MétaCan
Menu
Retour à la cohorte
Enregistrement W2917562760 · doi:10.4236/ijcns.2019.122003

Analysis and Design of Different Methods to Reach Optimum Power in Butler Matrix

2019· article· en· W2917562760 sur OpenAlexaff
Shahideh Kiehbadroudinezhad, Jean‐François Bousquet, Michael Čada, Adib Shahabi, Mohammad Ali Kiehbadroudinezhad

Notice bibliographique

RevueInternational Journal of Communications Network and System Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Antenna and Metasurface Technologies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMatrix (chemical analysis)Computer sciencePower (physics)Reflection coefficientWirelessElectronic engineeringBeam (structure)Electrical engineeringTelecommunicationsAcousticsEngineeringOpticsPhysicsMaterials science

Résumé

récupéré en direct d'OpenAlex

With the increasing demand for high speed reliable communications, smart antennas, such as the Butler Matrix array, can be used to develop a system that increases the performance of a wireless system. The Butler matrix is a switched beam array system which can produce orthogonal uniform beams. The main objective is to improve the efficiency of the power in a 90-degree bend. Also, the double-mitered bend is particularly interesting since it provides a substantially lower reflection coefficient and a lower value of S12 at a frequency of 2.4 GHz compared to an unmitered one. Therefore, this paper describes an optimum design using a double-mitered method with a 2 × 2 and a 4 × 4 Butler Matrix array, operating at 2.4 GHz which is used in wireless systems with an FR4 substrate.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,176

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,033
Tête enseignante GPT0,352
Écart entre enseignants0,319 · 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
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Communications Network and System SciencesMême sujetAdvanced Antenna and Metasurface TechnologiesTravaux en français237 207