Aplicação de redes neurais artificiais na modelagem de canais de radiopropagação para o Sistema Brasileiro de TV Digital

• Main Author: Pereira, Ariston Leite
• Other Authors: Casella, Ivan Roberto de Santana
• Format: Others
• Language: Portuguese
• Published: 2017
• Subjects: REDES NEURAIS ARTIFICIAIS; CANAL DE PROPAGAÇÃO; MODELOS DE PROPAGAÇÃO; ARTIFICIAL NEURAL NETWORKS; PROPAGATION CHANNEL; MODELS OF PROPAGATION; PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA - UFABC
• Online Access: http://www.biblioteca.ufabc.edu.brhttp://biblioteca.ufabc.edu.br/index.php?codigo_sophia=108638

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.