反向散射通信 (BackCom) 是一种很有前途的低功耗方法，可广泛应用于物联网 (IoT) 技术，其中连接的设备通过改变其负载阻抗来反射和调制现有信号，而不是自己产生信号。
为了实现低误码率和高数据速率，需要根据精确建模的反射系数选择高阶调制方案，例如正交幅度调制 (QAM)。然而，模拟和实际测量之间的差异使得准确预测最佳反射系数变得具有挑战性。
在最近的一项研究中，釜山国立大学电子工程系教授 Sangkil Kim 领导的研究团队使用迁移学习来精确建模同相/正交或 I/Q 负载调制器。此外，他们还引入了极化分集来设计 BackCom 系统，该系统利用多个天线同时进行信号传输和接收。
他们的论文发表在IEEE物联网期刊上。
Kim 教授表示：“随着更高效、更可靠的反向散射通信技术的进步，物联网在众多行业中的应用门槛也随之降低。这可能导致物联网设备和集成传感与通信 (ISC) 的激增，从而促进智慧城市、更高效的行业以及增强的个人和公共服务。”
迁移学习涉及将从一项任务中获得的知识应用于提高相关任务的表现。研究人员使用模拟输入偏置电压(V I和 V Q)对人工神经网络 (ANN) 进行了预训练。此初始训练步骤使 ANN 熟悉了不同电压条件下的负载调节器行为。
然后，将从预训练步骤中获得的知识用于主要训练步骤，其中使用实验数据训练 ANN，以根据 V I和 V Q输入预测反射系数。
这种知识转移使 ANN 能够改进其预测，使模型反射系数与测量反射系数之间的偏差最小，仅为 0.81%。利用这些精确的模型，研究人员通过将预测的反射系数与 QAM 星座中的特定点对齐，选择了最佳的 4-QAM 和 16-QAM 方案。这种优化确保了节能的数据传输，总功耗低于 0.6 mW，远低于传统无线系统。
随后，研究人员为 BackCom 设计了一个 2 × 2 × 2 MIMO 收发器系统，该系统具有两个发射天线和两个接收天线，具有不同的极化(例如垂直和水平)。此设置增强了 BackCom 中的信号接收、吞吐量和效率。利用双极化 Vivaldi 天线，该团队实现了超过 11.5 dBi 的高增益和 18 dB 的有效交叉极化抑制。
研究人员在工业、科学和医疗频段 5.725 GHz 至 5.875 GHz C 波段上测试了他们的算法和 MIMO BackCom 系统，提供 150 MHz 带宽。他们的方法使用 4-QAM 调制实现了 2.0 bps/Hz 的频谱效率，证明了有效的带宽利用率。他们还获得了 9.35% 的误差矢量幅度，表明数据传输具有很高的可靠性和效率。
Kim 教授表示： “精确的电路建模、先进的调制技术和极化分集的结合，所有这些都是在无线环境中进行测试的，它提供了一种应对 ISC 和 IoT 挑战的整体方法。”
总体而言，所提出的系统为多种应用的高可靠、高效的反向散射系统奠定了基础，包括消费电子产品、医疗监测、城市管理的智能基础设施、环境感知甚至雷达通信。