Navegando por Assunto "MIMO - Múltiplas entradas múltiplas saídas"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
5G MIMO and LIDAR data for machine learning: mmWave beam-selection using deep learning
(Universidade Federal do Pará, 2019-08-29) DIAS, Marcus Vinicius de Oliveira; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
Sistemas de comunicação modernos podem explorar o crescente número de dados de sensores usados atualmente em equipamentos avançados e reduzir a sobrecarga associada à configuração de links. Além disso, a crescente complexidade das redes sugere que o aprendizado de máquina, como redes neurais profundas, podem ser utilizadas efetivamente para melhorar as tecnologias 5G. A falta de grandes conjuntos de dados dificulta a investigação da aplicação de aprendizado profundo na comunicação sem fio. Este trabalho apresenta uma metodologia de simulação (RayMobTime) que combina um simulador de tráfego de veículos (SUMO) com um simulador de ray-tracing (Remcom’s Wireless InSite), para gerar canais que representem cenários 5G realísticos, bem como a criação de dados de sensores LIDAR (através do Blensor). O conjunto de dados criado é utilizado para investigar técnicas de beam selection de veículo para infraestrutura usando ondas milimétricas em diferentes arquiteturas, como arquitetura distribuída (uso das informações de apenas um veículo selecionado e processamento de dados no veículo) e arquiteturas centralizadas (uso de todas as informações presentes fornecidas pelos sensores em um dado momento, processando na estação base). Os resultados indicam que redes neurais profundas convolucionais podem ser utilizadas para beam selection sob uma estrutura de classificação de top-M. Também mostra que uma arquitetura distribuída baseada em LIDAR fornece desempenho robusto independentemente da taxa de penetração de veículos, superando outras arquiteturas, bem como pode ser usada para detecção de visada direta com precisão razoável.
Acesso aberto (Open Access)
Compression of Channel State Information in Multiple Input Multiple Output Mobile Systems
(Universidade Federal do Pará, 2019-05-24) VILAS BOAS, Brenda; KLAUTAU JÚNIOR, Aldebaro Barreto da Rocha; http://lattes.cnpq.br/1596629769697284
Os primeiros testes de redes de quinta geração (5G) de telefonia celular estão sendo feitos em diversas partes do mundo. Vários cenários de uso estão sendo planejados, o que torna necessário a adoção de tecnologias flexíveis e escaláveis para atender seus indicadores de performance. MIMO massivo é uma tecnologia chave para o 5G, pois aumenta a eficiência espectral do sistema. Para explorar as vantagens do MIMO o transmissor precisa ter informações sobre a condição do canal (CSI) de cada equipamento de usuário (UE). O 5G está sendo padronizado para operar em duplexação por divisão de tempo (TDD) e duplexação por divisão de frequência (FDD). Desta forma, os custos de operar MIMO em TDD e FDD devem ser factíveis. Como TDD opera uplink e downlink na mesma frequência, a característica de reciprocidade do canal pode ser usada para extrair o CSI necessário para projetar precodificador ou alocação de usuário, por exemplo. No entanto, FDD não pode explorar reciprocidade do canal. Assim, operar MIMO em FDD é desafiador, pois com o aumento no número de antenas a quantidade de informação a ser repassada ao transmissor se torna impraticável. Desta forma, comprimir CSI de sistemas MIMO FDD é de interesse. Além disso, o uso de vastas faixas de espectro, bandas abaixo de 6 GHz e ondas milimétricas, leva a diferentes características de canal. Também, a proximidade de encapsulamento dos elementos de antena aumentam a correlação espacial do arranjo MIMO. Consequentemente, essa correlação pode ser explorada para prover compressão do CSI. Essa dissertação apresenta uma visão geral sobre compressão de CSI e propõe uma meta heurística que usa codificação por transformada de baixo custo computacional, e faz uma avaliação sistemática dos métodos de compressão baseado em simulações realistas de canais MIMO. Além, disso, o impacto de diferentes aplicações do 5G e o projeto das antenas dos transmissores e receptores também são incluídos na avaliação para escolha do método de codificação por transformada para comprimir CSI em sistemas MIMO FDD.