Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Não Informado

Departamento: Não Informado

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Ambiental

Tipo do Documento: Tese

Título: ALGORITMOS ADAPTATIVOS PARA CONFORMAÇÃO DE FEIXE E CONTROLE DE POTÊNCIA APLICADOS A SISTEMAS DE COMUNICAÇÕES MÓVEIS

Orientador
  • RUI SEARA
Aluno
  • CIRO ANDRE PITZ

Conteúdo

Neste trabalho de pesquisa são desenvolvidos novos algoritmos adaptativos aplicados a sistemas de comunicações móveis que efetuam simultaneamente a conformação de feixe e o controle de potência de transmissão. inicialmente, uma nova estratégia de controle de potência é formulada visando calcular, em cada iteração do processo de conformação de feixe, o correspondente nível de potência de transmissão. tal estratégia é utilizada no desenvolvimento de um novo algoritmo de conformação de feixe com controle de potência aplicado a sistemas com sinal de referência. em seguida, dois novos algoritmos de conformação de feixe, chamados adaptive projection constrained stochastic gradient (ap-csg) e quadratic ap-csg (qap-csg), são desenvolvidos a partir do método do gradiente estocástico usando uma restrição de projeção adaptativa. além disso, partindo da modelagem estocástica dos algoritmos ap csg e qap csg, uma nova abordagem, chamada adaptive combination of vector projections (acvp), é proposta, originando um novo algoritmo, denominado sigmoid based acvp (sb acvp). os algoritmos obtidos apresentam mais baixa complexidade computacional e proporcionam maiores valores de razão sinal-interferência-mais-ruído (sinr â signal to interference plus noise ratio) do que seus concorrentes até então discutidos na literatura, permitindo, assim, valores menores de potência de transmissão quando implementados em conjunto com algoritmos de controle de potência. análises estocásticas são também apresentadas com o objetivo de avaliar o comportamento médio dos algoritmos propostos. resultados de simulação numérica corroboram a eficácia dos novos algoritmos desenvolvidos e validam seus modelos estocásticos.

Índice de Shannon: 3.75828

Índice de Gini: 0.911899

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,23% 3,76% 6,67% 4,51% 4,64% 3,52% 17,18% 5,74% 13,67% 3,50% 5,85% 4,04% 3,77% 5,87% 2,99% 11,07%
ODS Predominates
ODS 7
ODS 1

3,23%

ODS 2

3,76%

ODS 3

6,67%

ODS 4

4,51%

ODS 5

4,64%

ODS 6

3,52%

ODS 7

17,18%

ODS 8

5,74%

ODS 9

13,67%

ODS 10

3,50%

ODS 11

5,85%

ODS 12

4,04%

ODS 13

3,77%

ODS 14

5,87%

ODS 15

2,99%

ODS 16

11,07%