。因而我们可以在电路公式中忽略这一部分。

应用基尔霍夫定律，我们可以得到下列公式：

这里

M，Z_R，Z_T，ω分别表示TX电流向量，TX电压向量，RX电流向量，RX-TX互感矩阵，RX-RX阻抗和互感矩阵，TX-TX阻抗和互感矩阵，谐振频率。详细的符号解释在表1中给出。

依据公式(2)

可以发现所有跟RX互感有关的变量都在项

中，因此，我们将

定义为信道矩阵，又因为接收端线圈较小，且它们互相之间离得较远，接收端线圈之间的互感要比发射端之间的互感小一到两个数量级，所以可以忽略接收端之间的互感，因此上述信道矩阵表达式可以进一步简化为下式：

其中

是接收端线圈的阻抗。信道矩阵是并行通信的关键，只有得到正确的信道矩阵，才能保证并行通信的顺利完成。

表1符号解释

如图4所示：

我们的系统工作在多对多无线充电环境下，以多轮循环的方式工作。在每一轮中，主要包含充电环境感知和自适应充电两个阶段。“Context Sensing”表示充电环境感知，又可以分为“Channel Estimation”(信道估计)和“Parallel Communication”(并行通信)两个阶段。

信道估计主要由三个步骤完成，分别是“Low rank state generation”(低秩状态生成)，“Channel matrix recovery”(信道矩阵恢复)，“Channel calculation”(信道环境计算)。

a.低秩状态生成：在这个模块中，我们采取了“Query-Response”机制来实现低秩状态生成。发射端发送“State Generation”命令到接收端，此命令包含两个信息，分别是每个RX随机“On”的概率ε和响应的时隙数目Y。RXs在收到命令后，以ε的概率在接下来的Y个时隙中随机“On”。所以在每个时隙中，我们可以得到一组RX组合状态。如果在多个时隙中，都产生了空状态(即没有一个RX“On”)，我们需要加一个固定值到之前的概率上得到新的概率值为：ε+Δε。相反，如果在多个时隙中，RX处于“On”连接的数目过多，我们需要将概率值减小到ε/2。使用这种机制，可以得到只有少数RX处于“On”连接的状态，即低秩状态。初始时，我们需要决定可能的接收端数目为Q^EST和最大的可接受的秩值K。初始概率ε₀可由最大化公式

决定，可用二分法求得初始概率ε₀。

b.信道矩阵恢复：对于一个给定的RX组合状态，如果有|S|个RX处于“On”状态，其信道矩阵

的秩是

我们需要先获得信道矩阵，再通过信道矩阵的值判断它是否为一个低秩状态。公式(2)

可以被重写为：

其中

Z_T可以离线测量的，因此我们设置一组电压

就可以得到一组相应的电流

将这样的一组电压和电流称为对信道矩阵H_S的一个观察。通过一组非线性观察，可以恢复出信道矩阵。具体方法分为以下三步，1.观察生成：我们将一个时隙分割成多个微时隙MTS，在每个MTS中施加非线性变化的电压，从而得到多个观察。2.矩阵恢复：通过一个基于核范数最小化的方法解决在K个非线性观察恢复低秩K矩阵，该方法能够抵抗一些测量噪声。3.秩判断：恢复出信道矩阵后，需要对信道矩阵的秩进行判断，判断该低秩状态是否是一个可接受的状态，将符合条件的状态送入下一模块进行计算，并将结果反馈给低秩状态生成模块，使得低秩状态生成模块进行相应地调整。c.信道环境计算：信道矩阵恢复所产生的可用状态都被送入信道环境计算模块，这个模块的主要作用是推断出RX的个数和它们对应的信道环境。公式(3)

显示出一个状态的信道矩阵可以被分解成与RX相关的项。我们的方法首先需要识别出每个状态对应的RX，由于信道矩阵是可以进行加减运算的，从而能构造出单个RX处于“On”状态的信道矩阵，之后对单个RX“On”连接的信道矩阵进行分解。我们使用一个在线算法来处理RX分配，每当进入一个新状态，执行算法一次。该算法多次执行后，会过滤去掉错误的分配结果，得到唯一正确的分配结果。该算法可能会产生多个同构的分配结果，只需对RX序号进行交换处理。在得到单个RX“On”的信道矩阵

后，对这个秩为1的矩阵可以采用特征分解的方法，即

其中λ为信道矩阵的非零特征值，

为非零特征值对应的特征向量。至此，我们可以得到每个RX到所有发射端的互感向量M^q。

在完成信道估计后，就可以进行RX并行通信了，发射端下发“UserCommunication”命令，所有RXs开始进行并行反馈通信，RXs通过OOK调制机制上传它们的信息。上传的信息包括负载电阻，能量需求等。

在TX端执行并行解码，以识别每个时隙中RX的组合状态。由于高秩状态的信道矩阵可能无法恢复，因此无法通过比较它们的理论信道矩阵和测量的信道矩阵来识别状态。因此，我们提出了基于TX电流比较的解码方法，可以总结如下。首先，我们将为不同的MTS选择合适的TX电压设置。接下来，我们根据电路方程式计算每个MTS中每个状态的预期TX电流。然后，我们在一个MTS上测量TX电流，并比较预期和测量的TX电流，以确定可能的状态候选。最后，将来自不同MTS的候选状态合并在一起，为最终结果投票。

为了提高解码精度，我们通过选择TX电压设置以扩大任意状态的预期TX电流向量的距离。对于给定的TX电压向量

预期的两个状态S₁和S₂之间的电流区别可以表示为

其中

我们可以通过解决下列优化问题以扩大两个状态S₁和S₂之间的距离。

上标(*)表示共轭转置，μ是一个由硬件实现决定的参数。由于BB^*是一个厄米特矩阵，对其分解可以得到一组非零特征值和一组对应的特征向量。用

表示最大的特征值，用

表示对应的特征向量。则求得的电压为

对应的距离为

我们提出了一种基于贪婪的算法来为每个MTS选择TX电压设置。我们为第一个MTS选择给定的TX电压向量(例如，每个TX的电压相等)。然后，对于每个其他的MTS，我们选择具有最小解出的距离的状态对，从而获得当前MTS的TX电压设置。

“Adaptive Charging”表示自适应充电。在收集到RX相关的信息后，根据信息对接收端进行优化充电。我们的目标是最大化加权的负载能量传输效率。该问题可以用如下公式表示：

其中

表示负载电阻,w_q表示该RX的充电需求权重。该问题解决方法可以总结如下：

其中R_T，R_R，W表示TX电阻，RX电阻和RX权重的对角矩阵。值得注意的是，这里的RX电阻是线圈电阻和负载电阻之和。对于权重W，由于优化的目标是RX负载，所以权重的值为

表示RX总电阻。该问题最优的加权负载能量传输效率等于

分解得到的最大非零特征值。所以我们将

设置为

的最大特征值对应的特征向量乘以一个放缩因子以满足总功率限制。最后，我们可以通过公式(2)

得到需要设置的电压

实施方式举例

如图5所示，本发明的所有部分，采用了4个发射端TX，10个接收端RX，其中RX线圈是异构的，并有着三种不同的负载，包括手机，USB电风扇和USB灯。

TX控制器为MCUSTM32F405单片机，主要执行充电环境感知和自适应充电任务。RX控制器由Arduinonano实现，可解码来自TX的命令，并执行相应的响应，同时也能够收集RX相关信息并上传给TX端。

该系统成功点亮了10个接收端，说明该系统支持大规模充电。

系统中，所有发射端、接收端的谐振频率均为1.05MHz，这处在普通无线电能传输系统的频率范围内，也不会干扰其他的无线设备的频段。

Claims (1)

1.一种基于磁谐振的MIMO充电并行通信方法，其特征在于所述方法包括发射端TX部署和接收端RX部署，其中发射端TX部署包括：TX线圈、TX电压控制、TX电流测量、TX控制器，接收端RX部署包括四个部分：RX线圈、整流稳压器、振荡电流、RX控制器，所述发射端TX部署和接收端RX部署之间通过MRC-WPT系统控制，并且MRC-WPT系统由N个TXs和Q个RXs组成，且该系统的通信方式为以下步骤：

步骤1：充电环境感知

步骤2：自适应充电；

所述步骤1中充电环境感知由信道估计和并行通信两个阶段组成，其中信道估计主要由三个步骤，分别是：

a、低秩状态生成：在这个模块中，采取了“Query-Response”机制来实现低秩状态生成，发射端发送“State Generation”命令到接收端，此命令包含两个信息，分别是每个RX随机“On”的概率ε和响应的时隙数目Y，RXs在收到命令后，以ε的概率在接下来的Y个时隙中随机“On”，所以在每个时隙中，得到一组RX组合状态，如果在多个时隙中，都产生了空状态即没有一个RX“On”，需要加一个固定值到之前的概率上得到新的概率值为：ε+Δε，相反，如果在多个时隙中，RX处于“On”连接的数目过多，需要将概率值减小到ε/2，使用这种机制，得到只有少数RX处于“On”连接的状态，即低秩状态，初始时，需要决定接收端数目为Q^EST和最大的可接受的秩值K，初始概率ε₀由最大化公式

决定，用二分法求得初始概率ε₀；

b、信道矩阵恢复：对于一个给定的RX组合状态，如果有|S|个RX处于“On”状态，其信道矩阵

的秩是

需要先获得信道矩阵，再通过信道矩阵的值判断它是否为一个低秩状态，公式(2)

被重写为：

其中

Z_T能离线测量的，因此设置一组电压

就能得到一组相应的电流

将这样的一组电压和电流称为对信道矩阵H_S的一个观察，通过一组非线性观察，恢复出信道矩阵，具体方法分为以下三步，1.观察生成：将一个时隙分割成多个微时隙MTS，在每个MTS中施加非线性变化的电压，从而得到多个观察，2.矩阵恢复：通过一个基于核范数最小化的方法解决在K个非线性观察恢复低秩K矩阵，该方法能够抵抗一些测量噪声，3.秩判断：恢复出信道矩阵后，需要对信道矩阵的秩进行判断，判断该低秩状态是否是一个可接受的状态，将符合条件的状态送入下一模块进行计算，并将结果反馈给低秩状态生成模块，使得低秩状态生成模块进行相应地调整；

c、信道环境计算：信道矩阵恢复所产生的可用状态都被送入信道环境计算模块，这个模块的主要作用是推断出RX的个数和它们对应的信道环境，公式(3)

显示出一个状态的信道矩阵可以被分解成与RX相关的项，首先需要识别出每个状态对应的RX，由于信道矩阵是可以进行加减运算的，从而能构造出单个RX处于“On”状态的信道矩阵，之后对单个RX“On”连接的信道矩阵进行分解，使用一个在线算法来处理RX分配，每当进入一个新状态，执行算法一次，该算法多次执行后，会过滤去掉错误的分配结果，得到唯一正确的分配结果，该算法可能会产生多个同构的分配结果，只需对RX序号进行交换处理，在得到单个RX“On”的信道矩阵

后，对这个秩为1的矩阵采用特征分解的方法，即

其中λ为信道矩阵的非零特征值，

为非零特征值对应的特征向量，至此，得到每个RX到所有发射端的互感向量；

所述并行通信的方式为：发射端下发“User Communication”命令，所有RXs开始进行并行反馈通信，RXs通过OOK调制机制上传它们的信息，上传的信息包括负载电阻，能量需求；

在TX端执行并行解码，以识别每个时隙中RX的组合状态，由于高秩状态的信道矩阵可能无法恢复，因此无法通过比较它们的理论信道矩阵和测量的信道矩阵来识别状态，因此，提出了基于TX电流比较的解码方法，总结如下，首先，将为不同的MTS选择合适的TX电压设置，接下来，根据电路方程式计算每个MTS中每个状态的预期TX电流，然后，在一个MTS上测量TX电流，并比较预期和测量的TX电流，以确定状态候选，最后，将来自不同MTS的候选状态合并在一起，为最终结果投票；

为了提高解码精度，通过选择TX电压设置以扩大任意状态的预期TX电流向量的距离，对于给定的TX电压向量

预期的两个状态S₁和S₂之间的电流区别表示为

其中

通过解决下列优化问题以扩大两个状态S₁和S₂之间的距离，

上标(*)表示共轭转置，μ是一个由硬件实现决定的参数，由于BB^*是一个厄米特矩阵，对其分解可以得到一组非零特征值和一组对应的特征向量，用

表示最大的特征值，用

表示对应的特征向量，则求得的电压为

对应的距离为

提出了一种基于贪婪的算法来为每个MTS选择TX电压设置，为第一个MTS选择给定的TX电压向量，然后，对于每个其他的MTS，选择具有最小解出的距离的状态对，来扩大该距离，从而获得当前MTS的TX电压设置；

所述自适应充电方式为：在收集到RX相关的信息后，根据信息对接收端进行优化充电的目标是最大化加权的负载能量传输效率，该问题用如下公式表示：

其中

表示负载电阻,w_q表示该RX的充电需求权重，该问题解决方法总结如下：

其中R_T，R_R，W表示TX电阻，RX电阻和RX权重的对角矩阵，值得注意的是，这里的RX电阻是线圈电阻和负载电阻之和，对于权重W，由于优化的目标是RX负载，所以权重的值为

表示RX总电阻，该问题最优的加权负载能量传输效率等于

分解得到的最大非零特征值，所以将

设置为

的最大特征值对应的特征向量乘以一个放缩因子以满足总功率限制，最后，通过公式(2)

得到需要设置的电压

所述信道矩阵的计算方法为：通过基尔霍夫定律，得到下列公式：

这里

M，Z_R，Z_T，ω分别表示TX电流向量，TX电压向量，RX电流向量，RX-TX互感矩阵，RX-RX阻抗和互感矩阵，TX-TX阻抗和互感矩阵，谐振频率，

依据公式(2)

发现所有跟RX互感有关的变量都在项

中，因此，将

定义为信道矩阵，又因为接收端线圈较小，且它们互相之间离得较远，接收端线圈之间的互感要比发射端之间的互感小一到两个数量级，所以忽略接收端之间的互感，因此上述信道矩阵表达式可以进一步简化为下式：

其中

是接收端线圈的阻抗。

Images