Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/16617
Tipo: Dissertação
Data do documento: 8-Fev-2023
Autor(es): CARDOSO, Caio Mateus Machado
Primeiro(a) Orientador(a): ARAÚJO, Jasmine Priscyla Leite de
Primeiro(a) coorientador(a): BARROS, Fabrício José Brito
Título: Redes neurais aplicadas à modelagem de canais de comunicação utilizando VANTs e dispositivos IoT
Agência de fomento: 
Citar como: CARDOSO, Caio Mateus Machado. Redes neurais aplicadas à modelagem de canais de comunicação utilizando VANTs e dispositivos IoT. Orientadora: Jasmine Priscyla Leite de Araújo; Coorientador: Fabrício Jose Brito Barros. 2023. 69 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2023. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/16617 . Acesso em:.
Resumo: Com a ocorrência do leilão da quinta geração (5G) de redes celulares, realizado pela Agência Nacional de Telecomunicações (ANATEL), as operadoras de telefonia começaram a implantação desta rede em solo brasileiro e espera-se que uma quantidade massiva de dispositivos seja capaz de se conectar a mesma propiciando na expansão e aprimoramento da internet of things (IoT). Contundo, a tecnologia Narrowband-IoT (NB-IoT), utilizada pelo 5G para aplicações IoT ainda não é suficiente para atender todos os requisitos do serviço massive Machine-Type Communication (mMTC), tendo isso em vista, a tecnologia Long-Range (LoRa), com longo alcance de transmissão e resiliência a ruído e interferência, surge como auxiliar para atender estes requisitos. Diante deste cenário, este trabalho tem como objetivo analisar o comportamento do sinal LoRa em um ambiente suburbano e densamente arborizado. Para isto, são realizadas campanhas de medições na Universidade Federal do Pará (UFPA) e a partir dos dados coletados é proposto um modelo de rede neural capaz de reproduzir esse comportamento. O modelo proposto é comparado à modelos de linha de base e demonstra ser superior nos cenários de downlink e uplink com erro RMSE mínimo de 1,6623 dB para o primeiro e 1,3891 dB para o segundo.
Abstract: After the occurrence of the cellular networks fifth generation auction (5G), carried out by the National Telecommunications Agency (ANATEL), carriers started to implement the technology on Brazilian soil and it is expected that a massive amount of smart devices will become capable to connect to 5G networks, promoting the advancement and improvement of internet of things (IoT). However, Narrowband-IoT (NB-IoT) technology, used by 5G for IoT applications, is still not enough to meet all user requirements, with that in mind, LoRa technology emerges as an auxiliary to meet the requirements of users. Given this scenario, this work aims to analyze the behavior of the LoRa signal in a suburban and densely wooded environment. For this, measurement campaigns are carried out at the Federal University of Pará (UFPA) and from the collected data a neural network model capable of reproducing this behavior is proposed. The standard model is compared to baseline models and proves to be superior in the downlink and uplink scenarios with a minimum RMSE error of 1,6623 dB for the first and 1,3891 dB for the second
Palavras-chave: RNA Redes Neurais artificiais
Radiopropagação
Tecnologia LoRa (Longo alcance)
Radiopropagation
LoRa (Long-rRange)
Área de Concentração: COMPUTAÇÃO APLICADA
Linha de Pesquisa: INTELIGÊNCIA COMPUTACIONAL
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
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
Aparece nas coleções:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_RedesNeuraisAplicadas.pdf10,59 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons