MétaCan
Menu
Retour à la cohorte
Enregistrement W4410086737 · doi:10.1109/access.2025.3566985

Optimized Metamaterials for Design of Enhanced-Performance High Order Mode Dipole-Driven Yagi-Uda Antenna for Millimeter Wave Applications

2025· article· en· W4410086737 sur OpenAlexaff
Bashar A. F. Esmail, Dustin Isleifson, Sławomir Kozieł, Anna Pietrenko‐Dabrowska

Notice bibliographique

RevueIEEE Access · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNarodowe Centrum NaukiIcelandic Centre for ResearchNational Research Centre
Mots-clésMetamaterialExtremely high frequencyDipole antennaAntenna (radio)DipoleMode (computer interface)OptoelectronicsComputer scienceElectronic engineeringPhysicsTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of a Yagi antenna optimized for third-order mode operation within the millimeter-wave (mmWave) spectrum. A third-order mode driven dipole, along with a reflector, is introduced to enhance the antenna’s gain. The rigorous numerical optimization procedure was employed to precisely adjust the dimensions and positions of the driven dipole, director, and reflectors. The optimized Yagi antenna operates within the fifth generation (5G) band at 28 GHz, with a bandwidth of 2.6 GHz. Radiation pattern analysis indicates that the gain of the antenna in this higher resonant mode exceeds that of a conventional Yagi-Uda antenna, achieving a gain of 9.35 dBi at 28 GHz. To further increase the gain and address the path loss challenges in the mmWave spectrum, a near-zero index metamaterial (NZIM) array was integrated. A 5×5 unit cell array was embedded into the same antenna substrate, positioned in front of the reflector. The metamaterial array was optimized using the trust-region (TR) algorithm, resulting in a significant gain enhancement, reaching 13.8 dBi at 28 GHz while maintaining the operational bandwidth in terms of impedance matching. The antenna was subsequently fabricated and tested, with experimental results demonstrating a strong correlation with the simulated outcomes across all key parameters.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,288
Écart entre enseignants0,257 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAntenna Design and AnalysisTravaux en français237 207