MétaCan
Menu
Retour à la cohorte
Enregistrement W2940751552 · doi:10.1109/access.2019.2912119

Optimum Wideband High Gain Analog Beamforming Network for 5G Applications

2019· article· en· W2940751552 sur OpenAlexaff
Essa H. Mujammami, Islam Afifi, Abdel‐Razik Sebak

Notice bibliographique

RevueIEEE Access · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Engineering and Waveguides
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBeamformingExtremely high frequencyWidebandMonolithic microwave integrated circuitBroadbandElectronic engineeringAntenna arrayComputer scienceAntenna (radio)Electrical engineeringTelecommunicationsEngineeringBandwidth (computing)

Résumé

récupéré en direct d'OpenAlex

A broadband high-gain millimeter-wave (mmWave) array beamforming network (BFN) design, analysis, and implementation based on the Rotman lens antenna array feeding are presented. The BFN is intended for operation in the (26-40) GHz frequency band for a wide range of potential applications in the fifth generation (5G). The system is made on Rogers substrate, RO6010, to provide compatibility with standard planar low-cost processing techniques for millimeter-wave monolithic integrated circuit (MMIC). The measured results show the system capability of 80° beam scanning for different angles at -39.7°, -26.5°, -13.3°, 0°, +13.3°, +26.5°, and +39.5° at 28 GHz. With these features in addition to being compact size, low profile, and lightweight, this BFN is suitable for various millimeter-wave and 5G applications such as the advanced multi-in multi-out (MIMO) systems, remote sensing, and automotive radar.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,632

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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

Citations31
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMicrowave Engineering and WaveguidesTravaux en français237 207