| Version imprimable |
| Optimisation multi-objectif d'antennes superdirectives compactes à balayage de faisceau pour des passerelles domestiques 5G sans fil (Multi-objective optimization of compact beam-scanning superdirective antennas for 5G indoor wireless gateways) | ||
Touhami, Abdellah - (2024-01-09) / Université de Rennes - Optimisation multi-objectif d'antennes superdirectives compactes à balayage de faisceau pour des passerelles domestiques 5G sans fil Langue : Français Directeur de thèse: Sharaiha , Ala; Collardey, Sylvain Laboratoire : IETR Ecole Doctorale : MATISSE Thématique : Sciences de l'ingénieur | ||
Mots-clés : Antennes superdirectives , Optimisation multi-objectif , Réseaux compacts , Formation de faisceaux , Passerelle domestique 5G, Antennes (électronique), Optimisation mathématique, 5G (téléphonie mobile) Résumé : L’évolution des standards de communication impose le besoin des architectures antennaires plus sophistiqués associés à des techniques de diversité d’antennes et de formation de faisceaux. Ce type d’antennes offre des nouvelles possibilités pour les applications sans fil en termes d’efficacité spectrale, de fiabilité des liens radio, de réduction de l’impact environnementale ainsi que l’accroissement des capacités des systèmes de communications. Cependant, les techniques conventionnelles de formation de faisceaux entraînent souvent une augmentation significative de la taille de l’antenne. Par conséquent, l’intégration de tel système dans des petits appareils sans fil est relativement limitée. Les réseaux d’antennes compactes et superdirectifs constituent une solution innovante et attrayante pour surmonter ces problèmes. Néanmoins, ils présentent nombreux inconvénients notamment une faible efficacité de rayonnement, un très faible gain et une bande passante très étroite. Ces inconvénients limitent l'utilité des réseaux superdirectifs pour répondre aux besoins des technologies sans fil de nouvelles générations. Dans cette thèse, nous proposons de nouvelles méthodes d’optimisation multi-objectif, basées sur la théorie des modes caractéristiques (NCM), la théorie du facteur de réseau ainsi que les réseaux de neurones artificiels (RNA) pour la conception et le développement de nouvelles architectures antennaires compactes, superdirectives, efficaces et large bande pour des applications 5G. Résumé (anglais) : The evolution of wireless communication impose the need for more sophisticated antenna architectures, combined with antenna diversity and beamforming techniques. This type of antenna offers new possibilities for wireless applications in terms of spectral efficiency, radio link reliability, reduced environmental impact and increased communications system capacity. However, conventional beamforming techniques often lead to a significant increase in antenna size. As a result, the integration of such systems into small wireless devices is relatively limited. Compact, superdirective antenna arrays offer an innovative and attractive solution for both beamforming needs and integration in small volumes. However, they exhibits multiple drawbacks, including low radiation efficiency, low gain and narrow bandwidth. These drawbacks limit the usefulness of superdirective arrays to meet the needs of new-generation wireless technologies. In this thesis, we propose new multi-objectives optimization methods, based on network characteristic mode theory (NCM), array factor theory as well as artificial neural networks (ANN), for the design and the development of new compact, superdirective, efficient and wideband antenna architectures for 5G applications. Identifiant : rennes1-ori-wf-1-19123 | ||
| Exporter au format XML |