MétaCan
Menu
Retour à la cohorte
Enregistrement W2100215594 · doi:10.1109/eucap.2006.4584984

Adaptive gain optimization of a C-Band reflectarray with phase tunable elements

2006· article· en· W2100215594 sur OpenAlexaff
Patrick Deschenes, Mathieu Riel, Jean‐Jacques Laurin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Antenna and Metasurface Technologies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésPhase (matter)FabricationAntenna (radio)MicrostripPlanarMaterials scienceBeam steeringBeam (structure)DiodePIN diodeDirectional antennaComputer scienceOpticsOptoelectronicsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Microstrip reflectarray antennas are currently considered for satellite missions requiring low cost, small stowage volume during launch and lightweight solutions. An essential characteristic of this kind of antenna is the possibility of having a steerable main beam due to the reflectarray's phase-tunable elements. The tunable units could be made of varactors diodes, as described in [1]. Following this work, a planar array prototype of 5x6 elements was used to demonstrate beam steering capability, but unexpected differences of 2 dB or more were noted between the measured and expected gains. It was conjectured that this loss could be attributed to non-optimal phase profiles imposed on the elements, possibly resulting from variability in the diodes, non-constant angle of incidence, fabrication errors, etc. The object of this paper is to implement an adaptive gain optimization and determine to what level the unexpected losses can be compensated by tuning all the scattering cells.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,255

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,236
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Antenna and Metasurface TechnologiesTravaux en français237 207