基于机器学习的新型THz MIMO天线,用于未来的6G应用,具有斜槽地面平面
Md Ashraful Haque1, Kamal Hossain Nahin1, Jamal Hossain Nirob1
1Department of Electrical and Electronic Engineering, Daffodil International University, Dhaka, 1207, Bangladesh.
Scientific reports
|December 31, 2024
概括
这项研究通过使用机器学习 (ML) 来预测多输入多输出 (MIMO) 天线的性能来增强6G太赫兹 (THz) 应用. 额外树回归模型准确地预测了天线增益,提高了应用效率.
科学领域:
- 电气工程 电气工程
- 天线设计天线设计
- 机器学习应用 机器学习应用
背景情况:
- 下一代无线通信系统,如6G,需要先进的天线技术,以太赫兹 (THz) 频率运行.
- 多输入多输出 (MIMO) 天线对于提高无线通信的频谱效率和数据速率至关重要.
- 优化MIMO天线性能,特别是在THz频段,提出了重大设计和模拟挑战.
研究的目的:
- 研究机器学习 (ML) 技术的应用,以提高THz频段MIMO天线的性能预测.
- 评估监督回归ML方法在预测天线增益方面的准确性.
- 为6G应用程序优化天线性能确定最有效的ML模型.
主要方法:
- 使用模拟和RLC等效电路模型评估了天线性能.
- 通过比较来自CST和ADS模拟器的数据,证实了模拟结果的准确性.
- 使用监督回归机器学习方法来预测天线增益,分析了六种模型.
主要成果:
- 设计的天线具有广泛的带宽 (2.5THz从6.2-8.7GHz),高收益 (14.59dB) 和优异的隔离 (>-31dB),效率为96%.
- 来自CST和ADS的模拟结果显示了类似的反射系数,验证了RLC电路模型.
- 额外树回归模型在分析预测天线增益的六种ML模型中实现了最高准确度和最低误差.
结论:
- 机器学习,特别是额外树回归模型,可以准确预测THz MIMO天线的收益.
- 开发的天线设计符合先进无线通信系统的关键性能指标.
- 将ML集成到天线设计工作流中,为未来6G应用优化性能提供了一个有希望的方法.
