論文の概要: Design of Cavity Backed Slotted Antenna using Machine Learning Regression Model
- arxiv url: http://arxiv.org/abs/2502.19164v1
- Date: Wed, 26 Feb 2025 14:18:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-27 14:55:26.905299
- Title: Design of Cavity Backed Slotted Antenna using Machine Learning Regression Model
- Title（参考訳）: 機械学習回帰モデルを用いたキャビティベーススロットアンテナの設計
- Authors: Vijay Kumar Sutrakar, Anjana PK, Rohit Bisariya, Soumya KK, Gopal Chawan M,
- Abstract要約: このモデルは1GHzから8GHzの広帯域の入力反射係数に基づいてキャビティバックスロットアンテナの寸法を予測するために訓練された。
提案手法は、先進アンテナ設計における機械学習の活用の可能性を示し、レーダや軍用識別システム、セキュア通信ネットワークなどの実用化における効率性と精度を向上させる。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In this paper, a regression-based machine learning model is used for the design of cavity backed slotted antenna. This type of antenna is commonly used in military and aviation communication systems. Initial reflection coefficient data of cavity backed slotted antenna is generated using electromagnetic solver. These reflection coefficient data is then used as input for training regression-based machine learning model. The model is trained to predict the dimensions of cavity backed slotted antenna based on the input reflection coefficient for a wide frequency band varying from 1 GHz to 8 GHz. This approach allows for rapid prediction of optimal antenna configurations, reducing the need for repeated physical testing and manual adjustments, may lead to significant amount of design and development cost saving. The proposed model also demonstrates its versatility in predicting multi frequency resonance across 1 GHz to 8 GHz. Also, the proposed approach demonstrates the potential for leveraging machine learning in advanced antenna design, enhancing efficiency and accuracy in practical applications such as radar, military identification systems and secure communication networks.
- Abstract（参考訳）: 本稿では,レグレッションに基づく機械学習モデルを用いてキャビティバックスロットアンテナの設計を行う。
この種のアンテナは、軍事や航空の通信システムで一般的に使われている。
電磁分解器を用いてキャビティバックスロットアンテナの初期反射係数データを生成する。
これらの反射係数データは、回帰に基づく機械学習モデルの入力として使用される。
このモデルは、1GHzから8GHzの広帯域の入力反射係数に基づいてキャビティバックスロットアンテナの寸法を予測するために訓練される。
このアプローチは、最適なアンテナ構成の迅速な予測を可能にし、繰り返しの物理的テストや手動調整の必要性を減らし、設計と開発コストの大幅な削減につながる可能性がある。
提案モデルはまた、1GHzから8GHzのマルチ周波数共振を予測できる汎用性を示した。
また,提案手法は,先進アンテナ設計における機械学習の活用の可能性を示し,レーダや軍用識別システム,セキュア通信ネットワークなどの実用化における効率性と精度を向上させる。
関連論文リスト
- DRL-based Dolph-Tschebyscheff Beamforming in Downlink Transmission for Mobile Users [52.9870460238443]
学習可能なDolph-Tschebyscheffアンテナアレイを用いた深部強化学習に基づくブラインドビームフォーミング手法を提案する。
シミュレーションの結果,提案手法は最良値に非常に近いデータレートをサポートできることが示唆された。
論文 参考訳（メタデータ） (2025-02-03T11:50:43Z) - Rydberg Atomic Quantum Receivers for Multi-Target DOA Estimation [77.32323151235285]
ライドバーグ原子量子受信機(RAQR)は、古典的な無線通信とセンシングのための有望なソリューションとして登場した。
我々はまず、マルチターゲット検出のためのRydberg原子量子一様線形アレイ(RAQ-ULA)支援受信機を考案した。
次に、RAQ-ESPRITと呼ばれる回転不変性に基づく手法を設計することにより、信号パラメータのRydberg原子量子推定を提案する。
論文 参考訳（メタデータ） (2025-01-06T07:42:23Z) - Rydberg Atomic Quantum Receivers for Classical Wireless Communications and Sensing: Their Models and Performance [78.76421728334013]
ライドバーグ原子量子受信機(Rydberg atomic quantum receivers, RAQRs)は、高周波(RF)信号の電界を検出するための卓越した溶液である。
本稿では,無線コミュニティにおけるRAQRの超ヘテロダインバージョンについて,エンド・ツー・エンドの受信方式を提案する。
次に,現実的な受信フローに依存する等価なベースバンド信号モデルを開発する。
論文 参考訳（メタデータ） (2024-12-07T06:25:54Z) - Antenna Array Calibration Via Gaussian Process Models [0.0]
アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。
アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。
まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。
一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
論文 参考訳（メタデータ） (2023-01-16T19:40:50Z) - UAV-aided Wireless Node Localization Using Hybrid Radio Channel Models [19.374861475180712]
我々は,UAV-ユーザリンクチャネルモデルパラメータとUAVのアンテナ放射パターンを推定する必要のある未知として扱う。
従来の経路損失モデルとUAVアンテナゲイン関数を近似したニューラルネットワークを組み合わせたハイブリッドチャネルモデルを提案する。
次に,学習したハイブリッドチャネルモデルと環境の3次元マップを併用した粒子群最適化手法を用いて,地上ユーザを正確にローカライズする。
論文 参考訳（メタデータ） (2022-05-06T16:04:42Z) - A Machine Learning Generative Method for Automating Antenna Design and
Optimization [9.438718097561061]
異なるノードを接続することで任意の形状を形成できるメッシュネットワークの概念を取り入れたフレキシブルな幾何学的スキームを導入する。
広帯域なデュアル共振アンテナの設計では,提案手法はTrust Region Frameworkと同等であり,他の成熟した機械学習アルゴリズムよりもはるかに優れている。
論文 参考訳（メタデータ） (2022-02-28T21:30:37Z) - A Reusable Framework Based on Reinforcement Learning to Design Antennas
for Curved Surfaces [0.0]
この研究は小さなアンテナを識別する方法論を追求し、いくつかの類似点を示す。
目的は、金属管の表面に効率よく取り付けられるアンテナを特定することである。
その動機は、視覚的な衝撃を減らし、アンテナの放射パターンを最適化することである。
論文 参考訳（メタデータ） (2020-11-24T14:35:23Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳（メタデータ） (2020-11-03T16:50:37Z) - A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。
本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。
提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
論文 参考訳（メタデータ） (2020-02-28T05:56:14Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。