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 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
查看>>
OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>