Antena microfita com fendas e SAR reduzida através de AMC para aplicações 5G

Abstract

As técnicas de inteligência computacional geralmente imitam aspectos do comportamento humano, tais como: aprendizado, percepção, raciocínio, evolução e adaptação. Desta forma, muitos sistemas foram desenvolvidos utilizando conceitos e princípios da evolução natural das espécies como estratégia de otimização. Este trabalho envolve os algoritmos evolutivos na metodologia de aprimoramento de projeto de antena de microfita (BALANIS, 2016) banda dupla (EJAZ, 2020) com fendas para aplicações 5G. Além disso, a mesma metodologia foi empregada no desenvolvimento de estrutura metamaterial AMC ("Artificial Magnetic Conductor"), com a finalidade de aprimorar as características de operação. O plano AMC (LIMA, 2020) é formado usando uma matriz 2 x 2 de células unitárias, cada uma com formação em U e elemento reconfigurável. Os resultados comparados com antena sem AMC indicam que o sistema fornece aumento na diretividade e redução da SAR a ser discutida no texto.

Computational Intelligence Techniques are techniques that generally imitate aspects of human behavior, such as: learning, perception, reasoning, evolution and adaptation. Thus, many systems were developed using concepts and principles of the natural evolution of species as an optimization strategy. This work involves one of these techniques: the Genetic Algorithms in the “patch” (BALANIS, 2016) dual-band (EJAZ, 2020) antenna design methodology with slits for 5G applications. Furthermore, the methodology was employed in the development of the metamaterial structure AMC ("Artificial Magnetic Conductor") in order to improve the operating characteristics. The AMC plane (LIMA, 2020) is formed using a 2 x 2 matrix of unit cells, each with a U-shape and a reconfigurable element. The results compared to the antenna without AMC indicate that the system provides increase directivity and reduced SAR to be discussed in the text.