Modelamento de sistemas móveis celulares em ambiente indoor usando equações parabólicas

Nos últimos anos, o avanço do sistema de comunicação digital sem fio foi notável. A comunicação sem fio em recinto fechado (indoor) é, hoje, um dos campos com mais rápido desenvolvimento. Há uma procura crescente em modelos de propagação que proporcionem eficiência e precisão. O estudo da radiopropagação nestes ambientes é muito importante para a determinação das perdas que ocorrem em ambientes indoor, pois qualquer objeto com dimensões na ordem de grandeza do comprimento de onda na faixa de comunicação móvel, pode atuar como uma fonte de interferência para as ondas eletromagnéticas. Dois tipos de modelos de propagação são muito usados para ambientes indoor, os empíricos e os determinísticos. Os primeiros estão baseados em fórmulas muito simples e diretas, fáceis de aplicar, porém proporcionam precisão local-específica. Os modelos determinísticos seguem princípios físicos de propagação de ondas eletromagnéticas - os mais populares são o ray tracing e a solução numérica das equações de Maxwell (equações elípticas e por aproximação, equações parabólicas). Nesta tese é proposto um modelo baseado no método de equações parabólicas, considerando-se pequenos ângulos (até 15°) e grandes ângulos (até 90°) de propagação. Para a solução da equação parabólica para pequenos ângulos de propagação, foi utilizado o esquema implícito de diferenças finitas do tipo Crank Nicolson; já para a solução da equação que considera grandes ângulos de propagação, foi utilizada a transformada de Fourier mista. Para validação do modelo proposto foram feitas campanhas de medições para frequências de 900 MHz e 2,4 GHz e os dados obtidos nestas campanhas foram comparados ao modelo proposto na tese. Além disto, o modelo em questão foi também comparado a alguns modelos existentes na literatura. Os resultados encontrados neste trabalho validam o modelo proposto como uma importante ferramenta para o cálculo da perda de propagação em ambientes indoor, com grande redução do esforço computacional e quantidade de memória necessária, quando comparado a outros métodos e ainda foi observado um melhor desempenho para grandes ângulos de propagação.