博客
关于我
【电信学】【2017.04】下一代无线通信的低成本天线与系统设计
阅读量:209 次
发布时间:2019-02-28

本文共 539 字,大约阅读时间需要 1 分钟。

本文研究了低成本天线和通信系统,以支持下一代无线通信和网络(5G)以及物联网(IoT)中日益增长的带宽需求。研究工作分为三个部分,旨在开发支持5G和物联网的低成本解决方案。

第一部分探讨了在可再生、轻质、柔性和低成本衬底上使用热转移印刷(TTP)技术制成高达10GHz的天线和射频导波结构。TTP技术以直流至10GHz为特点,其制造速度和低成本优势在物联网中得到验证。通过定制天线和快速原型设计,研究展示了TTP在频率捷变天线和超宽带天线(UWB)中的应用潜力。

第二部分涉及设计和优化多端口驱动(MPD)槽环天线,其目标是集成谐振隧穿二极管(RTD)振荡器用于毫米波通信。优化设计采用空气侧辐射结构,避免了笨重透镜,实现了10.8dBi的指向性增益。实验验证表明,该设计在5GHz工作频率下表现符合预期。

第三部分通过实验研究了调制RTD振荡器的带宽性能。研究分别针对28-40GHz和240GHz无线收发系统进行了构建和测试。实验结果表明,振荡器的调制带宽受限于高功率输出优化目标,分别达到300Mbps和16Mbps。未来研究建议通过调整优化目标来提高调制数据速率,以满足5G通信需求。

本研究提出的解决方案为5G和物联网提供了低成本的技术支持,具有重要的理论和应用价值。

转载地址:http://ivop.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>