Resumen

Este artículo analiza la mejora del ancho de banda de las antenas de parche multibanda (MMPA) utilizando ranuras simétricas rectangulares/cuadradas grabadas en el parche y las propiedades del sustrato. Los parámetros de las ranuras en las MMPA se modelan utilizando la técnica de computación suave de las redes neuronales artificiales (RNA). Para conseguir el mejor rendimiento de la RNA, se aplican la Optimización de Enjambre de Partículas (PSO) y la Evolución Diferencial (DE) con el algoritmo de entrenamiento convencional de la RNA en la optimización del rendimiento del modelado. En este estudio, los parámetros de la ranura se asumen como la distancia de la ranura al borde del parche radiante, la anchura de la ranura y la longitud. La mejora del ancho de banda se aplica a una antena MMPA diseñada anteriormente y alimentada por una línea de transmisión microstrip unida al pin central del conector SMA de 50 ohmios. Las antenas simuladas se fabrican y miden. Los resultados de las mediciones se utilizan para entrenar los modelos de inteligencia artificial. La RNA proporciona una precisión del modelo del 98% para ranuras rectangulares y del 97% para ranuras cuadradas; sin embargo, ANFIS ofrece una precisión del 90 con falta de seguimiento de la frecuencia de resonancia.

• Materias:Propagación de ondas Electromagnetismo Redes de telecomunicaciones Radiofrecuencia Teoría de Antenas
• Subjects:Wave propagation Electromagnetism Telecommunications networks Radio frequency Antenna theory
• Palabras claves:ranura cuadrada, parámetros de la ranura, mejora del ancho de banda, conector ohm sma, línea de transmisión microstrip, algoritmo de entrenamiento convencional, falta de resonancia, ann, antena de parche microstrip, red neuronal artificial
• Keywords:square slot, slot parameters, bandwidth enhancement, ohm sma connecter, microstrip transmission line, conventional training algorithm, lack of resonance, ann, microstrip patch antenna, artificial neural network