使用机器学习方法,预测和优化用于太赫兹6G通信的高效 tessellated 钻石碎形MIMO天线的性能,使用机器学习方法
Kamal Hossain Nahin1, Jamal Hossain Nirob1, Akil Ahmad Taki1
1Department of Electrical and Electronic Engineering, Daffodil International University, Dhaka, 1207, Bangladesh.
Scientific reports
|February 5, 2025
概括
本研究介绍了一种小型,高性能多输入多输出 (MIMO) 天线,用于6G太赫兹应用. 机器学习优化了双带共振的设计,实现了优异的增益,隔离和效率,以实现强大的数据吞吐量.
科学领域:
- 电气工程 电气工程
- 天线理论天线理论
- 6G 通信 6G 通信
背景情况:
- 在无线通信中,对更高的数据速率和更低的延迟的需求需要在6G应用中推进天线技术.
- 特拉赫兹 (THz) 频率提供了巨大的带宽潜力,但对天线构成重大设计挑战.
研究的目的:
- 设计和探索一个紧的,高性能多输入多输出 (MIMO) 天线,用于运行在THz频段的6G应用.
- 利用机器学习来准确预测和优化天线参数.
主要方法:
- 采用基于meta-learner的堆叠概括组合策略,将经典机器学习与优化的多功能堆叠组合集成.
- 神经网络作为预测天线参数的基础学习器,实现了高预测性能 (R2=0.96).
- 基于回归的机器学习被用于优化天线参数以实现双频共振.
主要成果:
- 优化的MIMO天线实现了带宽为3.34 THz和1 THz的双带共振.
- 天线显示最大增益为15.82dB,隔离超过-32.9dB,效率为99.8%.
- CST和ADS模拟,以及一个RLC等效电路模型,验证了设计的准确性.
结论:
- 拟议的紧型MIMO天线具有出色的性能特征,包括宽带宽,高增益和效率.
- 它的设计非常适合高密度,高速的6G通信环境.
- 机器学习的整合显著提高了天线属性预测和优化的准确性.
