MétaCan
Menu
Retour à la cohorte
Enregistrement W2918775705 · doi:10.1109/access.2019.2902596

High Gain Bow-Tie Slot Antenna Array Loaded With Grooves Based on Printed Ridge Gap Waveguide Technology

2019· article· en· W2918775705 sur OpenAlexaff
Syed M. Sifat, Mohamed Mamdouh M. Ali, Shoukry I. Shams, Abdel-Razik Sebak

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Engineering and Waveguides
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBow tieSlot antennaMaterials scienceAntenna efficiencyAntenna measurementAntenna gainWidebandRadiation patternOpticsAntenna (radio)Bandwidth (computing)Electrical engineeringAcousticsOptoelectronicsComputer sciencePhysicsEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The development of wireless and satellite communication has led to a demand for high-performance microwaves and mm-wave components in terms of cost, losses, and fabrication complexity. Gap waveguide is one of the emerging technologies in 5G and mm-wave applications due to their low cost, low losses, and high power handling capability. In this paper, a groove-based wideband bow-tie slot antenna array is designed at 30 GHz based on printed ridge gap waveguide technology (PRGW). A two-section T-shaped ridge is designed to feed a bow tie slot placed on the upper ground of the PRGW. The gain of the proposed slot antenna is enhanced by using a horn-like groove. Then, the proposed high gain element is deployed to build up a 1 bow-tie slot antenna array loaded with three-layer groove antenna. The proposed antenna array is fabricated and measured, where the measured results show a -10-dB impedance bandwidth from 29.5 to 37 GHz (22%). The fabricated prototype achieves a high gain of 15.5 dBi and a radiation efficiency higher than 80% over the operating frequency bandwidth.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations67
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMicrowave Engineering and WaveguidesTravaux en français237 207