31113

طراحي و بهينهسازي و ساخت چند نمونه آنتن مايكرواستريپ فركتالي براي سيستم مخابرات نسل 5 با تعيين مشخصات و استفاده از الگوريتمهاي يادگيري ماشين

كارشناسي ارشد

مهندسي برق

1397

1403/04/23

دكتر همايون عريضي

دكتر مجيد طيراني

مهندسي برق

امروزه هوش مصنوعي و يادگيري ماشين به سرعت در حال رشد است. بايد توجه كرد كه طراحي آنتنهاي فركتال با توجه به زياد بودن تعداد پارامترها طراحي، بسيار پيچيده بوده و نيازمند تعداد بالاي آزمون و خطا است. در اين نگاره از ماشين بردار پشتيبان براي طراحي ابعاد آنتنهاي فركتال استفاده شده است. انتخاب اين روش به دليل بهرهوري بيشتر روش ماشين بردار پشتيبان در مقايسه با ساير روشهاي نظارت شده يادگيري ماشين ميباشد. نتايج حاصل از طراحي آنتن با استفاده از يادگيري ماشين عملكرد مناسب اين روش را در طراحي آنتنهاي فركتال نشان ميدهد. به گونه‌اي كه خطاي طراحي كمتر از يك درصد ميباشد. در اين نگاره سه نوع آنتن مورد بحث و بررسي قرار گرفتهاند. ابتدا آنتنهاي پچ ساده و سپس آنتنهاي فركتال سرپينسكي كارپت و جوزپه-پيانو با استفاده از يادگيري ماشين طراحي شدهاند. شايان ذكر است كه با توجه به نتايج حاصل از اين نگار ميتوان به درستي به اين نتيجه رسيد كه يادگيري ماشين در آينده ميتواند به عنوان يك ابزار كارامد به كمك طراحان آنتن آمده و بخشي از رويههاي طراحي آنتن را ساده كند.

1403/06/05

Designing, optimizing and manufacturing several samples of fractal microstrip antennas for the 5G telecommunication system by determining the specifications and using machine learning algorithms

7/13/2025 12:00:00 AM

Today, artificial intelligence and machine learning are growing rapidly. It should be noted that due to the large number of design parameters of fractal antenna, the design of fractal antenna is very complicated and requires a large number of trial and error. In this thesis, support vector machine is used to design the physical dimensions of fractal antennas. The choice of this method is due to the higher efficiency of the support vector machine method compared to other supervised machine learning methods. The results of antenna design using machine learning show the proper performance of this method in designing of fractal antennas. The design error is less than one percent. In this thesis, three types of antennas have been discussed. First, rectangle patch antennas and then Sierpinski Carpet and Giuseppe-Peano fractal antennas were designed using machine learning. It is worth mentioning that according to the results of this paper, it can be correctly concluded that machine learning can be an effective tool to help antenna designers in the future and simplify part of the antenna design procedures.

آنتن مايكرواستريپ فركتال , يادگيري ماشين , آنتنهاي نسل 5 , ماشين بردار پشتيبان

Fractalmicrostrip antenna , Machine learning , 5G antenna , Support vector machine

Mahdieyh Motallebi Gharagheshlaghi

Dr.Homayoon Oreyzi