Advancing into Millimeter Wavelengths for IoT: Multibeam Modified Planar Luneburg Lens Antenna with Porous Plastic Material
Notice bibliographique
Résumé
This paper introduces an innovative antenna design utilizing a cylindrical dielectric Luneburg lens tailored for 60 GHz Internet of Things (IoT) applications. To optimize V-band communications, the permittivity of the dielectric medium is strategically adjusted by precisely manipulating the physical porosity. In IoT scenarios, employing a microstrip dipole antenna with an emission pattern resembling cos10 enhances beam illumination within the waveguide, thereby improving communication and sensing capabilities. The refractive index gradient of the Luneburg lens is modified by manipulating the material’s porosity using air holes, prioritizing signal accuracy and reliability. Fabricated with polyimide using 3D printing, the proposed antenna features a slim profile ideal for IoT applications with space constraints, such as smart homes and unmanned aerial vehicles. Its innovative design is underscored by selective laser sintering (SLS), offering scalable and cost-effective production. Measured results demonstrate the antenna’s exceptional performance, surpassing IoT deployment standards. This pioneering approach to designing multibeam Luneburg lens antennas, leveraging 3D printing’s porosity control for millimeter-wave applications, represents a significant advancement in antenna technology with scanning ability between −67 and 67 degrees. It paves the way for enhanced IoT infrastructure characterized by advanced sensing capabilities and improved connectivity.
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 ».