Nowadays synthetic aperture radar (SAR) and multiple-input-multiple-output (MIMO) antenna systems with the capability to radiate waves in more than one pattern and polarization are playing a key role in modern telecommunication and radar systems. This is possible with the use of antenna arrays as they offer advantages of high gain and beamforming capability, which can be utilized for controlling radiation pattern for electromagnetic (EM) interference immunity in wireless systems. However, with the growing demand for compact array antennas, the physical footprint of the arrays needs to be smaller and the consequent of this is severe degradation in the performance of the array resulting from strong mutual-coupling and crosstalk effects between adjacent radiating elements. This review presents a detailed systematic and theoretical study of various mutual-coupling suppression (decoupling) techniques with a strong focus on metamaterial (MTM) and metasurface (MTS) approaches. While the performance of systems employing antenna arrays can be enhanced by calibrating out the interferences digitally, however it is more efficient to apply decoupling techniques at the antenna itself. Previously various simple and cost-effective approaches have been demonstrated to effectively suppress unwanted mutual-coupling in arrays. Such techniques include the use of defected ground structure (DGS), parasitic or slot element, dielectric resonator antenna (DRA), complementary split-ring resonators (CSRR), decoupling networks, P.I.N or varactor diodes, electromagnetic bandgap (EBG) structures, etc. In this review, it is shown that the mutual-coupling reduction methods inspired By MTM and MTS concepts can provide a higher level of isolation between neighbouring radiating elements using easily realizable and cost-effective decoupling configurations that have negligible consequence on the array's characteristics such as bandwidth, gain and radiation efficiency, and physical footprint.

In this review paper, a comprehensive study on the concept, theory, and applications of composite right/left-handed transmission lines (CRLH-TLs) by considering their use in antenna system designs have been provided. It is shown that CRLH-TLs with negative permittivity (ε <; 0) and negative permeability (μ <; 0) have unique properties that do not occur naturally. Therefore, they are referred to as artificial structures called "metamaterials". These artificial structures include series left-handed (LH) capacitances (C L ), shunt LH inductances (L L ), series right-handed (RH) inductances (LR), and shunt RH capacitances (CR) that are realized by slots or interdigital capacitors, stubs or via-holes, unwanted current flowing on the surface, and gap distance between the surface and ground-plane, respectively. In the most cases, it is also shown that structures based on CRLH metamaterial-TLs are superior than their conventional alternatives, since they have smaller dimensions, lower-profile, wider bandwidth, better radiation patterns, higher gain and efficiency, which make them easier and more cost-effective to manufacture and mass produce. Hence, a broad range of metamaterial-based design possibilities are introduced to highlight the improvement of the performance parameters that are rare and not often discussed in available literature. Therefore, this survey provides a wide overview of key early-stage concepts of metematerial-based designs as a thorough reference for specialist antennas and microwave circuits designers. To analyze the critical features of metamaterial theory and concept, several examples are used. Comparisons on the basis of physical size, bandwidth, materials, gain, efficiency, and radiation patterns are made for all the examples that are based on CRLH metamaterialTLs. As revealed in all the metematerial design examples, foot-print area decrement is an important issue of study that have a strong impact for the enlargement of the next generation wireless communication systems.

The widespread use of the Internet of Things (IoT) has led to significant breakthroughs in various fields but has also exposed critical vulnerabilities to evolving cybersecurity threats. Current Intrusion Detection Systems (IDSs) often fail to provide real-time detection, scalability, and interpretability, particularly in high-speed optical network environments. This research introduces XIoT, which is a novel explainable IoT attack detection model designed to address these challenges. Leveraging advanced deep learning methods, specifically Convolutional Neural Networks (CNNs), XIoT analyzes spectrogram images transformed from IoT network traffic data to detect subtle and complex attack patterns. Unlike traditional approaches, XIoT emphasizes interpretability by integrating explainable AI mechanisms, enabling cybersecurity analysts to understand and trust its predictions. By offering actionable insights into the factors driving its decision making, XIoT supports informed responses to cyber threats. Furthermore, the model’s architecture leverages the high-speed, low-latency characteristics of optical networks, ensuring the efficient processing of large-scale IoT data streams and supporting real-time detection in diverse IoT ecosystems. Comprehensive experiments on benchmark datasets, including KDD CUP99, UNSW NB15, and Bot-IoT, demonstrate XIoT’s exceptional accuracy rates of 99.34%, 99.61%, and 99.21%, respectively, significantly surpassing existing methods in both accuracy and interpretability. These results highlight XIoT’s capability to enhance IoT security by addressing real-world challenges, ensuring robust, scalable, and interpretable protection for IoT networks against sophisticated cyber threats.