Array di antenne con configurazione a alimentazione in serie che fornisce elevate prestazioni di radiazione per radar automobilistici in applicazioni IoT

Radar automobilistico più intelligente per strade più sicure

Le automobili moderne stanno rapidamente diventando computer su ruote, pieni di sensori che le aiutano a percepire la strada ed evitare pericoli. Tra questi sensori, il radar è particolarmente importante perché può misurare distanza e velocità in modo affidabile, anche sotto pioggia, nebbia o al buio. Questo articolo descrive un nuovo tipo di antenna radar compatta progettata per la banda dei 24 gigahertz, pensata per veicoli costantemente connessi all’Internet delle cose (IoT). Combinando un design hardware intelligente con un’ottimizzazione guidata dall’intelligenza artificiale, i ricercatori ottengono fasci radar più netti e più potenti in pochissimo spazio — una ricetta interessante per veicoli più sicuri e più intelligenti.

Perché le auto hanno bisogno di “occhi” migliori

I sistemi di assistenza alla guida odierni — come il controllo adattivo della velocità, l’avviso di angolo cieco e gli aiuti al parcheggio — si basano sul radar per monitorare quanto accade intorno al veicolo. Questi radar devono rilevare oggetti a decine di metri di distanza, distinguere tra auto e pedoni vicini e nel contempo integrarsi discretamente nei paraurti e nelle carrozzerie. La banda dei 24 gigahertz è popolare perché offre prestazioni affidabili in diverse condizioni atmosferiche ed è adatta al rilevamento a corto e medio raggio nel traffico urbano. Tuttavia, progettare antenne per questa banda è sfidante: gli ingegneri devono comprimere elevato guadagno (segnali forti e concentrati), ampia larghezza di banda utile e basse perdite in una struttura piccola e a basso costo che possa essere prodotta in massa come una scheda a circuito stampato.

Progetto di antenna compatta con ingombro ridotto

Gli autori presentano due progetti di antenna strettamente correlati che soddisfano queste esigenze utilizzando patch metalliche circolari piatte incise su una scheda a microonde. Un progetto ha due file di cinque patch (2 × 5), l’altro quattro file di cinque patch (4 × 5). Un “divisore di potenza” personalizzato suddivide il segnale radar in ingresso in parti uguali e alimenta ogni patch tramite sottili linee metalliche che corrono accanto, anziché direttamente dentro, le patch. Questo accoppiamento prossimo evita connessioni verticali fragili e migliora la larghezza di banda, mentre uno spaziamento scelto con cura tra le patch aiuta i loro segnali individuali a sommarsi in un fascio forte e stretto. Il risultato è un fascio a ventaglio per una copertura ampia in un progetto e un fascio più a “matita” per un rilevamento a lungo raggio e ad alta risoluzione nell’altro.

Uso dell’intelligenza artificiale per affinare l’hardware

Invece di regolare le dimensioni per tentativi, il team si affida a un metodo di ottimizzazione assistito dall’intelligenza artificiale chiamato PSADEA. Questo algoritmo testa diverse combinazioni dei principali parametri di progetto — come gli spazi tra le linee di alimentazione e le patch, le dimensioni delle patch e le lunghezze delle linee — usando rapidi modelli matematici “surrogati” supportati da simulazioni elettromagnetiche complete. PSADEA cerca forme che contemporaneamente offrano basse riflessioni del segnale, alto guadagno e un fascio sufficientemente stretto. Rispetto ad algoritmi più tradizionali come strategie genetiche o ricerche basate su particelle, PSADEA raggiunge progetti migliori con molte meno simulazioni pesanti, risparmiando tempo di calcolo pur esplorando numerose possibilità.

Prestazioni misurate nella camera di prova

I prototipi di entrambi gli array sono stati realizzati su un materiale circuitale Rogers a basse perdite e misurati in una camera anecoica che simula lo spazio libero. Nella banda 23–25 gigahertz utilizzata da molti radar automobilistici, entrambe le antenne mostrano riflessioni molto basse, il che significa che la maggior parte della potenza viene convertita in radiazione anziché rimbalzare verso l’elettronica. Il più piccolo array 2 × 5 raggiunge circa 16 decibel di guadagno, mentre l’array 4 × 5 arriva intorno ai 19,5 decibel, con efficienze di radiazione simulate superiori al 95 percento. I loro fasci corrispondono da vicino alle simulazioni: il progetto 2 × 5 forma un ampio ventaglio in un piano, ideale per coprire vaste aree laterali o posteriori, mentre il 4 × 5 produce un fascio più stretto in entrambe le direzioni, più adatto a osservare più lontano. Rispetto ad altre antenne pubblicate, questi array raggiungono un’“efficienza d’apertura” insolitamente alta, cioè estraggono più potenza utile del fascio per ogni centimetro quadrato di hardware.

Cosa significa per i veicoli connessi del futuro

Per i non specialisti, il messaggio principale è che gli autori hanno dimostrato come costruire antenne radar molto efficienti e altamente focalizzate in un fattore di forma piccolo e piatto usando strumenti e materiali compatibili con l’elettronica di produzione di massa. Permettendo a un ottimizzatore basato su IA di guidare la geometria dettagliata, ottengono progetti che superano molte soluzioni esistenti mantenendo sotto controllo costi e dimensioni. Queste antenne a fascio fisso sono particolarmente adatte a comuni compiti di assistenza alla guida come il rilevamento degli angoli ciechi, gli avvisi di traffico incrociato posteriore, gli aiuti al parcheggio e il rilevamento frontale a medio raggio. Man mano che le auto si integreranno sempre più nelle reti IoT — condividendo dati radar con altri veicoli e l’infrastruttura — tali antenne compatte e ad alte prestazioni saranno un elemento chiave per sistemi di trasporto più sicuri e più consapevoli.

Citazione: Zakeri, H., Parvaneh, M., Moradi, G. et al. Array antenna with series-fed configuration providing high radiation performances for automotive radar in IoT applications. Sci Rep 16, 11116 (2026). https://doi.org/10.1038/s41598-026-40981-x

Parole chiave: radar automobilistico, array di antenne, 24 GHz, Internet of Things, ottimizzazione AI