MétaCan
Menu
Retour à la cohorte
Enregistrement W2894627443 · doi:10.1049/cp.2018.0664

On Performance of Hidden Car Roof Antennas

2018· article· en· W2894627443 sur OpenAlexaff
Irfan Mehmood Yousaf, Buon Kiong Lau

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Analysis
Établissements canadiensVolvo (Canada)
Organismes subventionnairesnon disponible
Mots-clésRoofOffset (computer science)Directional antennaConformal antennaFlat roofComputer scienceCurvatureOmnidirectional antennaAntenna (radio)AcousticsSlot antennaElectronic engineeringTelecommunicationsEngineeringPhysicsStructural engineeringGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

Hidden antenna solutions for car roofs are of current interest to car manufacturers, to avoid having larger shark-fin based antenna systems to support growing number of wireless services. However, there are only a few studies in the literature on the integration of hidden antennas, particularly in relation to realistic roofs and propagation channels. This paper investigates the performance impact of hiding car roof-top antennas in roof cavities for an outdoor channel defined by an angular power spectrum. Different 700 MHz antenna concepts and roof cavity locations are considered for an idealized flat roof as well as a real curved roof. The results reveal that hiding antennas in cavities result in a minor mean effective gain (MEG) penalty of up to 1 dB, for a flat rectangular car roof. However, a realistic roof curvature can largely offset the MEG loss. Moreover, different monopole-based antenna concepts can provide MEG variations of up to nearly 3 dB, indicating that significant performance gain can be achieved through an optimized design.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,419

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 Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,190 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAntenna Design and AnalysisTravaux en français237 207