| Summary: | Orientador: Prof. Dr. Ivan Roberto Santana Casella === Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Elétrica, 2017. === Com o desligamento das transmissoes do sinal de TV analogica e o crescimento de
novas instalações do sinal de TV digital em todo territorio nacional para os proximos
anos, existe a necessidade de um conhecimento mais aprofundado das caractersticas
dos canais de propagação, possibilitando a implantação desses novos sistemas de
forma mais otimizada e efciente. Os modelos de propagação propostos para o Sistema
Brasileiro de TV Digital seguem recomendações nacionais e internacionais baseadas
nos modelos de propagação de larga escala, propostos na literatura cientifica. Contudo,
em algumas situaçõess, esses modelos não caracterizam com precisão a propagação
da onda eletromagnetica na comunicação entre o transmissor e o receptor, devido
aos fenomenos de propagação e interferencias que degradam o sinal. Assim sendo,
aplicou-se nesse projeto 03 tecnicas de Redes Neurais Artificiais como aproximadores
de funções: Perceptron Multicamadas, Redes de Funções de Base Radial e Rede
Neurais com Regressão Generalizada, sendo treinadas com os dados coletados de um
levantamento de campo dos canais abertos de TV digital na cidade de São Paulo.
Apos a fase de treinamento e utilizando metodos de otimização adequados para
redução de overfitting, as melhores configurações de Redes Neurais Artificiais foram
analisadas com resultados de saída mais adequados para representar o canal de
propagação para o sistema de TV digital e resultados generalizados para diferentes
distancias, frequencias e alturas foram gerados. Por fim, uma analise estatistica foi
realizada comparando os valores de saida das Redes Neurais Artificiais, com valores
praticos do levantamento de campo e os resultados teoricos calculados atraves dos
modelos de propagação classicos da literatura cientifica, sinalizando que o uso das
tecnicas de Redes Neurais Artificiais é possível na predição de canal de propagação
com relativa eficiência de resultados. === With the switch-off of the analogue TV signal transmissions and the new digital
TV signal installations throughout the national territory for the next years, there is a
need for a more in-depth knowledge of the characteristics of the propagation channels,
enabling the deployment of these new systems in a more optimized and eficient
way. The propagation models proposed for the Brazilian Digital TV System follow
national and international recommendations based on the large scale propagation
models proposed in the scientific literature. However, in some situations, these
models do not accurately characterize the propagation of the electromagnetic wave
in the communication between the transmitter and the receiver, due to propagation
phenomena and interferences that degrade the signal. Thus, we applied in this project
03 techniques of Artificial Neural Networks as approximations of functions: Multi
layer Perceptron, Radial Base Functions Networks and Generalized Regression Neural
Network, being trained with data collected from a field survey of open channels of
digital TV in the city of S~ao Paulo. After the training phase and using appropriate
optimization methods to reduce overfitting, the best configurations of Artificial Neural
Networks were analyzed with better output results to represent the propagation
channel for the digital TV system and generalized results for diferent distances,
Frequencies and heights of the profiles were generated. Finally, a statistical analysis
was performed comparing the output values of the Artificial Neural Networks with
practical values of the field survey and the theoretical results calculated through
the classical propagation models of the scientific literature, signaling that the use
of Artificial Neural Networks techniques is possible in the prediction of propagation
channel with relative eficiency of results.
|
|---|
