dc.contributor | Ishihara, João Yoshiyuki | |
dc.creator | Silveira, Filipe de Castro Borges da | |
dc.date.accessioned | 2019-07-17T21:59:29Z | |
dc.date.accessioned | 2022-10-04T15:06:35Z | |
dc.date.available | 2019-07-17T21:59:29Z | |
dc.date.available | 2022-10-04T15:06:35Z | |
dc.date.created | 2019-07-17T21:59:29Z | |
dc.date.issued | 2019-07-17 | |
dc.identifier | SILVEIRA, Filipe de Castro Borges da. Estudo do carregamento diagonal e da redução do custo computacional no processamento de arranjos de antenas. 2018. ix, 98 f., il. Dissertação (Mestrado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2018. | |
dc.identifier | http://repositorio.unb.br/handle/10482/35094 | |
dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/3858309 | |
dc.description.abstract | Diversas aplicações utilizam arranjos de sensores, por exemplo: radares; sonares; comunicações
wireless; e aplicações de conformação de feixe - também conhecido beamforming, em
inglês. Isso porque, com eles, é possível se obter diversas vantagens: ganhos de arranjo; rejeições
de interferências; eficiência de potência ao maximizar a do sinal-de-interesse e minimizar
as dos sinais interferentes; etc. Quando se trata de beamforming especificamente, o arranjo a ser
utilizado pode conter um número elevado de elementos, o que acaba aumentando a quantidade de
dados a serem processados e, consequentemente, o custo computacional.
O objetivo principal desse trabalho é desenvolver formas de se reduzir essa complexidade
computacional afetando, no mínimo possível, o desempenho do algoritmo. Já os objetivos específicos
incluem: propor valores ótimos para determinados parâmetros do algoritmo utilizado no
beamformer em questão; analisar o erro nos bits recebidos de acordo com adaptações intermitentes;
e analisar o comportamento de algoritmos que estimam e re-estimam a direção-de-chegada
dos sinais a partir de métodos consagrados.
O algoritmo SMI - sample matrix inversion1 - utiliza das amostras colhidas na fase de treinamento
para estimar a matriz de autocorrelação do sinal de interesse; já o LSMI - loaded sample
matrix inversion2 - utiliza um fator de carga
para carregar a diagonal, porém o valor ótimo para
esse parâmetro não está bem definido na literatura. Por isso, um estudo sobre o fator de carga
do algoritmo LSMI é feito. Na literatura, apresentam-se dois valores para esse parâmetro que
proveem bom desempenho para o algoritmo. No entanto, verifica-se que, a depender do cenário,
ele pode sofrer variações e não corresponder a esse dois valores sugeridos. Dessarte, faz-se um
estudo acerca dos melhores valores do fator de carga
conforme diferentes parâmetros são variados:
número de antenas; número de sinais interferentes; potência do ruído ambiente; e incerteza
na direção-de-chegada do sinal.
O fator responsável pela maior parcela do custo computacional inerente aos algoritmos que se
utilizam de matrizes de auto-correlação amostrais é justamente calcular essa matriz. Muitas das vezes, a diferença entre essas matrizes para adaptações sucessivas é pequena de forma que manter
a matriz calculada anteriormente não degrada tão significativamente o desempenho do algoritmo.
Por isso, algoritmos que a recalculam essas matrizes apenas quando ela já não estiver provendo
desempenho satisfatório são desenvolvidos neste trabalho.
Duas soluções em beamforming são interessantes: DS - delay-and-sum3 - pela simplicidade;
LSMI pela robustez. Então, desenvolve-se um beamformer capaz de chavear entre os métodos
de forma a reduzir o custo computacional quando o cenário estiver mais favorável e manter o
desempenho quando o cenário estiver mais desfavorável. Duas situações são tratadas: quando
a direção-de-chegada do sinal é fixa - não há ruído nela - e quando há incerteza na direção-dechegada
e ela é variada aleatoriamente dentro de uma faixa designada - há ruído nela.
Analisam-se também os casos em que a direção-de-chegada do sinal varia conforme o tempo
e o beamformer tenta re-estimá-la quando o erro atinge determinado patamar. As adaptações são
feitas em todas as iterações ou de acordo com o erro de recepção.
O método WL é conhecido por prover ganhos em desempenho de sistemas de beamforming
e, por isso, ele é testado em algoritmos já consagrados: DS; SMI; e LSMI. Dois cenários em
relação à direção-de-chegada são tratados aqui: sem incertezas; e com incertezas. Curvas e dados
estatísticos são levantados das simulações para se analisar as consequências nos comportamentos
dos algoritmos. | |
dc.language | Português | |
dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | |
dc.rights | Acesso Aberto | |
dc.title | Estudo do carregamento diagonal e da redução do custo computacional no processamento de arranjos de antenas | |
dc.type | Tesis | |