Navegando por Assunto "Compression"

Agora exibindo 1 - 4 de 4

Acesso aberto (Open Access)
Avaliação de técnicas de compressão de sinais Para o fronthaul
(Universidade Federal do Pará, 2019-11-27) BRITO, Flávio Mendes de; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
A crescente demanda de dados das redes móveis motivou a criação e evolução de arquiteturas objetivando suprir tais requisitos de transferência. Para suprir estas demandas, diversos desafios precisam ser vencidos e, entre eles, destaca-se a transferência de dados no link entre a Base Station Unit (BBU) e a Remote Radio Head (RRH). Conhecido como fronthaul, este link necessita de alta velocidade na transferência de informações e um método que permite transmitir mais dados usando a mesma taxa é chamado de compressão. Portanto, este trabalho teve como objetivo a avaliação de diferentes técnicas utilizadas na compressão de dados no fronthaul. Inicialmente, verificou-se a eficiência de alguns quantizadores tais como o quantizador escalar (SQ), vetorial de duas dimensões (VQ) e a Trellis Coded Quantization (TCQ). A análise consistiu na combinação destes quantizadores com resampling, Block Scaling e codificação Huffman. Nestas análises, verificou-se que o sistema utilizando TCQ como quantizador obteve a melhor relação entre Error Vector Magnitude (EVM) e custo computacional, oferecendo uma EVM inferior ao quantizador escalar e um custo computacional inferior ao quantizador vetorial.
Acesso aberto (Open Access)
Compressão de CSI para MIMO distribuído com processamento centralizado
(Universidade Federal do Pará, 2024-06-18) SILVA, Marcos Davi Lima da; RAMALHO, Leonardo Lira; http://lattes.cnpq.br/7565458988876048; https://orcid.org/0000-0003-3165-1941
Em Distributed-MIMO (D-MIMO), um grande número de Antenna Points (APs) distribuídos são coordenados por uma Central Unit (CU) para atender um número limitado de usuários com os mesmos recursos de tempo/frequência, que traz melhorias na eficiência espectral. O sucesso do D-MIMO depende da pré-codificação e alocação de potência, onde podem ser realizadas de forma totalmente centralizada na CU ou distribuídas nos APs. A abordagem centralizada apresenta maior eficiência espectral do que a implementação distribuída, mas requer um pico significativo de tráfego fronthaul devido à troca de Channel State Information (CSI) entre APs e CU. Neste trabalho, são propostos esquemas de compressão CSI para permitir a implementa- ção prática e centralizada de D-MIMO. É mostrado que dependendo da configuração de compressão, a eficiência espectral pode ser tão boa quanto no caso sem compressão. Além disso, este trabalho explora a implementação de multiple-input multiple-output (MIMO) dentro da estrutura da arquitetura New Radio (NR). O estudo avalia uma implantação MIMO distribuída usando sinais NR com compressão e avalia seu desempenho em comparação ao cenário sem compressão. Através de simulações utilizando a camada física NR, os resultados também mostram que a eficiência espectral pode ser tão boa quanto no caso sem compressão dependendo da configuração de compressão. Por fim, as simulações com sinais NR mostram aspectos práticos importante e a viabilidade de se implementar D-MIMO na arquitetura 5G e além do 5G.
Acesso aberto (Open Access)
Compressão de sinais em sistemas de rádio sobre fibra digital para redes fronthaul
(Universidade Federal do Pará, 2019-07-23) MATE, Dércio Manuel; TEIXEIRA, António Luis de Jesus; OLIVEIRA, Rosinei de Sousa; http://lattes.cnpq.br/3853897074036715; COSTA, João Crisóstomo Weyl Albuquerque; http://lattes.cnpq.br/9622051867672434
A introdução de tecnologias como Carrier Aggregation (CA), Massive Multiple Input Multiple Output (MIMO) e Coordinated Multipoint (CoMP), visando melhorar a capacidade dos sistemas móveis de banda larga, aumenta o desafio para implantação do Mobile fronthaul devido à limitação da capacidade da infraestrutura para suportar altas taxas de transmissão. Uma abordagem usada para lidar com a limitação da capacidade do fronthaul é a compressão do sinal transmitido. Várias técnicas vêm sendo desenvolvidas para compressão do sinal no fronthaul e a maioria dessas técnicas comprime o sinal transmitido em banda base. Neste trabalho é desenvolvida uma técnica de compressão, para cenários específicos dos sistemas Rádio-sobre-Fibra digital, configurados para transmissão do sinal em frequência intermediária. Esta técnica usa informações sobre o estado de canal de rádio (Channel state information) para controlar a compressão do sinal no fronthaul. Os resultados das simulações, com a técnica desenvolvida, demonstram a sua capacidade para reduzir o volume de dados transmitidos na rede em cerca de 45,05%. Além disso, esta técnica permite a transmissão de sinais com modulação de 64 QAM, usando uma resolução menor (até 4 bits por amostra) no quantizador, mantendo o EVM abaixo do limiar recomendado pelo 3GPP (8%). Por fim, o desempenho da rede fronthaul é avaliado experimentalmente em um enlace óptico de 20-km, considerando cenários com compressão e sem compressão do sinal.
Acesso aberto (Open Access)
Compression of activation signals from partitioned deep neural networks exploring temporal correlation
(Universidade Federal do Pará, 2024-11-27) SILVA, Lucas Damasceno; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
O uso de redes neurais artificiais para detecção de objetos, juntamente com avanços na pesquisa de 6G e IoT, desempenha um papel importante em aplicações como monitoramento de estruturas por drones, operações de busca e resgate, e implantação em plataformas de hardware como FPGAs. No entanto, um desafio fundamental na implementação dessas redes em tais hardwares é a necessidade de economizar recursos computacionais. Apesar dos avanços substanciais na capacidade computacional, implementar dispositivos com recursos amplos continua sendo um desafio. Como solução, técnicas de particionamento e compressão de redes neurais, bem como compressão de sinais de ativação (ou feature maps), foram desenvolvidas. Este trabalho propõe um sistema que particiona modelos de redes neurais para detecção de objetos em vídeos, alocando parte da rede em um end device e o restante em um servidor na nuvem. O sistema também comprime os mapas de características gerados pelas últimas camadas no dispositivo final, explorando a correlação temporal, o que possibilita um esquema de compressão preditiva. Essa abordagem permite que redes neurais sejam incorporadas em dispositivos de baixo consumo de energia, respeitando os limites computacionais do dispositivo, as restrições de taxa de transmissão do canal de comunicação entre o dispositivo e o servidor, e os requisitos de precisão da rede. Experimentos conduzidos em modelos de redes neurais pré-treinadas mostram que o sistema proposto pode reduzir significativamente a quantidade de dados a serem armazenados ou transmitidos ao explorar a correlação temporal, facilitando a implantação dessas redes em dispositivos com poder computacional limitado.