Characterization and Performance Measurement of Minimum Bandwidth Ratio UWB CP Antenna Using Machine Learning
Notice bibliographique
Résumé
In this article, a novel compact ultrawideband (UWB) circularly polarized (CP) inverted L-shaped-hook monopole (ILSHM) antenna is presented. The proposed ILSHM antenna incorporates a defective ground loop plane with two rectangular slits introduced to the primary radiator. These modifications play a crucial role in controlling current distribution and widening both the impedance bandwidth (IBW) and axial ratio bandwidth (ARBW). The measured UWB IBW is from 2.243 to 20.653 GHz (160.82%), while the ARBW is less than 3 dB from 3.216 to 18.985 GHz (143.45%). As a result, a minimum bandwidth ratio (BR)$\text {BR}|_{(10/3)\text {dB}}$of$\approx ~1.121$is achieved, ensuring nearly stable performance with minimal variation across different bandwidths. Furthermore, machine learning (ML) techniques, such as artificial neural networks (ANNs), are employed to predict the optimal design parameters of the proposed antenna. This approach automates and optimizes the design process, enhancing both adaptability and reliability. The ANN model is trained to identify the best parameter set for optimizing IBW and ARBW, streamlining the process of achieving high-performance characteristics. This novel approach to the UWB CP ILSHM antenna features a simple, compact design, minimum BR, and nearly stable radiation patterns and is highly suitable for UWB wireless applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».