机器学习优化的紧型双带医疗注射器灵感的可穿戴天线,用于高效的WBAN应用程序
Muhammad S Yahya1, Umar Musa2, Mohammad S Zidan3
1Department of Electrical and Electronic Engineering, Universiti Teknologi PETRONAS, Seri Iskandar, Perak, 32610, Malaysia.
Scientific reports
|December 5, 2025
概括
本研究介绍了一种用于无线身体区域网络 (WBAN) 的紧型,机器学习增强的双带天线. 经过ML优化设计,可确保可穿戴应用的可靠性能和安全性.
科学领域:
- 电气工程 电气工程
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
背景情况:
- 无线人体区域网络 (WBAN) 的可穿戴天线面临着电磁干扰和有限带宽等挑战.
- 传统的设计在体内适应性和特定吸收率 (SAR) 合规性方面扎.
- 机器学习 (ML) 为优化动态环境中的天线性能提供了一个解决方案.
研究的目的:
- 为WBAN应用引入一个紧的,ML增强的双频天线.
- 为了应对可穿戴天线中干扰,带宽和SAR合规性的挑战.
- 使用ML优化天线设计,以提高对人体的适应性和性能.
主要方法:
- 在柔性Rogers Duroid 3003TM基板上制造双带天线.
- 使用机器学习算法优化天线设计.
- 性能评估包括带宽,增益,辐射效率和SAR合规性.
- 在曲条件下对各种身体区域进行机械弹性测试.
- 监督ML回归 (随机森林) 用于预测天线共振频率.
主要成果:
- 该天线在2.4GHz和5.8GHz高效运行,带宽很小 (9.7%,7.8%) 和收益很高 (4.0dBi,6.2dBi).
- 实现了高辐射效率 (91%,93%) 和双向E平面辐射模式.
- SAR值远低于FCC和ICNIRP的监管门.
- 随机森林ML模型在共振频率预测方面实现了87.70%的R2.
- 该天线展示了机械灵活性和可靠的胸部,手臂和膝盖区域的可靠操作.
结论:
- ML增强的双频天线适用于可穿戴WBAN应用.
- 该设计提供可靠的性能,安全合规性和适应性,适用于身体穿戴系统.
- 机器学习有效地优化了天线设计,以应对具有挑战性的车身环境.
