Amélioration des performances des antennes imprimées basée sur des méthodes de modélisation et d'optimisation sophistiquées

Avec le developpement rapide de la communication sans fil, des antennes de plus en plus performantes sont necessaires. Ceci est dans le but de repondre aux demandes croissantes d'antennes assurant diverses fonctionnalites pour des equipements de communication moderne. Parmi les deux grandes categories des methodes utilisees dans l'estimation des caracteristiques des antennes imprimees, nous citons les methodes intuitives simples. Ces modeles aboutissent generalement a des formules analytiques simples. Cependant, ces modeles peuvent donner lieu a des resultats inexacts, notamment pour des applications qui requierent un substrat epais ou une constante dielectrique elevee. La deuxieme categorie regroupe les methodes sophistiquees, dites methodes d'analyse rigoureuses. Elles sont fondees sur la base de formalismes mathematiques complexes, ne peuvent conduire a des resultats exploitables que par le biais d'une resolution numerique. Ces methodes n'ont connu un veritable challenge dans la conception des antennes imprimees qu'avec l'accroissement des performances des ordinateurs. Ces methodes, qui sont d'actualite, ne sont pas limitees par les conditions classiques imposees sur le substrat, et permettent d'analyser des antennes de formes tres variees mais necessitent un temps de calcul relativement important. Malgre que les methodes numeriques sophistiquees permettent d'estimer avec exactitude les caracteristiques des antennes imprimees, ces methodes seules sont incapables de repondre aux demandes croissantes d'antennes assurant diverses fonctionnalites et multiples performances pour des equipements de communication moderne. Dans ce present travail, nous utilisons une methode de modelisation rigoureuse conjointement avec un outil d'optimisation sophistique dans le but de realiser des antennes imprimees de plus en plus performantes et assurant diverses fonctionnalites. La modelisation est accomplie via la methode des moments alors que les algorithmes genetiques et d’autres techniques plus evolutives sont exploites comme un outil d'optimisation performant