MétaCan
Menu
Retour à la cohorte
Enregistrement W4387503239 · doi:10.1038/s41598-023-44401-2

Simulation and optimization of rectenna systems

2023· article· en· W4387503239 sur OpenAlexafffund
Melad M. Olaimat, Vahid Nayyeri, Omar M. Ramahi

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRectennaThévenin's theoremRectificationAntenna (radio)Computer sciencePower (physics)Electronic engineeringElectric power systemPower densityVoltageElectrical engineeringEngineeringEquivalent circuitTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, we present an entirely simulation-based method to predict the performance of a complete rectenna system that includes all its components: the receiving antenna, the matching circuits between the antenna and the rectification circuit, and the load circuit. Whereas previous efforts to predict the performance of a rectenna system subdivided the system into the antenna part (radiation to AC power conversion) and the circuit part (AC power to DC power conversion), and made assumptions about the performance of the non-linear part of the rectenna based on a specified power level and frequency, in this method, the radiation part of the system is incorporated into the simulation by using Thevenin theorem. The method proposed in this work enables the rectenna designer to predict the performance of the complete rectenna system, at the design stage, for variation in the incident field's power density, angle of incidence, and operating frequency. Such performance prediction was not available before. Furthermore, the proposed method enables the rectenna designers to optimize the entire system over a portion of or the entire range of the operating frequency. Experimental results are provided to demonstrate the accuracy of the method.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,220

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207