Optimização de antenas de 5G com modulação temporal
Usando Abordagens de Inteligência Artificial
Versandkostenfrei!
Versandfertig in 6-10 Tagen
44,99 €
inkl. MwSt.
PAYBACK Punkte
22 °P sammeln!
Este livro introduz a síntese de matrizes lineares e planadoras utilizando elementos práticos. Está centrado no estudo da síntese de padrões moldados em matrizes de antenas moduladas no tempo com base na radiação da banda lateral. Os padrões de feixe moldados podem ser realizados controlando apenas as sequências de tempo de ligação dos TMAAs. Muitos exemplos são considerados para investigar a exploração da técnica incluindo binomial, Chebyshev, Taylor, uniforme, e matrizes lineares de soma-diferença. É investigado um método baseado na técnica de optimização de enxame de pa...
Este livro introduz a síntese de matrizes lineares e planadoras utilizando elementos práticos. Está centrado no estudo da síntese de padrões moldados em matrizes de antenas moduladas no tempo com base na radiação da banda lateral. Os padrões de feixe moldados podem ser realizados controlando apenas as sequências de tempo de ligação dos TMAAs. Muitos exemplos são considerados para investigar a exploração da técnica incluindo binomial, Chebyshev, Taylor, uniforme, e matrizes lineares de soma-diferença. É investigado um método baseado na técnica de optimização de enxame de partículas (PSO) para integrar a detecção de elementos fracos e a correcção dos padrões danificados de TMLA. A técnica PSO é uma técnica de inteligência artificial (IA) que pode ser utilizada para encontrar soluções aproximadas a extremamente difíceis para problemas de maximização e minimização numérica impossíveis. Os TMAAs são construídos ligando os elementos com comutadores RF com sequência temporal específica para aplicações de moldagem de feixes. As diferentes formas são concebidas de acordo com requisitos pré-determinados de ganho, largura do feixe, e SLL. O objectivo principal é controlar o SLL da matriz em plano único, dois planos e todos os planos.
Andere Kunden interessierten sich für
