Resumen

Este artículo presenta un método extremadamente eficiente para el diseño y la optimización de antenas. Tradicionalmente, la optimización de antenas se basa en algoritmos heurísticos inspirados en la naturaleza, que consumen mucho tiempo debido a su naturaleza de búsqueda ciega. En cambio, el diseño de experimentos (DOE) utiliza un marco completamente diferente al de los algoritmos heurísticos, reduciendo el ciclo de diseño mediante la formulación de los sustitutos de un problema de diseño. Sin embargo, el número de simulaciones necesarias crece exponencialmente si se utiliza un diseño factorial completo. En este trabajo se presenta una técnica mucho más eficiente para conseguir un ahorro de tiempo sustancial. Al utilizar experimentos fraccionarios ortogonales, sólo se requiere un pequeño subconjunto del diseño factorial completo, pero los modelos de superficie de respuesta resultantes siguen siendo eficaces. La capacidad de los experimentos fraccionarios ortogonales se demuestra a través de tres ejemplos, incluyendo dos antenas de etiquetas para aplicaciones de identificación por radiofrecuencia (RFID) y una antena interna para dispositivos portátiles de evolución a largo plazo (LTE). En estos ejemplos, los experimentos fraccionados ortogonales mejoran en gran medida la eficiencia del DOE, facilitando así el diseño de la antena con menos ejecuciones de simulación.

• Materias:Propagación de ondas Electromagnetismo Redes de telecomunicaciones Radiofrecuencia Teoría de Antenas
• Subjects:Wave propagation Electromagnetism Telecommunications networks Radio frequency Antenna theory
• Palabras claves:experimento fraccional ortogonal, diseño factorial completo, diseño de antena, menor ejecución de la simulación, eficiencia de hace, algoritmo heurístico inspirado, ahorro sustancial de tiempo, modelo de superficie de respuesta, diseño de experimento, naturaleza de búsqueda
• Keywords:orthogonal fractional experiment, full factorial design, antenna design, less simulation run, efficiency of does, inspired heuristic algorithm, substantial time savings, response surface model, design of experiment, search nature