特開 2023-101454 導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023101454

(43)【公開日】2023-07-21

(54)【発明の名称】導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ

(51)【国際特許分類】

   H01P 1/213 20060101AFI20230713BHJP

   H01P 1/208 20060101ALI20230713BHJP

   H01P 7/06 20060101ALI20230713BHJP

【ＦＩ】

H01P1/213 D

H01P1/208

H01P7/06

【審査請求】有

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2022143452

(22)【出願日】2022-09-09

(31)【優先権主張番号】10-2022-0003639

(32)【優先日】2022-01-10

(33)【優先権主張国・地域又は機関】KR

(71)【出願人】

【識別番号】520304734

【氏名又は名称】イランテック

【氏名又は名称原語表記】ＥＲＡＮＧＴＥＫ

(71)【出願人】

【識別番号】522359486

【氏名又は名称】イ，ジェ ボク

(74)【代理人】

【識別番号】100134636

【弁理士】

【氏名又は名称】金高 寿裕

(74)【代理人】

【識別番号】100114904

【弁理士】

【氏名又は名称】小磯 貴子

(72)【発明者】

【氏名】イ，ジェ ボク

(72)【発明者】

【氏名】ジ，ヨン ナム

【テーマコード（参考）】

5J006

【Ｆターム（参考）】

5J006HC01

5J006HC12

5J006HC14

5J006JA01

5J006KB00

5J006LA02

5J006LA21

(57)【要約】

【課題】本発明は多数の衛星周波数を用いる移動通信帯域通信システムの出力を相互結合して挿入損失を抑え、ＰＩＭＤ性能を高めて、隣接する周波数の５Ｇ移動通信帯域をシングルまたは多重モードを用いて効果的にフィルタリングすることで、フィルタのサイズを縮小して軽量化することができる導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサに関する。
【解決手段】本発明の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、ＲＦ周波数帯域を受信してチューニング可能な帯域通過フィルタ及び少なくとも二つ以上の帯域通過フィルタの出力を結合してアンテナと整合する結合器からなる。
【選択図】図１

【特許請求の範囲】

【請求項1】

ＲＦ周波数帯域を受信してチューニング可能な帯域通過フィルタ；及び
少なくとも二つ以上の前記帯域通過フィルタの出力を結合してアンテナと整合する結合器；を含む導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項2】

前記ＲＦ周波数帯域は、
衛星周波数帯域であって、第１帯域として２６．５ないし２７．３ＧＨｚ、第２帯域として２７．３ないし２８．１ＧＨｚ、及び第３帯域として２８．１ないし２８．９ＧＨｚを用いることを特徴とする、請求項１に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項3】

前記帯域通過フィルタは、
一つのモードまたは少なくとも二つ以上の異なるモードの共振器を連続的に結合してなることを特徴とする、請求項１に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項4】

前記モードは、ＴＥ１１４モードを用いることを特徴とする、請求項３に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項5】

前記モードは、ＴＥ０１１モードを用いることを特徴とする、請求項３に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項6】

前記結合器は、
少なくとも二つ以上の前記帯域通過フィルタの出力を信号連結壁体に連結して共用ポールで結合することを特徴とする、請求項１に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項7】

前記信号連結壁体は、
前記帯域通過フィルタと前記結合器を連結するベースと前記ベースの上端に位置した上側延長部からなることを特徴とする、請求項６に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項8】

前記チューニングは、
多数の前記帯域通過フィルタと一つの前記結合器で構成されたＲＦマルチプレクサの入出力値とチューニング深さに基づき人工知能学習モデルを利用した機械学習を行った結果に基づいて行うことを特徴とする、請求項１に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項9】

前記人工知能学習モデルは、
入力層、隠れ層、及び出力層で構成され、前記ＲＦマルチプレクサの入出力値とチューニング深さを前記入力層とし、目標特性を満たすようにチューニング深さ制御を前記出力層とすることを特徴とする、請求項８に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項10】

前記目標特性は、
周波数別の挿入損失、反射損失、入力間のアイソレーションのうち少なくともいずれか一つであることを特徴とする、請求項９に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項11】

前記機械学習は、
前記目標特性を満たす条件に基づきモンテカルロ学習の補償関数をアップデートすることを特徴とする、請求項９に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【請求項12】

前記機械学習は、
前記目標特性を満たすためのチューニング深さ制御はタイムステップ別に直ちに補償関数をアップデートする時間差学習を行う一方、前記目標特性を満たす場合、これに基づきすべての状態に対して補償関数をアップデートするモンテカルロ学習を行うことを特徴とする、請求項９に記載の導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサ。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサに関し、詳細には、多数の衛星周波数を用いる移動通信帯域通信システムの出力を相互結合するものである。すなわち、本発明は、隣接する周波数の５Ｇ移動通信帯域を効果的にフィルタリングしてフィルタのサイズを縮小することができる導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサに関する。

【背景技術】

【0002】

４次産業革命の核心戦略技術である５Ｇ通信技術は、地上網を越えて衛星網と統合する技術進歩が加速しており、特に、パンデミック以降、データ基盤のグローバル５Ｇ市場への投資拡大により、価格競争力から技術競争力市場へと再編されているデータ基盤技術を指向する産業生態系に直面している。

【0003】

韓国による世界初の５Ｇ商用化以降、海外のリーディングカンパニーも５Ｇ核心要素技術の先占と生態系組成のために、政府、民間、公共機関の技術競争の優位性を確保するべく多くの時間と予算を集中的に投じている。

【0004】

韓国が行った移動通信３社の５Ｇ共同構築をはじめとして、日本と中国、ドイツなどのグローバル市場において、インフラコストを節減するための移動通信会社間の５Ｇ共用化構築に向けた協力が本格化するものと見込まれ、これとは別に移動通信３社の共用化のためのマルチプレクサが開発されてきた。

【0005】

その一例として、韓国公開特許公報第１０－２０１８－００６４０５４号では、低域通過フィルタ及び高域通過フィルタを利用して広帯域ダイプレクサを具現し、ＰＩＭＤ（Ｐａｓｓｉｖｅ Ｉｎｔｅｒ－Ｍｏｄｕｌａｔｉｏｎ Ｄｉｓｔｏｒｔｉｏｎ）性能を改善するために接触非線形のＰＩＭＤの主な発生原因であるトンネル効果を最小化させることができる、ＰＣＢ基板を空中に浮かせたサスペンド（ｓｕｓｐｅｎｄｅｄ）構造を提案した。

【0006】

しかし、この場合、近接する周波数帯域の信号は結合し難く、特に、５Ｇ用２８ＧＨｚ衛星周波数では適用し難い短所がある。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】韓国公開特許公報第１０－２０１８－００６４０５４号（２０１８．０６．１４．）

【発明の概要】

【発明が解決しようとする課題】

【0008】

本発明の目的は、多数の衛星周波数を用いる移動通信帯域通信システムの出力を相互結合して挿入損失を抑え、ＰＩＭＤ性能を高める導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサを提供することにある。

【0009】

本発明のまた他の目的は、隣接する周波数の５Ｇ移動通信帯域をシングルまたは多重モードを用いて効果的にフィルタリングすることで、フィルタのサイズを縮小して軽量化することができる導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサを提供することにある。

【課題を解決するための手段】

【0010】

本発明に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、ＲＦ周波数帯域を受信してチューニング可能な帯域通過フィルタ及び少なくとも二つ以上の帯域通過フィルタの出力を結合してアンテナと整合する結合器を含んでもよい。

【0011】

ここで、ＲＦ周波数帯域は、衛星周波数帯域であって、第１帯域として２６．５ないし２７．３ＧＨｚ、第２帯域として２７．３ないし２８．１ＧＨｚ、及び第３帯域として２８．１ないし２８．９ＧＨｚを用いてもよい。

【0012】

また、帯域通過フィルタは、一つのモードまたは少なくとも二つ以上の異なるモードの共振器を連続的に結合してなってもよい。

【0013】

ここで、モードは、ＴＥ１１４モードを用いてもよい。

【0014】

また、モードは、ＴＥ０１１モードを用いてもよい。

【0015】

ここで、結合器は、少なくとも二つ以上の帯域通過フィルタの出力を信号連結壁体に連結して共用ポールで結合してもよい。

【0016】

また、信号連結壁体は、帯域通過フィルタと結合器を連結するベースとベースの上端に位置した上側延長部からなっていてもよい。

【0017】

ここで、チューニングは、多数の帯域通過フィルタと一つの結合器で構成されたＲＦマルチプレクサの入出力値とチューニング深さに基づき人工知能学習モデルを利用した機械学習を行った結果に基づいて行ってもよい。

【0018】

また、人工知能学習モデルは、入力層、隠れ層、及び出力層で構成され、ＲＦマルチプレクサの入出力値とチューニング深さを入力層とし、目標特性を満たすようにチューニング深さ制御を出力層としてもよい。

【0019】

ここで、目標特性は、周波数別の挿入損失、反射損失、入力間のアイソレーションのうち少なくともいずれか一つであることを特徴としてもよい。

【0020】

また、機械学習は、目標特性を満たす条件に基づきモンテカルロ学習の補償関数をアップデートしてもよい。

【0021】

ここで、機械学習は、目標特性を満たすためのチューニング深さ制御はタイムステップ別に直ちに補償関数をアップデートする時間差学習を行う一方、前記目標特性を満たす場合、これに基づきすべての状態に対して補償関数をアップデートするモンテカルロ学習を行ってもよい。

【発明の効果】

【0022】

本発明による導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、多数の衛星周波数を用いる移動通信帯域通信システムの出力を相互結合して挿入損失を抑え、ＰＩＭＤ性能を高める長所がある。

【0023】

また、本発明による導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、隣接する周波数の５Ｇ移動通信帯域をシングルまたは多重モードを用いて効果的にフィルタリングすることで、フィルタのサイズを縮小して軽量化することができる長所がある。

【図面の簡単な説明】

【0024】

【図1】本発明の一実施例に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサを示した構成図である。

【図2】図１のＲＦマルチプレクサを詳細に示したブロック図である。

【図3】図１の帯域通過フィルタに用いられるＴＥ１１４モードの電場分布の現況を示した図面である。

【図4】図１の帯域通過フィルタに用いられるＴＥ０１１モードの電場分布の現況を示した図面である。

【図5】図１の多数の帯域通過フィルタが結合器に結合される共用ポール構造を詳細に示した斜視図及び断面図である。

【図6】図１の帯域通過フィルタをチューニングするための人工知能学習モデルを詳細に示した概略構成図である。

【発明を実施するための形態】

【0025】

本発明を実施するための具体的な実施例について、添付の図面を参照して説明する。

【0026】

本発明は、多様な変更を加えることができ、様々な実施例を有することができるが、特定の実施例を図面に例示して詳細に説明することにする。これは本発明を特定の実施形態に対して限定しようとする意図ではなく、本発明の思想及び技術範囲に含まれるすべての変更、均等物ないし代替物を含むことを理解されたい。

【0027】

以下、添付の図面を参照して本発明に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサについて詳細に説明する。

【0028】

図１は本発明の一実施例に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサを示した構成図であり、図２ないし図６は図１を詳細に説明するための細部ブロック図、図面、断面図、及び概略構成図である。

【0029】

以下、図１ないし図６を参照して本発明の一実施例に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサを説明する。

【0030】

まず、図１を参照すると、本発明の一実施例に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、ＲＦ周波数帯域を受信してチューニング可能な帯域通過フィルタ１１０及び少なくとも二つ以上の帯域通過フィルタ１１０の出力を結合してアンテナと整合する結合器１２０からなる。

【0031】

ここで、ＲＦ周波数帯域は、衛星周波数帯域であって、第１帯域として２６．５ないし２７．３ＧＨｚ、第２帯域として２７．３ないし２８．１ＧＨｚ、及び第３帯域として２８．１ないし２８．９ＧＨｚを用いる。

【0032】

５Ｇ２８ＧＨｚ移動通信帯域は、ＫＴ：２６．５～２７．３ＧＨｚ、ＬＧＵ＋：２７．３～２８．１ＧＨｚ、ＳＫＴ：２８．１～２８．９ＧＨｚで定義されている。かかる帯域に対してフィルタリングを行って各々アンテナを用いると、衛星体の重量が大きいので、これに対するアンテナ共用化が必須となる。

【0033】

この時、衛星体の場合、既存のＲＦマルチプレクサ１００対比重量を減少させながら性能は高めなければならず、特に、高出力の送信に対してＰＩＭＤ性能も優れていることが求められる。

【0034】

本発明によれば、このような要求に符合するように、サイズと性能を向上させたＲＦマルチプレクサ１００を提供することができる。

【0035】

本発明の帯域通過フィルタ１１０は、ＴＥ１１４モードとＴＥ０１１モードを直列結合してＲＦマルチプレクサ１００のサイズと重量を減少させることができ、これについては、以下の図２ないし図４で詳細に説明する。また、結合器１２０は、ＰＩＭＤの特性を改善して挿入損失性能を高めるために共用ポール結合を行ってもよく、これについては、図５で説明する。

【0036】

一方、帯域通過フィルタ１１０は、入力帯域に応じてチューニングを行わなければならないが、本発明では機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）を導入してチューニング正確度を高めることができ、これについては、図６で詳細に説明する。

【0037】

図２は図１のＲＦマルチプレクサ１００を詳細に示したブロック図である。

【0038】

図２に示すように、帯域通過フィルタ１１０は、一つのモードまたは少なくとも二つ以上の異なるモードの共振器を連続的に結合して構成される。

【0039】

ここで、第１フィルタ１１１、第２フィルタ１１２ないし第Ｎフィルタ１１３は、一つのモードで用いられてもよく、少なくとも二つ以上の異なるモードを用いて結合してもよいが、これについては、以下の図３及び図４で詳細に説明する。

【0040】

図３は図１の帯域通過フィルタ１１０に用いられるＴＥ１１４モードの電場分布の現況を示した図面であって、図３に示すように、モードはＴＥ１１４モードを用いたものである。

【0041】

ＴＥ１１４を構成する帯域通過フィルタ１１０は、ＴＥ１１４フィルタハウジング３００と、ＴＥ１１４フィルタハウジング３００内部の電場分布であるＴＥ１１４フィルタ内部電場Ｓ３００で形成されていてもよい。

【0042】

ここで、帯域通過フィルタ１１０を構成する第１フィルタ１１１、第２フィルタ１１２ないし第Ｎフィルタ１１３は、フィルタリングしたい周波数帯域の平坦度を改善して挿入損失を最小化することができるが、このため帯域通過フィルタ１１０は、適切な次数によって形成され、周波数帯域外に存在する信号に対する遮断（ｒｅｊｅｃｔｉｏｎ）が必要となる。

【0043】

帯域通過フィルタ１１０の次数が高いほど広い帯域幅、効果的な遮断（ｓｈａｒｐ ｒｅｊｅｃｔｉｏｎ）及び少ない群遅延（ｇｒｏｕｐ ｄｅｌａｙ）を有することができるが、反面、チャネルフィルタの次数が高いほどサイズが大きくなり、それにより重量が増加する問題が発生するので、帯域通過フィルタ１１０は、適切な次数によって形成されなければならない。

【0044】

一方、移動通信用衛星に用いられる部品は、サイズと重量が極めて重要な要素であって、当該衛星に求められる性能を維持しながら重量を最小化することができる方法が必要となる。このような要求条件を満たすために、既存には一般的にモードを発生させる円筒形空洞（ｃａｖｉｔｙ）を用いて帯域通過フィルタ１１０を構成した。この時、帯域通過フィルタ１１０は、モードを二重モードで具現して一つの空洞に二つの共振が発生するようにすることで帯域通過フィルタ１１０のサイズを最小化することができる。

【0045】

ＴＥ１１ｍモードを用いると、帯域通過フィルタ１１０に対応する通過帯域中心における挿入損失がある程度決定され得る。この時、ＴＥ１１ｍモードでｍを増加させると、チャネルフィルタがフィルタリングしたい通過帯域端部における挿入損失が減少するが、その場合、通過帯域の平坦度が向上して通過帯域内における挿入損失を最小化することができる。

【0046】

しかし、モードでｍが増加するほど帯域通過フィルタ１１０の長さが長くなり、重量、体積及び帯域通過フィルタ１１０が衛星搭載体のパネルに占める面積が大きくなる短所がある。そして、モードでｍが５以上になると、挿入損失の側面における利点は極めて減る反面、長さは非常に長くなる。したがって、帯域通過フィルタ１１０は、概してモードでｍは４になるようにすることで、挿入損失とサイズ／重量との間の均衡点を見出すことができる。

【0047】

次に、図４は図１の帯域通過フィルタ１１０に用いられるＴＥ０１１モードの電場分布の現況を示した図面であって、図４に示すように、モードはＴＥ０１１モードを用いたものである。

【0048】

図３で言及した通り、帯域通過フィルタ１１０は、帯域通過フィルタ１１０のサイズと重量を減らすために、ＴＥ１１２モードやＴＥ１１３モードを用いてもよいが、その場合、品質係数が劣り、通過帯域における挿入損失が増加することがあり、また、通過帯域端部における挿入損失はさらに増加し、電気的性能が劣化する問題が発生する。

【0049】

ところが、ＴＥ１１ｍモードは、円筒形空洞を利用した共振モードのうち品質係数があまり高い方ではなく、ＴＥ０１ｍモードのうちＴＥ０１１モードが実質的に用いられる共振モードのうち最も高い品質係数を有している。

【0050】

したがって、本発明はこのような点を利用してＴＥ１１４モードを発生させる円筒形空洞をＴＥ０１１単一モードを発生させる円筒形空洞に代替して帯域通過フィルタ１１０の長さを減少させる方法を提供する。このように減少した長さを有する本発明の帯域通過フィルタ１１０を利用すると、帯域通過フィルタ１１０を固定するその他要素のサイズと重量も減少することができる効果がある。

【0051】

一方、ＴＥ０１１は、図４に示すように、帯域通過フィルタ１１０がＴＥ０１１フィルタハウジング４００内部の電場分布であるＴＥ０１１フィルタ内部電場Ｓ４００で構成されることが分かる。したがって、本発明では図３のＴＥ１１４と図４のＴＥ０１１を結合するために、電場分布に応じて直角で結合してもよい。

【0052】

図５は図１の多数の帯域通過フィルタ１１０が結合器１２０に結合される共用ポール構造を詳細に示した斜視図及び断面図である。

【0053】

図５に示すように、結合器１２０は、少なくとも二つ以上の帯域通過フィルタ１１０の出力を信号連結壁体１３０に連結して共用ポールで結合する。また、信号連結壁体１３０は、帯域通過フィルタ１１０と結合器１２０を連結するベース１３１とベース１３１の上端に位置した上側延長部１３２で構成される。

【0054】

図５に示すように、本発明の共用ポール結合では、周波数帯域信号が帯域通過フィルタ１１０に流入され、信号連結壁体１３０で多数の周波数帯域信号が結合器１２０に結合してアンテナに出力されていてもよい。

【0055】

ここで、結合器１２０に連結されるために、帯域通過フィルタ１１０における末端フィルタ出力である第Ｎフィルタ１１３と、これを結合器１２０に連結するための信号連結壁体１３０を備え、また、信号連結壁体１３０は、第Ｎフィルタ１１３と結合器１２０を連結するベース１３１、ベース１３１の上側に延びて構成されて第Ｎフィルタ１１３及び結合器１２０と各々離隔形成されている上側延長部１３２からなっていてもよい。

【0056】

すなわち、信号連結壁体１３０は、図５の（ａ）に図示したように、信号連結壁体１３０の下側に形成されたベース１３１を通じて、その一側が結合器１２０と接続され、他側は各チャネルフィルタを構成する終端の空洞内側に延びて第Ｎフィルタ１１３と連結される。

【0057】

上記のような構成の信号連結壁体１３０は、図５の（ｂ）のように、上側延長部１３２の高さ（Ｈ）及び幅（Ｗ）、そして離隔距離（ｄ）に基づいて周波数帯域信号のインピーダンスマッチングを行ってもよく、したがって、上側延長部１３２の高さ（Ｈ）と幅（Ｗ）、そしてその離隔距離（ｄ）を調節することで、送受信される周波数帯域との適切なインピーダンスマッチングがなされるように形成されるようになる。

【0058】

したがって、本発明によれば、多数の帯域通過フィルタ１１０を通過した多様な周波数帯域が信号連結壁体１３０によるインピーダンスマッチング後に結合器１２０と連結されるため、一つのアンテナを通じて高出力信号の送信が可能であり、また、アンテナを通じて受信される周波数も帯域通過フィルタ１１０を通じて接続ポートに出力されることができるようになる。

【0059】

また、かかる結合器１２０は、放射形態の信号連結壁体１３０の一部が終端の空洞内側に延びて収容されるため、空間活用性が極めて優れており、射出成形時に一体形成されることができる長所がある。

【0060】

以上のように、本発明によれば、各帯域通過フィルタ１１０を通じて結合器１２０に入力される周波数はコンバイン（ｃｏｍｂｉｎｅｄ）されて一つのアンテナを通じて送信され、また、アンテナを通じて受信される周波数は、結合器１２０を通じて各帯域通過フィルタ１１０に連結されることで、両方向送受信が可能な構造を有するようになる。

【0061】

一方、各帯域通過フィルタ１１０を通じて結合器１２０に送信されたり、またはアンテナに受信されて結合器１２０を通じて各帯域通過フィルタ１１０に連結される信号の損失を最小化するために、本発明では結合器１２０と信号連結壁体１３０の外側表面に対して導電性物質でめっきがなされていてもよい。

【0062】

かかるめっきは、好ましくは電導性に優れた銀めっきでなされていてもよく、銀めっきの厚さは、６μｍ～１５μｍの厚さを有するように形成されていてもよい。

【0063】

図６は図１の帯域通過フィルタ１１０をチューニングするための人工知能学習モデルを詳細に示した概略構成図である。

【0064】

図６に示すように、本発明におけるチューニングは、多数の帯域通過フィルタ１１０と一つの結合器１２０で構成されたＲＦマルチプレクサ１００の入出力値とチューニング深さに基づき人工知能学習モデル５００を利用した機械学習を行った結果に基づいて行う。

【0065】

また、人工知能学習モデル５００は、入力層５１０、隠れ層５２０、及び出力層５３０で構成され、ＲＦマルチプレクサ１００の入出力値とチューニング深さを入力層５１０とし、目標特性を満たすようにチューニング深さ制御を出力層５３０とする。

【0066】

ここで、目標特性は、周波数別の挿入損失、反射損失、入力間のアイソレーションのうち少なくともいずれか一つで設定してもよい。

【0067】

また、機械学習は、前記目標特性を満たす条件に基づきモンテカルロ学習（Ｍｏｎｔｅ－Ｃａｒｌｏ Ｌｅａｒｎｉｎｇ；ＭＣＬ）の補償関数をアップデートする方式からなっていてもよい。

【0068】

ここで、機械学習は、目標特性を満たすためのチューニング深さ制御は、タイムステップ別に直ちに補償関数をアップデートする時間差学習を行う一方、目標特性を満たす場合、これに基づきすべての状態に対して補償関数をアップデートするモンテカルロ学習を行う。

【0069】

図６のように、本発明の人工知能学習モデル５００は、ＲＦマルチプレクサ１００の入出力値とチューニング深さを受信する入力層５１０、チューニング深さを制御する出力層５３０、及び入力層５１０と出力層５３０との間に連結されて入力層５１０と出力層５３０との連結関係を構成するようにディープニューラルネットワークからなる隠れ層５２０を含む。

【0070】

ここで、人工知能学習モデル５００は、目標特性を満たす場合に基づきモンテカルロ学習の補償関数をアップデートし、この時、人工知能学習モデル５００は、人工知能学習のためにモンテカルロ学習または時間差学習（Ｔｅｍｐｏｒａｌ Ｄｉｆｆｅｒｅｎｃｅ Ｌｅａｒｎｉｎｇ；ＴＤＬ）を同時に行ってもよい。

【0071】

モンテカルロ学習（Ｍｏｎｔｅ－Ｃａｒｌｏ Ｌｅａｒｎｉｎｇ；ＭＣＬ）と時間差学習（Ｔｅｍｐｏｒａｌ Ｄｉｆｆｅｒｅｎｃｅ Ｌｅａｒｎｉｎｇ；ＴＤＬ）は、マルコフ決定過程を基本とするが、試行錯誤を経た方式を通じて実際に経験した情報に基づき価値関数を順次アップデートする方法であって、すべての場合の数を問わず、サンプリングを平均して補償関数の値を推定する本発明の強化学習の一種である。

【0072】

モンテカルロ学習は、エピソード（ｅｐｉｓｏｄｅ）が終了した後、エピソードの間に経験していたすべての状態に対して補償関数をアップデートする反面、時間差学習は、エピソードが終了するまで待つ必要なく、タイムステップ別に直ちに補償関数をアップデートすることができる長所がある。

【0073】

したがって、本発明では目標特性を満たすためのチューニング深さ制御は、時間差学習を行う一方、目標特性を満たす場合、これに基づき補償値を差別化して補償関数をアップデートしてもよい。

【0074】

このように、本発明では機械学習をチューニング深さ制御に導入することで、正確かつ迅速なフィルタチューニングを行うことができる長所がある。

【0075】

以上のような本発明に係る導波管空洞Ｋａ帯域活用基盤５Ｇミリメートル波低損失広帯域無線方式のハイブリッド型ＲＦマルチプレクサは、多数の衛星周波数を用いる移動通信帯域通信システムの出力を相互結合して挿入損失を抑え、ＰＩＭＤ性能を高める長所があり、隣接する周波数の５Ｇ移動通信帯域をシングルまたは多重モードを用いて効果的にフィルタリングすることで、フィルタのサイズを縮小して軽量化することができる長所がある。

【0076】

前述したことは、一つ以上の実施例の実例を含む。もちろん、前述した実施例を説明する目的でコンポーネントまたは方法の可能なあらゆる組み合わせを記述できるものではなく、当業者は多様な実施例の多数の追加の組み合わせ及び置換が可能であることを認識することができる。したがって、説明した実施例は、添付の請求の範囲の真意及び範囲内にあるすべての代案、変形及び改造を含むものである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】