Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/16560
Tipo: Dissertação
Data do documento: 31-Jan-2022
Autor(es): FERREIRA, Flávio Henry Cunha da Silva
Primeiro(a) Orientador(a): ARAÚJO, Jasmine Priscyla Leite de
Primeiro(a) coorientador(a): ALCÂNTARA NETO, Miércio Cardoso de
Título: Intelligent positioning of drones via metaheuristic optimization algorithms for maximizing signal coverage area in forested environments
Agência de fomento: 
Citar como: FERREIRA, Flávio Henry Cunha da Silva. Intelligent positioning of drones via metaheuristic optimization algorithms for maximizing signal coverage area in forested environments. Orientadora: Jasmine Priscyla Leite de Araújo.; Coorientador: Miércio Cardoso de Alcântara Neto. 2022. 89 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2022. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/16560 . Acesso em:.
Resumo: Esta dissertação tem como objetivo propor uma abordagem metaheurística para otimização de arrays de drones aplicada à maximização da área de cobertura de sistemas de comunicação sem fio, contendo veículos aéreos não tripulados (UAV, em inglês) como estações-base. Para tanto, foram analisados dois tipos de redes que utilizam UAVs: uma rede Wi-Fi padrão operando a 2,4 GHz e uma rede wireless de baixa potência (LPWAN), ambas considerando ambientes medianamente ou altamente arborizados. LPWAN são sistemas projetados para trabalhar com taxas de dados baixas que mantêm, ou até mesmo melhoram, a ampla áre de cobertura fornecida por redes de alta potência. O tipo de LPWAN escolhido para estudo é o LoRa, que opera em um espectro não licenciado de 915 MHz e requer que os usuários se conectem a gateways para transmitir informações a um servidor central - neste caso, cada drone no array tem um módulo LoRa instalado e serve como um gateway não-fixo. A fim de classificar e otimizar o melhor posicionamento para cada UAV no array, três métodos concomitantes de otimização bioinspirada foram escolhidos: o busca cuco (CS), o algoritmo de polinização de flores (FPA) e o algoritmo de ecolocalização de morcegos (BA). Os métodos têm uma distribuição de espaço de busca baseada em voos de Lévy / Mantegna (CS, FPA) e distribuição normal (BA) e apresentam resultados de desempenho distintos para ambos os casos de rede de drones. Os resultados da otimização de posicionamento são então simulados e apresentados via MATLAB, primeiro para a rede Wi-Fi e depois para uma rede IoT-LoRa. Além disso, um modelo de propagação ajustado empiricamente com medidas realizadas no campus da UFPA foi desenvolvido para obter um modelo de propagação em ambientes com florestas. Por fim, o posicionamento dos drones utilizando o modelo de propagação ajustado com medidas é comparado com o posicionamento utilizando o modelo teórico clássico, mostrando que o modelo ajustado é mais eficiente na representação do ambiente com florestas do que o modelo clássico usualmente utilizado em publicações recentes.
Abstract: This dissertation aims to provide a metaheuristic approach to drone array optimization applied to coverage area maximization of wireless communication systems, with unmanned aerial vehicle (UAV) base-stations. For this purpose, two types of networks utilizing UAVs have been analyzed: a standard Wi-Fi network operating at 2.4 GHz, and a low-power wireless area network (LPWAN), both considering medium to high-density forest environments. LPWAN are systems designed to work with low data rates but still keep, or even enhance, the extensive area coverage provided by high-powered networks. The type of LPWAN chosen herein is LoRa, which operates at an unlicensed spectrum of 915 MHz, and requires users to connect to gateways in order to relay information to a central server – in this case, each drone in the array has a LoRa module installed to serve as a non-fixated gateway. In order to classify and optimize the best positioning for every UAV in the array, three concomitant bioinspired optimization methods have been chosen: the cuckoo search (CS), the flower pollination algorithm (FPA) and the bat echolocation algorithm (BA). All of these methods have a search space distribution based on Lévy / Mantegna flights (CS, FPA) and normal distribution (BA), and present distinct performance results for both drone array network cases. Positioning optimization results are then simulated and presented via MATLAB, first for the Wi-Fi network and later for a high-range IoT-LoRa network. An empirically adjusted propagation model with measurements carried out on the UFPA campus was developed to obtain a propagation model in forested environments. Finally, drone positioning utilizing the propagation model corrected with measurements is compared with the positioning using the classical theoretical model, showing that the corrected model is more efficient in representing the forest environment than the classical model usually used in recent publications.
Palavras-chave: IoT - Internet das coisas
Metaheurística
Computação bioinspirada
Drone
Metaheuristics
Bioinspired computing
LPWAN
Área de Concentração: COMPUTAÇÃO APLICADA
Linha de Pesquisa: INTELIGÊNCIA COMPUTACIONAL
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Fonte URI: Disponível na internet via correio eletrônico: bibliotecaitec@ufpa.br
Fonte: 1 CD ROM
Aparece nas coleções:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_IntelligentPositioningDrones.pdf4,16 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons