MétaCan
Menu
Retour à la cohorte
Enregistrement W3005804303 · doi:10.1109/tap.2020.2972375

Beam Tilting Approaches Based on Phase Gradient Surface for mmWave Antennas

2020· article· en· W3005804303 sur OpenAlexaff
M. Akbari, Mohammadmahdi Farahani, Alireza Ghayekhloo, Saman Zarbakhsh, Abdel-Razik Sebak, Tayeb A. Denidni

Notice bibliographique

RevueIEEE Transactions on Antennas and Propagation · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Antenna and Metasurface Technologies
Établissements canadiensConcordia UniversityInstitut National de la Recherche ScientifiqueUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésOpticsExtremely high frequencyMaterials scienceAntenna (radio)DielectricGratingPhase (matter)OptoelectronicsPhysicsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

This article presents four different approaches utilized in beam tilting that are based on the phase gradient (phase shifting) surfaces. Each approach is individually analyzed and then compared to other techniques. Beam tilting is obtained through various techniques by transforming the phase distribution of Fabry-Perot cavity antenna (FPCA) in the near-field region by means of inexpensive and passive surfaces including wedge-shaped dielectric lens (WSDL), discrete multilevel grating dielectric (DMGD), printed gradient surface (PGS), and perforated dielectric gradient surface (PDGS). To enhance efficiency in the millimeter-wave (MMW) band, the FPCA is fed through printed ridge gap waveguide. In addition, considerable enhancement in radiation performance of the antenna at 60 GHz is acquired by a partially reflective surface (PRS), including a gain enhancement from 6.5 to 22 dB. To validate the suggested methodology and performance of the designs, several prototypes are chosen for fabricating. A satisfactory agreement between the numerical results and experimental ones is achieved. The proposed designs are also applicable for MMW frequencies especially the narrower band communication system.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0020,001

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 Opus0,062
Tête enseignante GPT0,252
Écart entre enseignants0,191 · 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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Antennas and PropagationMême sujetAdvanced Antenna and Metasurface TechnologiesTravaux en français237 207