An Optimization Driven Approach for Designing Touch Sensor Panels for Integration With Antennas
Notice bibliographique
Résumé
Objective: We present a systematic method of integrating 5G printed antennas with bezel-less capacitive touch sensor panels (TSPs). Need: With these displays, only the space underneath the TSP is available for antenna integration. But, the electrodes of contemporary TSPs are so closely packed that they reflect impinging electromagnetic (EM) waves, distorting the radiation patterns of the antenna placed underneath. Thus, the system requires more power to compensate for these reflections and maintain high quality data transfer. Method: We utilize pattern search optimization to design the touch sensing electrodes as frequency selective surfaces with a pass-band at the operating frequency of the antenna. We carry out the optimization initially at 4.7GHz to demonstrate its advantages with respect to antenna integration. We fabricated the optimized TSP and measured its transmission and reflection coefficients for a normally-incident plane wave. The designed TSP is broadband and has a measured bandwidth of 8.4% at 4.76GHz. We explore the optimization process further for other frequencies in the 5G-NR frequency range 1 spectrum (4GHz, and 5.5GHz) to show its robustness. Touch performance: We evaluate the touch sensing response of the optimized TSP using quasielectrostatic simulations. Results: We designed, optimized and realized a TSP for a 4.7GHz antenna. We integrated the optimized and conventional TSPs with a printed dipole antenna and measured the radiation patterns of the antenna underneath the TSP at 4.7 GHz. The measured radiation pattern for the optimized TSP case was nearly identical to the free-space pattern of the dipole. With our proposed solution, antennas can claim the space underneath the TSP which is paramount for 5G wireless standards that require multiple antennas for intelligent radios.
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 | 0,001 |
| 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 ».