Efficient Procedure to Design Large Finite Array and Its Feeding Network With Examples of ME-Dipole Array and Microstrip Ridge Gap Waveguide Feed
Notice bibliographique
Résumé
An efficient procedure to design a large planar array and its corporate feeding network is presented. The procedure is verified by 8 × 8 and 16 × 16 arrays of magnetoelectric dipoles (ME dipole) fed by microstrip ridge gap waveguide (MRGW) through a narrow slot. This procedure is based on using the frequency-dependent effective input impedance at the port of each element, which includes the effect of the mutual coupling between the antenna elements, which is used to design the corporate feeding network. In addition, the far-field characteristics of the array parameters such as directivity, gain, and the radiation patterns are predicted using the pattern multiplication method including the mutual coupling. The results are verified with the full-wave numerical solution. The procedure requires limited resources and speed up the design cycle. In the presented examples, the array elements are directly excited by the MRGW, which provides more flexibility to design complicated feeding networks and allow for distances between the elements less than a wavelength. Therefore, grating lobes are avoided. To accommodate such constraints, special designs of the power dividers are performed to provide the symmetric location of MRGW lines to avoid coupling between the feeding network lines. Furthermore, a transition from waveguide WR-15 to the MRGW is proposed to differential feed of the array antenna. The 16 × 16 array of ME dipoles has been fabricated. The measurement results show a 19% matching bandwidth (|S11| <; -10 dB) and measured gain above 30 dBi with radiation efficiency better than 71%, all within a common bandwidth of 56-66 GHz.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».