MétaCan
Menu
Retour à la cohorte
Enregistrement W7117727284 · doi:10.23919/amta66658.2025.11317857

Technique for Antenna Gain Correction Based on Return Loss Compensation

2025· article· W7117727284 sur OpenAlexafffund
A. Hynes, G. Brzezina, K. Oueng, A. Momciu, N. Amralah

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueElectromagnetic Compatibility and Measurements
Établissements canadiensDepartment of National DefenceCanadian Space AgencyUniversity of Waterloo
Organismes subventionnairesUniversity of Waterloo
Mots-clésAntenna (radio)Antenna gainAntenna measurementAntenna tunerCompensation (psychology)Antenna factorAntenna noise temperature

Résumé

récupéré en direct d'OpenAlex

Antenna measurements are subject to many sources of error and uncertainty. One of the most common and significant is impedance mismatch error. This error is a result of a difference in impedance looking into the antenna terminals and the circuitry that directly precedes it. Furthermore, this error is difficult to quantify and compensate for when the antenna is embedded in a dense, three-dimensional integrated package. This paper proposes a theoretical methodology to correct this error if the return loss of the antenna is known. Its usefulness is demonstrated by implementing it as a custom NSI2000 script to process data from recent antenna measurements. The results from two test cases show the expected behavior and prove that even in well matched cases, errors can be identified and compensated for. The simplicity and ease of implementation of this method make it attractive for use with any type of antenna measurement for the purpose of increasing gain measurement accuracy.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 GPT0,249
Écart entre enseignants0,233 · 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.

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'admission2
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Compatibility and MeasurementsTravaux en français237 207