第一次在项目里被问到能不能让低功耗传感器在通信的同时完成充电时我的第一反应是这得两套射频前端、两条独立链路才能搞定。后来真正了解了SWIPTSimultaneous Wireless Information and Power Transfer无线通信携能技术才发现同一个射频信号完全可以同时承担信息传输和能量供给关键区别就在接收端架构怎么设计。这是一项在通信和能源之间交集地带的技术听起来高大上拆开其实不复杂。这篇文章会把SWIPT的基本原理、三种主流接收机架构、核心设计问题、应用场景以及后续要重点补充的无人机SWIPT方向完整梳理一遍适合刚接触无线能量采集的通信专业学生、物联网工程师以及准备往无人机通信方向做点东西的研究人员参考。1. 先用大白话理解SWIPT一台发射机同时干两件事1.1 SWIPT要解决什么真问题无线设备尤其是大规模部署的物联网传感器节点最头疼的问题往往不是通信而是供电。电池有寿命、有成本还要人工更换太阳能板依赖光照振动能量采集依赖环境输出还不稳定。射频信号有一个其他能量源没有的优势——它本身是可控的、泛在的。只要有通信信号理论上就能从中抽出一部分能量给节点供电。SWIPT的思路就是基于这个优势发射端发射的射频信号在接收端一部分用于信息解码Information DecodingID另一部分通过整流电路转成直流电用于能量采集Energy HarvestingEH。它没有改变通信的本质只是把能量采集这件事从额外加装一套能量接收模块变成了用同一段射频信号同时做两件事。这种信能同传的思想让低功耗节点在接收数据的同时给自己充电成为可能。1.2 SWIPT与WPT、WIT的关系要理解SWIPT先理清几个容易混淆的概念WPTWireless Power Transmission只传能量不管信息。典型例子就是手机无线充电板。WITWireless Information Transmission只传信息就是我们日常使用的无线通信。SWIPT二者结合用同一个射频信号同时传递信息和能量。打个比方一个手电筒既能照亮能量输出又能通过开关节奏发出莫尔斯码信息输出。SWIPT的接收机就像同时装了一个光伏板采集光能和一个解读器解码莫尔斯码只不过它针对的是射频信号而非光信号。这个类比虽然简单但能说明一个关键点SWIPT不是发明了新的物理机制而是把已有的无线通信和无线能量传输两条技术路线融合到同一个系统里。1.3 近场与远场的分野无线能量传输严格来说分两大流派。近场传输通常几个波长距离内依靠电感耦合或磁谐振耦合效率可以做到很高但距离受限手机无线充电就是这类典型应用远场传输距离相对远依靠射频辐射能量密度低但传播距离远而且和信息传输可以天然复用同一套射频架构。SWIPT绝大多数研究都集中在远场场景原因很简单信息传输本身就是远场的两个功能能在同一根天线上统一起来系统架构才成立。近场也有SWIPT的研究比如磁谐振耦合下同时传能量和数据的方案但工程落地远没有远场RF-SWIPT这么主流。所以下面的讨论默认都在远场射频环境下进行。2. 三种主流SWIPT接收机架构分离、时间切换、功率分配2.1 分离式接收机架构Separated ReceiverSR分离式接收机是最直观的思路接收端用独立的天线分别接能量采集电路和信息解码电路。两根天线各干各的能量路径不会占用信息路径的资源信息解码也不会因为分出能量而损失信噪比。好处很明显两路信号互不干扰能量采集和信息处理都能做到各自的最优。但代价同样明显——接收端需要至少两根天线体积、成本、功耗都上去了。对于小型化需求强烈的设备比如微型物联网节点、植入式医疗设备这种双天线方案往往不可接受。因此在学术研究和工程实践中分离式架构更多被当成一种性能上界来参考而不是真正的小型化优选方案。2.2 时间切换架构Time SwitchingTS时间切换架构的思路是在时间维度上做文章同一根天线一部分时隙把信号接到整流器用于能量采集另一部分时隙把信号接到接收机用于信息解码。通过一个射频开关在两条路径之间切换硬件上只多了一个开关体积几乎与传统接收机无差别。缺点也同样明显信息不是连续传输的。切换时要有保护间隔和同步开销也就是说用于信息的信道时间被打折了系统的有效速率会下降。设计者需要优化分配时间切换比τ用于能量采集的时间占比这个τ直接决定了能量采集量和信息速率之间的平衡点。TS架构特别适合那些业务本身是突发式、非实时的传感器节点——平时积累能量有需要时切到信息模式收发数据。2.3 功率分配架构Power SplittingPS功率分配架构则在空间/功率维度上做文章同一根天线接收到的信号经过一个功率分配器功分器按比例ρ拆成两路一路进整流电路用于能量采集另一路进解调电路用于信息解码。两路同时工作信息可以连续传输实时性比TS架构好很多。代价有两个一是功分器会带来插入损耗这一点在硬件实测中非常明显二是两路共享同一个信号分配给能量采集的功率多了信息解码路径上的信噪比就会下降功率分配比ρ成为系统设计的核心变量。PS架构灵活性高、实时性好但功分器的精度和损耗需要实际测量仿真时很容易把性能算得过于乐观。2.4 三种架构怎么选三种架构各有明确的适用场景用表格对比更清楚架构天线数量信息连续性硬件复杂度核心变量典型场景SR分离式至少2根连续高无物理分离网关、基站类设备TS时间切换1根不连续低时间切换比τ低速率、突发型传感器PS功率分配1根连续中功率分配比ρ对实时性有要求的设备从我的经验看工程样机最现实的往往是TS架构——一个射频开关就能实现成本低、实现快代价是确实牺牲了实时性PS架构理论上更理想但功分器精度、插入损耗都要实测定标很多仿真里假设的完美功分器在硬件上根本不存在。做方案选型时先问自己一个问题这个设备最不能牺牲的是实时性还是成本答案往往就直接指向了架构选择。3. 架构之下的核心设计问题速率-能量权衡与资源分配3.1 速率-能量平衡R-E TradeoffSWIPT最底层的矛盾是同一段射频信号本身包含的功率是固定的用来解码信息的功率多了能采集的能量就少了反过来能量采集比例提高了信息解码的信噪比就会下降。这个矛盾在信息论上被形式化为可达速率-能量域Rate-Energy Region简称R-E域。R-E域的概念可以这样理解给定一个系统和信道条件我们把所有可能实现的速率能量组合画在一张二维图上组合点构成的区域的边界就是最优工作曲线。在这条边界上任何一个工作点都代表一种最优的折中——你不可能在速率和能量两个维度上同时超过这条边界。做SWIPT系统设计本质上就是找一个满足业务约束和硬件约束的R-E域边界点。3.2 资源分配问题的典型形态以PS架构为例系统设计问题通常是这样的两种形式在满足最低信息速率约束的前提下最大化接收端采集到的总能量在满足最低能量采集约束的前提下最大化系统容量/吞吐量。需要优化的变量包括发射端的波束成形向量、各子载波的功率分配、接收端的功率分配比ρ或时间切换比τ。这类优化问题几乎无一例外都是非凸的常规解法思路是分块处理固定一部分变量把问题变成凸的再交替优化另一部分或者用连续凸近似SCA把非凸项在当前点做泰勒展开把原问题转成一个凸子问题序列逐步迭代逼近。很多刚接触SWIPT的人看到论文里的SCA、BCD块坐标下降会觉得云里雾里其实核心逻辑一句话就能说清一个复杂的非凸问题我直接解不了那我就把它切碎成多个简化子问题每个子问题在局部是可解的然后轮流解这些子问题、反复迭代让整体目标函数不断下降/上升直到收敛。3.3 实际硬件带来的约束非线性能量采集模型这里必须重点说一个仿真新手最容易踩的坑线性能量采集模型。很多入门资料和早期论文为了方便假设能量采集电路是线性的也就是采集到的功率等于输入射频功率乘以一个固定效率η。这种做法在数学上好处理但和真实硬件差距极大。实际的RF-DC整流电路其转换效率是随输入功率变化的输入功率太低时整流二极管没被充分导通效率低得可怜输入功率过高时整流器进入饱和区效率反而下降甚至可能损坏器件。整个曲线呈现明显的非线性、饱和特征。如果设计算法时坚持使用线性模型算出来的最优功率分配比很可能落在非线性区之外硬件实测时性能完全对不上。这也是为什么近些年的文献普遍采用非线性饱和模型比如常见的Sigmoid类模型、Boshkovska等人的分段模型来做优化。做仿真验证时优先用非线性模型至少也要做线性/非线性模型的性能对比否则审稿人和做硬件的同事都不会放过你。4. SWIPT怎么落地应用场景与使能技术4.1 物联网传感器节点与无源设备SWIPT最自然的落地场景就是物联网。农业大棚里的温湿度传感器、桥梁上的结构应变传感器、地下管廊里的气体监测节点——这些设备分布广、数量大、电池维护成本极高特别适合利用专用或环境射频信号同时实现通信和供电。实际工程里有个常见设计思路节点平时处于能量采集模式把射频能量积累在电容或电池里当储能达到阈值后节点唤醒通信模块上报数据、接收指令。这种采集-激活-通信的工作方式可以显著延长电池寿命甚至在条件允许时做到免换电池。系统层面基站或专用RF能量源在给节点传数据的同时通过同一信号给节点喂能量能量流和信息流不需要分开规划。4.2 可穿戴、医疗植入与受限设备植入式医疗设备和部分可穿戴设备的电池更换极不方便SWIPT在这里关注度一直很高。但这类场景有两个硬约束必须考虑一是人体比吸收率SAR对射频功率有明确的安全上限不能为了多采集能量而无限制提高发射功率二是植入深度带来的穿透损耗非常大工作频率和发射功率需要仔细权衡。因此这类应用一般倾向选择低频率穿透性好或者体域网专用频段并配合精细的功率控制策略。还有一个容易被忽略的点植入式设备的天线尺寸极其有限接收效率本来就不高再分一部分信号用于能量采集信息解码的信噪比会进一步被压缩。所以这类场景下TS架构往往比PS架构更实用——至少信息传输时间窗内能用满全部信号功率。4.3 大规模MIMO与RIS辅助SWIPT远场射频能量密度低是SWIPT实用化最大的物理瓶颈。提高接收端能量的路径有两条一是提高发射端增益二是改变传播环境。大规模MIMO对应第一条路径。基站通过几十上百根天线形成窄波束把射频能量集中打向目标节点接收端功率密度可以提升一到两个数量级这对能量采集来说至关重要——因为整流效率在低输入功率区间对功率非常敏感。智能反射面RIS/IRS对应第二条路径。RIS由大量无源反射单元组成可以动态调整反射相位把来自基站的信号反射到原本覆盖不到的盲区节点相当于用低成本的无源反射面改善传播环境。RIS辅助SWIPT是当前非常火的方向因为它没有增加频谱占用和发射功率只改变了空间域的信号传播路径这对能量采集和信息接收都有正收益。5. 无人机SWIPT方向从地面基站到空中信能同传平台5.1 为什么无人机适合做SWIPT发射端地面基站的射频信号传向用户时经常被建筑物、地形遮挡路径损耗和阴影效应严重。无人机把发射端搬到空中带来的优势是结构性的一是视距LoS链路概率大幅提升。无人机与地面节点之间出现遮挡的概率远低于地面基站与节点之间而视距链路的路径损耗明显小于非视距链路。二是无人机位置可控。无人机可以通过调整航迹主动靠近能量需求大的区域相当于一个可移动的空中能量信息基站。这一点在地面基础设施损坏、临时热点覆盖、应急通信这些场景下尤其有价值。当然无人机SWIPT也有天然的劣势无人机自身靠电池飞行能源极其宝贵。机载发射功率、飞行/悬停能耗、通信资源分配三者必须协同规划。这也是无人机SWIPT问题比地面SWIPT问题更复杂、更有研究空间的核心原因。5.2 典型系统模型与要优化的变量先说说典型的无人机SWIPT系统长什么样一架无人机作为空中基站覆盖地面上K个低功耗传感器节点。每个节点采用TS或PS架构从无人机下行信号中同时获取信息和能量。有些场景还会加一个独立的能量采集节点或上行回传链路但最基本的框架就是这样。这个系统里需要联合优化的变量至少有三类无人机的空间轨迹每个时隙的坐标下行波束成形向量和功率分配每个节点的TS因子τ或PS因子ρ。目标函数根据业务需求有不同设定在所有节点满足最低能量采集需求、无人机自身飞行能耗有限的前提下最大化系统总吞吐量或者反过来在系统吞吐量不低于某阈值的前提下最小化无人机总能耗。这两个方向在论文里都很常见关键看应用强调能传多少数据还是能省多少电。5.3 轨迹与资源联合优化的大致思路这类问题是一个典型的多变量、非凸、耦合优化问题数学上非常棘手。工程上最常用的分解思路是块坐标下降法BCD固定功率分配和接收因子把无人机轨迹作为优化变量求解轨迹子问题固定轨迹和接收因子把波束/功率分配作为优化变量求解功率子问题固定轨迹和功率分配更新每个节点的TS/PS因子不断交替优化这三块直到目标函数收敛或达到最大迭代次数。轨迹子问题里路径损耗项关于无人机坐标是非凸的通常要借助连续凸近似SCA在当前位置把非凸项做一阶泰勒展开得到一个凸近似子问题然后在新的位置再展开迭代逼近。这种在每一步都解一个局部凸近似的做法是当前无人机通信领域最标准的解法没有之一。做这块时要特别注意轨迹优化的初始值非常敏感。坏的初始轨迹很容易让迭代收敛到一个很差的局部最优。我通常的做法是先用一个简单的悬停路径或匀速直线路径作为初始解而不是随机初始化。5.4 实际做无人机SWIPT最容易被低估的挑战仿真里跑无人机SWIPT很爽但真正要向工程落地推进时有几个挑战会被系统性低估。无人机自身能量消耗是最容易被低估的。螺旋桨飞行和悬停消耗的功率远大于射频发射功率如果优化模型完全不考虑飞行能耗结果会过于乐观。更严谨的做法是把无人机推进能耗建模进目标函数或约束里比如固定翼/旋翼的功率模型、速度与能耗的关系。信道动态性是第二个考验。无人机在运动时信道变化很快多普勒效应也不能忽略。波束成形需要依赖信道状态信息如果信道估计和反馈频率跟不上无人机的移动速度算法层面做得再漂亮实测时波束指向也是乱的。很多性能损失就发生在信道信息过时上。第三个是监管和实际部署约束。飞行高度限制、空域管理、最长飞行时间、机载载荷重量都会对轨迹优化的可行域加边界条件。做通信仿真的人可以忽略这些但一旦涉及实验验证任何一个约束都可能让原来的最优轨迹变得不可飞。6. 想复现实验仿真框架与踩坑记录6.1 最小可用的仿真系统要包含哪些模块一套能验证SWIPT优化算法的仿真系统最少需要四个模块信道模块大尺度衰落路径损耗、阴影、小尺度衰落瑞利/莱斯无人机场景还需要三维距离计算和视距概率模型能量采集模块用非线性饱和模型不要用简单的固定效率线性模型信息解码模块香农容量公式或者具体调制方式下的误码率/吞吐量模型调度与优化模块TS/PS因子的更新、功率分配、轨迹更新。评价指标至少统计两个接收端采集到的总能量、系统吞吐量或可达速率。画图时把两组指标做成Pareto曲线也就是R-E域边界比单独看某一次的数值更有说服力。6.2 我的仿真做法与伪代码逻辑地面SWIPT我用MATLABCVX验证复杂场景再用Python重写。核心迭代逻辑大致是这样初始化无人机位置、功率分配、TS/PS因子开始循环固定功率分配和接收因子求解轨迹子问题非凸项用SCA近似CVX求解凸子问题固定轨迹和接收因子求解功率分配子问题通常可以转化为凸问题直接用CVX固定轨迹和功率分配更新每个节点的TS/PS因子通常是一维搜索或闭式解计算本轮目标函数值判断与上一轮差异是否小于阈值或者是否达到最大迭代次数循环结束后输出R-E域曲线、能量采集效率、系统吞吐量等指标。CVX求解时注意默认求解器处理某些半定规划SDP问题会报错或效率很低建议换成SeDuMi或MOSEK。MOSEK稳定性和速度都更好但需要申请license学生一般都能免费申请到。6.3 几个容易忽略的坑具体到代码层面几个问题我已经踩过列在这里供参考单位不统一。仿真里W、mW、dBm混用是最常见的低级错误会让结果差几个数量级且完全看不出来。我的习惯是全程用mW计算只在画图时转成dBm。三维距离计算错。无人机到地面节点的距离是sqrt(H² ||q - w||²)但很多人容易忘记高度H的平方项或者H和水平距离用的单位不一致。这个小错误会让路径损耗计算完全跑偏。用线性能量采集模型得出过于乐观结果。这个前面提过设计算法阶段建议至少做一次非线性模型的对照实验。轨迹优化的初始化太随意。用随机初始化往往收敛到很差的局部最优先用悬停、直线、圆轨迹这类简单初始解再逐步加复杂度。没有考虑无人机自身飞行能耗。如果模型里完全不包含飞行能耗你计算出来的最优轨迹可能是让无人机满场乱飞去找最优位置这在物理上根本不成立。6.4 硬件实验验证前的准备如果目标是做真实硬件验证而不是纯算法仿真那收到仿真结果之后先别急着下单买射频器件。我建议先做一个半实物验证用软件无线电平台USRP 射频能量采集模块搭一个静态链路的SWIPT试验台验证PS/TS架构下的能量采集效率曲线和信息解调能力确认能量采集模块的实际效率和饱和点与仿真模型一致再考虑引入无人机平台。这一步可以帮你过滤掉一大半仿真可行但硬件不可行的设计方案省下的时间和经费远超想象。最后说一点我自己的体会。SWIPT做理论研究门槛不高三种接收机架构加一个优化模型就可以形成一篇不错的论文但真正做成能用的硬件完全是另一回事。如果你是想快速上手的初学者我的建议是从PS或TS架构在单链路、静态信道下的仿真开始先把R-E权衡曲线完整复现出来再逐步加入多节点、能量约束、无人机轨迹这些复杂因素每一步遇到的问题都能定位清楚。后续我会继续补充无人机SWIPT方向的实验细节和代码思路这个方向值得深入的东西还很多。 SWIPT信能同传技术：原理、接收机架构与无人机应用
第一次在项目里被问到能不能让低功耗传感器在通信的同时完成充电时我的第一反应是这得两套射频前端、两条独立链路才能搞定。后来真正了解了SWIPTSimultaneous Wireless Information and Power Transfer无线通信携能技术才发现同一个射频信号完全可以同时承担信息传输和能量供给关键区别就在接收端架构怎么设计。这是一项在通信和能源之间交集地带的技术听起来高大上拆开其实不复杂。这篇文章会把SWIPT的基本原理、三种主流接收机架构、核心设计问题、应用场景以及后续要重点补充的无人机SWIPT方向完整梳理一遍适合刚接触无线能量采集的通信专业学生、物联网工程师以及准备往无人机通信方向做点东西的研究人员参考。1. 先用大白话理解SWIPT一台发射机同时干两件事1.1 SWIPT要解决什么真问题无线设备尤其是大规模部署的物联网传感器节点最头疼的问题往往不是通信而是供电。电池有寿命、有成本还要人工更换太阳能板依赖光照振动能量采集依赖环境输出还不稳定。射频信号有一个其他能量源没有的优势——它本身是可控的、泛在的。只要有通信信号理论上就能从中抽出一部分能量给节点供电。SWIPT的思路就是基于这个优势发射端发射的射频信号在接收端一部分用于信息解码Information DecodingID另一部分通过整流电路转成直流电用于能量采集Energy HarvestingEH。它没有改变通信的本质只是把能量采集这件事从额外加装一套能量接收模块变成了用同一段射频信号同时做两件事。这种信能同传的思想让低功耗节点在接收数据的同时给自己充电成为可能。1.2 SWIPT与WPT、WIT的关系要理解SWIPT先理清几个容易混淆的概念WPTWireless Power Transmission只传能量不管信息。典型例子就是手机无线充电板。WITWireless Information Transmission只传信息就是我们日常使用的无线通信。SWIPT二者结合用同一个射频信号同时传递信息和能量。打个比方一个手电筒既能照亮能量输出又能通过开关节奏发出莫尔斯码信息输出。SWIPT的接收机就像同时装了一个光伏板采集光能和一个解读器解码莫尔斯码只不过它针对的是射频信号而非光信号。这个类比虽然简单但能说明一个关键点SWIPT不是发明了新的物理机制而是把已有的无线通信和无线能量传输两条技术路线融合到同一个系统里。1.3 近场与远场的分野无线能量传输严格来说分两大流派。近场传输通常几个波长距离内依靠电感耦合或磁谐振耦合效率可以做到很高但距离受限手机无线充电就是这类典型应用远场传输距离相对远依靠射频辐射能量密度低但传播距离远而且和信息传输可以天然复用同一套射频架构。SWIPT绝大多数研究都集中在远场场景原因很简单信息传输本身就是远场的两个功能能在同一根天线上统一起来系统架构才成立。近场也有SWIPT的研究比如磁谐振耦合下同时传能量和数据的方案但工程落地远没有远场RF-SWIPT这么主流。所以下面的讨论默认都在远场射频环境下进行。2. 三种主流SWIPT接收机架构分离、时间切换、功率分配2.1 分离式接收机架构Separated ReceiverSR分离式接收机是最直观的思路接收端用独立的天线分别接能量采集电路和信息解码电路。两根天线各干各的能量路径不会占用信息路径的资源信息解码也不会因为分出能量而损失信噪比。好处很明显两路信号互不干扰能量采集和信息处理都能做到各自的最优。但代价同样明显——接收端需要至少两根天线体积、成本、功耗都上去了。对于小型化需求强烈的设备比如微型物联网节点、植入式医疗设备这种双天线方案往往不可接受。因此在学术研究和工程实践中分离式架构更多被当成一种性能上界来参考而不是真正的小型化优选方案。2.2 时间切换架构Time SwitchingTS时间切换架构的思路是在时间维度上做文章同一根天线一部分时隙把信号接到整流器用于能量采集另一部分时隙把信号接到接收机用于信息解码。通过一个射频开关在两条路径之间切换硬件上只多了一个开关体积几乎与传统接收机无差别。缺点也同样明显信息不是连续传输的。切换时要有保护间隔和同步开销也就是说用于信息的信道时间被打折了系统的有效速率会下降。设计者需要优化分配时间切换比τ用于能量采集的时间占比这个τ直接决定了能量采集量和信息速率之间的平衡点。TS架构特别适合那些业务本身是突发式、非实时的传感器节点——平时积累能量有需要时切到信息模式收发数据。2.3 功率分配架构Power SplittingPS功率分配架构则在空间/功率维度上做文章同一根天线接收到的信号经过一个功率分配器功分器按比例ρ拆成两路一路进整流电路用于能量采集另一路进解调电路用于信息解码。两路同时工作信息可以连续传输实时性比TS架构好很多。代价有两个一是功分器会带来插入损耗这一点在硬件实测中非常明显二是两路共享同一个信号分配给能量采集的功率多了信息解码路径上的信噪比就会下降功率分配比ρ成为系统设计的核心变量。PS架构灵活性高、实时性好但功分器的精度和损耗需要实际测量仿真时很容易把性能算得过于乐观。2.4 三种架构怎么选三种架构各有明确的适用场景用表格对比更清楚架构天线数量信息连续性硬件复杂度核心变量典型场景SR分离式至少2根连续高无物理分离网关、基站类设备TS时间切换1根不连续低时间切换比τ低速率、突发型传感器PS功率分配1根连续中功率分配比ρ对实时性有要求的设备从我的经验看工程样机最现实的往往是TS架构——一个射频开关就能实现成本低、实现快代价是确实牺牲了实时性PS架构理论上更理想但功分器精度、插入损耗都要实测定标很多仿真里假设的完美功分器在硬件上根本不存在。做方案选型时先问自己一个问题这个设备最不能牺牲的是实时性还是成本答案往往就直接指向了架构选择。3. 架构之下的核心设计问题速率-能量权衡与资源分配3.1 速率-能量平衡R-E TradeoffSWIPT最底层的矛盾是同一段射频信号本身包含的功率是固定的用来解码信息的功率多了能采集的能量就少了反过来能量采集比例提高了信息解码的信噪比就会下降。这个矛盾在信息论上被形式化为可达速率-能量域Rate-Energy Region简称R-E域。R-E域的概念可以这样理解给定一个系统和信道条件我们把所有可能实现的速率能量组合画在一张二维图上组合点构成的区域的边界就是最优工作曲线。在这条边界上任何一个工作点都代表一种最优的折中——你不可能在速率和能量两个维度上同时超过这条边界。做SWIPT系统设计本质上就是找一个满足业务约束和硬件约束的R-E域边界点。3.2 资源分配问题的典型形态以PS架构为例系统设计问题通常是这样的两种形式在满足最低信息速率约束的前提下最大化接收端采集到的总能量在满足最低能量采集约束的前提下最大化系统容量/吞吐量。需要优化的变量包括发射端的波束成形向量、各子载波的功率分配、接收端的功率分配比ρ或时间切换比τ。这类优化问题几乎无一例外都是非凸的常规解法思路是分块处理固定一部分变量把问题变成凸的再交替优化另一部分或者用连续凸近似SCA把非凸项在当前点做泰勒展开把原问题转成一个凸子问题序列逐步迭代逼近。很多刚接触SWIPT的人看到论文里的SCA、BCD块坐标下降会觉得云里雾里其实核心逻辑一句话就能说清一个复杂的非凸问题我直接解不了那我就把它切碎成多个简化子问题每个子问题在局部是可解的然后轮流解这些子问题、反复迭代让整体目标函数不断下降/上升直到收敛。3.3 实际硬件带来的约束非线性能量采集模型这里必须重点说一个仿真新手最容易踩的坑线性能量采集模型。很多入门资料和早期论文为了方便假设能量采集电路是线性的也就是采集到的功率等于输入射频功率乘以一个固定效率η。这种做法在数学上好处理但和真实硬件差距极大。实际的RF-DC整流电路其转换效率是随输入功率变化的输入功率太低时整流二极管没被充分导通效率低得可怜输入功率过高时整流器进入饱和区效率反而下降甚至可能损坏器件。整个曲线呈现明显的非线性、饱和特征。如果设计算法时坚持使用线性模型算出来的最优功率分配比很可能落在非线性区之外硬件实测时性能完全对不上。这也是为什么近些年的文献普遍采用非线性饱和模型比如常见的Sigmoid类模型、Boshkovska等人的分段模型来做优化。做仿真验证时优先用非线性模型至少也要做线性/非线性模型的性能对比否则审稿人和做硬件的同事都不会放过你。4. SWIPT怎么落地应用场景与使能技术4.1 物联网传感器节点与无源设备SWIPT最自然的落地场景就是物联网。农业大棚里的温湿度传感器、桥梁上的结构应变传感器、地下管廊里的气体监测节点——这些设备分布广、数量大、电池维护成本极高特别适合利用专用或环境射频信号同时实现通信和供电。实际工程里有个常见设计思路节点平时处于能量采集模式把射频能量积累在电容或电池里当储能达到阈值后节点唤醒通信模块上报数据、接收指令。这种采集-激活-通信的工作方式可以显著延长电池寿命甚至在条件允许时做到免换电池。系统层面基站或专用RF能量源在给节点传数据的同时通过同一信号给节点喂能量能量流和信息流不需要分开规划。4.2 可穿戴、医疗植入与受限设备植入式医疗设备和部分可穿戴设备的电池更换极不方便SWIPT在这里关注度一直很高。但这类场景有两个硬约束必须考虑一是人体比吸收率SAR对射频功率有明确的安全上限不能为了多采集能量而无限制提高发射功率二是植入深度带来的穿透损耗非常大工作频率和发射功率需要仔细权衡。因此这类应用一般倾向选择低频率穿透性好或者体域网专用频段并配合精细的功率控制策略。还有一个容易被忽略的点植入式设备的天线尺寸极其有限接收效率本来就不高再分一部分信号用于能量采集信息解码的信噪比会进一步被压缩。所以这类场景下TS架构往往比PS架构更实用——至少信息传输时间窗内能用满全部信号功率。4.3 大规模MIMO与RIS辅助SWIPT远场射频能量密度低是SWIPT实用化最大的物理瓶颈。提高接收端能量的路径有两条一是提高发射端增益二是改变传播环境。大规模MIMO对应第一条路径。基站通过几十上百根天线形成窄波束把射频能量集中打向目标节点接收端功率密度可以提升一到两个数量级这对能量采集来说至关重要——因为整流效率在低输入功率区间对功率非常敏感。智能反射面RIS/IRS对应第二条路径。RIS由大量无源反射单元组成可以动态调整反射相位把来自基站的信号反射到原本覆盖不到的盲区节点相当于用低成本的无源反射面改善传播环境。RIS辅助SWIPT是当前非常火的方向因为它没有增加频谱占用和发射功率只改变了空间域的信号传播路径这对能量采集和信息接收都有正收益。5. 无人机SWIPT方向从地面基站到空中信能同传平台5.1 为什么无人机适合做SWIPT发射端地面基站的射频信号传向用户时经常被建筑物、地形遮挡路径损耗和阴影效应严重。无人机把发射端搬到空中带来的优势是结构性的一是视距LoS链路概率大幅提升。无人机与地面节点之间出现遮挡的概率远低于地面基站与节点之间而视距链路的路径损耗明显小于非视距链路。二是无人机位置可控。无人机可以通过调整航迹主动靠近能量需求大的区域相当于一个可移动的空中能量信息基站。这一点在地面基础设施损坏、临时热点覆盖、应急通信这些场景下尤其有价值。当然无人机SWIPT也有天然的劣势无人机自身靠电池飞行能源极其宝贵。机载发射功率、飞行/悬停能耗、通信资源分配三者必须协同规划。这也是无人机SWIPT问题比地面SWIPT问题更复杂、更有研究空间的核心原因。5.2 典型系统模型与要优化的变量先说说典型的无人机SWIPT系统长什么样一架无人机作为空中基站覆盖地面上K个低功耗传感器节点。每个节点采用TS或PS架构从无人机下行信号中同时获取信息和能量。有些场景还会加一个独立的能量采集节点或上行回传链路但最基本的框架就是这样。这个系统里需要联合优化的变量至少有三类无人机的空间轨迹每个时隙的坐标下行波束成形向量和功率分配每个节点的TS因子τ或PS因子ρ。目标函数根据业务需求有不同设定在所有节点满足最低能量采集需求、无人机自身飞行能耗有限的前提下最大化系统总吞吐量或者反过来在系统吞吐量不低于某阈值的前提下最小化无人机总能耗。这两个方向在论文里都很常见关键看应用强调能传多少数据还是能省多少电。5.3 轨迹与资源联合优化的大致思路这类问题是一个典型的多变量、非凸、耦合优化问题数学上非常棘手。工程上最常用的分解思路是块坐标下降法BCD固定功率分配和接收因子把无人机轨迹作为优化变量求解轨迹子问题固定轨迹和接收因子把波束/功率分配作为优化变量求解功率子问题固定轨迹和功率分配更新每个节点的TS/PS因子不断交替优化这三块直到目标函数收敛或达到最大迭代次数。轨迹子问题里路径损耗项关于无人机坐标是非凸的通常要借助连续凸近似SCA在当前位置把非凸项做一阶泰勒展开得到一个凸近似子问题然后在新的位置再展开迭代逼近。这种在每一步都解一个局部凸近似的做法是当前无人机通信领域最标准的解法没有之一。做这块时要特别注意轨迹优化的初始值非常敏感。坏的初始轨迹很容易让迭代收敛到一个很差的局部最优。我通常的做法是先用一个简单的悬停路径或匀速直线路径作为初始解而不是随机初始化。5.4 实际做无人机SWIPT最容易被低估的挑战仿真里跑无人机SWIPT很爽但真正要向工程落地推进时有几个挑战会被系统性低估。无人机自身能量消耗是最容易被低估的。螺旋桨飞行和悬停消耗的功率远大于射频发射功率如果优化模型完全不考虑飞行能耗结果会过于乐观。更严谨的做法是把无人机推进能耗建模进目标函数或约束里比如固定翼/旋翼的功率模型、速度与能耗的关系。信道动态性是第二个考验。无人机在运动时信道变化很快多普勒效应也不能忽略。波束成形需要依赖信道状态信息如果信道估计和反馈频率跟不上无人机的移动速度算法层面做得再漂亮实测时波束指向也是乱的。很多性能损失就发生在信道信息过时上。第三个是监管和实际部署约束。飞行高度限制、空域管理、最长飞行时间、机载载荷重量都会对轨迹优化的可行域加边界条件。做通信仿真的人可以忽略这些但一旦涉及实验验证任何一个约束都可能让原来的最优轨迹变得不可飞。6. 想复现实验仿真框架与踩坑记录6.1 最小可用的仿真系统要包含哪些模块一套能验证SWIPT优化算法的仿真系统最少需要四个模块信道模块大尺度衰落路径损耗、阴影、小尺度衰落瑞利/莱斯无人机场景还需要三维距离计算和视距概率模型能量采集模块用非线性饱和模型不要用简单的固定效率线性模型信息解码模块香农容量公式或者具体调制方式下的误码率/吞吐量模型调度与优化模块TS/PS因子的更新、功率分配、轨迹更新。评价指标至少统计两个接收端采集到的总能量、系统吞吐量或可达速率。画图时把两组指标做成Pareto曲线也就是R-E域边界比单独看某一次的数值更有说服力。6.2 我的仿真做法与伪代码逻辑地面SWIPT我用MATLABCVX验证复杂场景再用Python重写。核心迭代逻辑大致是这样初始化无人机位置、功率分配、TS/PS因子开始循环固定功率分配和接收因子求解轨迹子问题非凸项用SCA近似CVX求解凸子问题固定轨迹和接收因子求解功率分配子问题通常可以转化为凸问题直接用CVX固定轨迹和功率分配更新每个节点的TS/PS因子通常是一维搜索或闭式解计算本轮目标函数值判断与上一轮差异是否小于阈值或者是否达到最大迭代次数循环结束后输出R-E域曲线、能量采集效率、系统吞吐量等指标。CVX求解时注意默认求解器处理某些半定规划SDP问题会报错或效率很低建议换成SeDuMi或MOSEK。MOSEK稳定性和速度都更好但需要申请license学生一般都能免费申请到。6.3 几个容易忽略的坑具体到代码层面几个问题我已经踩过列在这里供参考单位不统一。仿真里W、mW、dBm混用是最常见的低级错误会让结果差几个数量级且完全看不出来。我的习惯是全程用mW计算只在画图时转成dBm。三维距离计算错。无人机到地面节点的距离是sqrt(H² ||q - w||²)但很多人容易忘记高度H的平方项或者H和水平距离用的单位不一致。这个小错误会让路径损耗计算完全跑偏。用线性能量采集模型得出过于乐观结果。这个前面提过设计算法阶段建议至少做一次非线性模型的对照实验。轨迹优化的初始化太随意。用随机初始化往往收敛到很差的局部最优先用悬停、直线、圆轨迹这类简单初始解再逐步加复杂度。没有考虑无人机自身飞行能耗。如果模型里完全不包含飞行能耗你计算出来的最优轨迹可能是让无人机满场乱飞去找最优位置这在物理上根本不成立。6.4 硬件实验验证前的准备如果目标是做真实硬件验证而不是纯算法仿真那收到仿真结果之后先别急着下单买射频器件。我建议先做一个半实物验证用软件无线电平台USRP 射频能量采集模块搭一个静态链路的SWIPT试验台验证PS/TS架构下的能量采集效率曲线和信息解调能力确认能量采集模块的实际效率和饱和点与仿真模型一致再考虑引入无人机平台。这一步可以帮你过滤掉一大半仿真可行但硬件不可行的设计方案省下的时间和经费远超想象。最后说一点我自己的体会。SWIPT做理论研究门槛不高三种接收机架构加一个优化模型就可以形成一篇不错的论文但真正做成能用的硬件完全是另一回事。如果你是想快速上手的初学者我的建议是从PS或TS架构在单链路、静态信道下的仿真开始先把R-E权衡曲线完整复现出来再逐步加入多节点、能量约束、无人机轨迹这些复杂因素每一步遇到的问题都能定位清楚。后续我会继续补充无人机SWIPT方向的实验细节和代码思路这个方向值得深入的东西还很多。