Date of Publication
7-21-2025
Document Type
Dissertation
Degree Name
Doctor of Philosophy in Electronics and Communications Engineering
Subject Categories
Electrical and Computer Engineering | Signal Processing
College
Gokongwei College of Engineering
Department/Unit
Electronics And Communications Engg
Thesis Advisor
Dr. Aaron Don M. Africa
Defense Panel Chair
Dr. Alexander C. Abad
Defense Panel Member
Dr. Pocholo James M. Loresco
Dr. Lawrence Y. Materum
Dr. Armie E. Pakzad
Dr. Marnel S. Peradilla
Abstract (English)
Antennas play an important role in wireless devices, with microstrip antenna (MSA) and planar inverted-F antenna (PIFA) emerging as a prevalent class of patch antennas. Its conformable configurations have contributed to their widespread adoption, and its effectiveness is contingent upon the proper design of antenna properties. Innovative designs for MSA and PIFA exhibit limited optimization potential in terms of the antenna’s form factor and operating bandwidth. Working against this gap, this research presents a novel machine learning-based pseudocode algorithm for optimizing orthogonal antennas. It purposely seeks to improve antenna gain and radiation efficiency as a contribution to innovative communication systems. Results showed that after fuzzifying antenna gain and parameters, the total weighted entropy of MSA is 3.5235% with a -23.0293 dB S11 magnitude at 2.8 GHz frequency. Microstrip design results also yielded a significant reduction in rules of 97.49%, highlighting the substantial impact of the processing technique and the utilization of constraints. The empirical testing of the developed rules yielded a 100% validity rate, denoting the accuracy of rules in data classification. The innovative novel pseudocode algorithm is structured into sections to enhance clarity and readability, detailing a framework for optimizing MSA, PIFA, and probably other antenna design types.
Index Terms: microstrip antenna, planar inverted-F antenna, fuzzy rough set theory, antenna design algorithm, optimization, innovative communication systems
Abstract Format
html
Abstract (Filipino)
Mahalaga ang papel ng mga antena sa mga wireless na komunikasyon, at ang microstrip antenna (MSA) at planar inverted-F antenna (PIFA) ay kinikilala bilang pangunahing uri ng patch antennas. Ang kanilang nababagay na mga konfigurasyon ay nagbigay-daan sa malawakang paggamit ng mga ito, at ang kahusayan ng mga antenang ito ay nakasalalay sa wastong pagdidisenyo ng kanilang mga katangiang pang-antenna. Gayunpaman, limitado pa rin ang mga kasalukuyang inobasyon sa MSA at PIFA pagdating sa potensyal para sa mas mataas na antas ng pag-optimize, lalo na sa aspeto ng form factor at operating bandwidth. Upang tugunan ang puwang na ito, inihahain ng pag-aaral na ito ang isang makabagong pseudocode algorithm na nakabatay sa machine learning para sa pag-optimize ng orthogonal antennas. Nilalayon nitong mapahusay ang antenna gain at radiation efficiency bilang ambag sa mga inobatibong sistema ng komunikasyon. Ipinakita ng mga naging resulta na matapos isagawa ang fuzzification ng antenna gain at mga parameter, ang kabuuang weighted entropy ng MSA ay umabot sa 3.5235%, na may -23.0293 dB na S11 magnitude sa 2.8 GHz na frequency. Nagpakita rin ang disenyo ng microstrip ng makabuluhang pagbaba sa bilang ng mga rules—97.49%—na nagpapakita ng malaking epekto ng ginamit na proseso at ng paglalapat ng mga constraint. Ang empirikal na pagsusuri sa mga nabuo na rules ay nagbunga ng 100% validity rate, na nagpapakita ng mataas na antas ng katumpakan ng mga ito sa pag-uuri ng datos. Ang makabagong pseudocode algorithm ay inilatag sa malinaw at sistematikong mga seksyon upang mapahusay ang kaayusan at pag-unawa, at naglalahad ng isang framework para sa pag-optimize ng MSA, PIFA, at posibleng iba pang uri ng disenyo ng antena.
Mga Terminong Index: microstrip antenna, planar inverted-F antenna, fuzzy rough set theory, algorithm sa disenyo ng antena, pag-optimize, inobatibong sistemang pangkomunikasyon
Abstract Format
html
Language
English
Format
Electronic
Keywords
Antennas (Electronics); Microstrip antennas
Recommended Citation
Galleto, F. A. (2025). Optimization of microstrip and planar inverted-f antennas using rough set theory. Retrieved from https://animorepository.dlsu.edu.ph/etdd_ece/11
Upload Full Text
wf_yes
Embargo Period
11-26-2026
