ANN‐based design of a versatile millimetre‐wave slotted patch multi‐antenna configuration for 5G scenarios
Notice bibliographique
Résumé
This study addresses the modelling of a dual band (28 and 38 GHz), circularly polarised slotted‐patch‐antenna for highly demanded millimetre wave multi‐input multi‐output (MIMO)‐systems in fifth generation (5G) networks. A computer‐aided‐design model is derived by means of an artificial neural network (ANN) which allows obtaining the physical dimensions of a single‐fed antenna, satisfying both near‐ and far‐field goals, without resorting to time‐consuming electromagnetic simulation. This mathematical model can be implemented in any CAD‐tool, as demonstrated within the framework of advanced design system. This allows, for the first time, to carry out optimisations of strategic importance for future 5G non‐linear‐radiating‐systems, especially operating at millimetre wave, directly addressing their far‐field behaviour. The model performance is validated by some examples and measurement results. A further important advantage of this approach is that the trained ANN‐model can be further adopted to fast, but accurately, investigate the complex relationships between antenna layout and its near‐field and far‐field performance, such as the resonance conditions and the polarisation behaviour. Indeed arbitrary orthogonal‐polarisations (LHCP/RHCP) have been achieved by the aid of the ANN‐model of the same topology. This result can be adopted to implement a combination of two independent radiation patterns for the antenna pair: this feature is attractive for MIMO applications. This is confirmed by measurements showing antenna‐coupling reduction with the MIMO‐array exploiting polarisation diversity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».