MétaCan
Menu
Retour à la cohorte
Enregistrement W3149741447 · doi:10.1002/mmce.22674

<scp>High‐gain</scp> cavity antenna combining <scp>AMC‐reflector</scp> and <scp>FSS</scp> superstrate technique

2021· article· en· W3149741447 sur OpenAlexaff
Dounya Boukern, Abdelhafid Bouacha, Djelloul Aissaoui, Massinissa Belazzoug, Tayeb A. Denidni

Notice bibliographique

RevueInternational Journal of RF and Microwave Computer-Aided Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Antenna and Metasurface Technologies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésReflector (photography)Antenna (radio)Radiation patternSide lobePeriscope antennaAntenna measurementAntenna gainAntenna efficiencyOpticsMaterials scienceComputer scienceTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, a Fabry-Perot cavity antenna with an improved gain using AMC-reflector and FSS superstrate approaches is proposed. The antenna is designed at 5.8 GHz for IoT applications, it constitutes of I-shaped slot antenna, an artificial magnetic conductor (AMC) reflector and a superstrate of frequency selective surfaces (FSS). Three antenna configurations are provided to improve the gain and reduce the side lobe levels (SLL). First, an I-shaped slot antenna operates at 5.8 GHz, is proposed. The second configuration provide an AMC reflector layer, placed under the antenna, to degrade SLL in the desired band. Finally, three FSS superstrate layers located above the I-shaped slot antenna in order to maximize the level of the main lobe. An experimental prototype is fabricated, tested and presented to demonstrate the proposed antenna design. Simulated and experimental results, in terms of reflection coefficient, radiation pattern and gain, are presented and discussed to assess the proposed antenna design.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of RF and Microwave Computer-Aided EngineeringMême sujetAdvanced Antenna and Metasurface TechnologiesTravaux en français237 207