A Compact Filter and Dipole Antenna With Its Phased Array Filtenna and ADMM-BO Learning for Use-Case Analog/Hybrid Beamforming in 5G mmWave Communications
Notice bibliographique
Résumé
In this article, a 5G compact millimeter-wave dipole antenna with high gain and its array filter-antenna is proposed, following a theoretical discussion is proposed. To increase the gain and focused mainbeam, the double dipole is inserted at the ground plane. The results show that the proposed antenna has an impedance band-width (IBW) of around 7.14% and 6.7 dBi gain at 28 GHz. Next, a 5G filter is proposed with 4% IBW and lower than 0.6 dB gain insertion loss. A simple phase-shifter with 2-bit structure is designed in an 8-elemens array filter-antenna with <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$0.35\lambda $ </tex-math></inline-formula> spacing between the two elements which uses a meander-line to reduce mutual-coupling. First, the phased-array filtenna (filter-antenna) is fabricated to meet the analog beamforming challenge. The IBWs of the array filter antenna are approximately 3.5% with a high gain of 15 dBi. Second, a novel machine learning method is proposed as an alternating direction method of multipliers and Bayesian Optimization (ADMM-BO) is used in the hybrid beamforming for such partially-connected phased-array structures. Simulation and measurement results show that the proposed antenna and its array have a high gain in analog and hybrid beamforming and acceptable data rates. The data-rates of this array reach 100 Mb/s in SNRs higher than 10 dB. The amount for 0 dB SNR is 75 Mb/s. These results also indicate that the mainbeam shift is in the range of [−50°, 50°] with a gain in variations of around 1.5 dB and side lobe level (SLL) of about −10 dB at 50°.
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 ».