基于机器学习的技术,用于预测毫米波小型化5G MIMO槽式天线阵列的增强,具有高隔离特性
Md Ashraful Haque1,2, Jamal Hossain Nirob1, Kamal Hossain Nahin1
1Department of Electrical and Electronic Engineering, Daffodil International University, Dhaka, 1341, Bangladesh.
Scientific reports
|January 2, 2025
概括
本研究介绍了一种适用于5G网络的紧型28GHz MIMO天线,通过模拟,测量和机器学习 (ML) 实现高性能,以优化增益预测.
科学领域:
- 电气工程 电气工程
- 无线通信无线通信
- 天线设计天线设计
背景情况:
- 5G无线网络需要更高频率的先进天线解决方案.
- 具有高隔离性和高效率的紧天线对于5G部署至关重要.
研究的目的:
- 为5G应用设计和分析一个紧的28 GHz MIMO天线.
- 使用模拟,测量和机器学习 (ML) 来优化天线性能.
主要方法:
- 使用CST Studio进行天线设计和模拟.
- 原型的制造和测量用于验证.
- 在ADS中模拟RLC电路以进行进一步分析.
- 监督的ML技术,包括随机森林回归,用于增益预测.
主要成果:
- 该天线实现了5.1GHz的带宽,峰值增益为9.43dBi,隔离率为31.37dB,效率为99.6%.
- 模拟和测量结果显示强烈一致.
- 随机森林回归模型以大约99%的准确度预测了天线增益.
结论:
- 拟议的紧型MIMO天线适用于28 GHz的5G应用.
- 集成ML可以提高天线设计效率和性能优化.
- 天线为下一代无线通信提供了一个有希望的解决方案.
