Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFBA |
Texto Completo: | http://repositorio.ufba.br/ri/handle/ri/22986 |
Resumo: | Os sistemas de telecomunicações sem fio vêm evoluindo rapidamente desde o início do século XXI, período no qual os dispositivos de comunicação móveis se tornaram muito populares. Hoje em dia as pessoas querem estar conectadas todo tempo, em qualquer lugar. Essa necessidade tornou o telefone celular um dos aparelhos eletrônicos mais populares do mundo. A cada nova geração tecnológica, uma série de inovações é incorporada, proporcionando taxas de transmissão de dados cada vez maiores, de forma a atender à demanda crescente. Alguns fatores conhecidos degradam a qualidade da comunicação móvel, dentre eles se destacando o ruído térmico, interferência intersimbólica e o desvanecimento. Uma das formas de mitigar esses problemas é o uso de equalizadores que, idealmente, implementam a função inversa do canal de transmissão, permitindo que o sinal recebido apresente mínimo erro em relação ao transmitido. Muitos artigos da literatura científica tratam canais invariantes no tempo, contudo, atualmente, a maioria dos canais é variante, o que prejudica o desempenho dos sistemas e torna seus efeitos difíceis de mitigar. Assumindo que o canal de comunicações é variante no tempo, algoritmos de otimização são usualmente utilizados para atualização dos pesos neurais de forma a adaptar o equalizador às condições do canal, levando em conta que as estruturas utilizadas nesse trabalho são inspiradas em redes neurais. Os trabalhos científicos que utilizam redes neurais geralmente empregam estruturas escolhidas sem uma investigação sistemática que justifique sua aplicabilidade. Não foi encontrada na literatura uma abordagem que comparasse algumas estruturas e indicasse a melhor para ser aplicada a um problema específico. É proposta nesse trabalho uma metodologia para comparar tipos diferentes de estruturas utilizando algoritmo genético. Foi desenvolvido também um equalizador neural capaz de lidar com o sinal proveniente de canal sujeito a desvanecimento severo, além de interferência intersimbólica, causada por multipercurso, e ruído térmico. Após a escolha da estrutura, o próximo passo foi a seleção de um algoritmo de otimização para atualização dos pesos neurais. |
id |
UFBA-2_fc6cd2836cff8fb7c0a3b7cbc51daa9c |
---|---|
oai_identifier_str |
oai:repositorio.ufba.br:ri/22986 |
network_acronym_str |
UFBA-2 |
network_name_str |
Repositório Institucional da UFBA |
repository_id_str |
1932 |
spelling |
Mota, Tiago AndradeLima, Antônio Cezar de CastroLima, Antônio Cezar de CastroDuarte, Ângelo AmâncioAssis, Karcius Day RosarioSchnitman, Leizer2017-06-13T15:18:49Z2017-06-13T15:18:49Z2017-06-132014-10-21http://repositorio.ufba.br/ri/handle/ri/22986Os sistemas de telecomunicações sem fio vêm evoluindo rapidamente desde o início do século XXI, período no qual os dispositivos de comunicação móveis se tornaram muito populares. Hoje em dia as pessoas querem estar conectadas todo tempo, em qualquer lugar. Essa necessidade tornou o telefone celular um dos aparelhos eletrônicos mais populares do mundo. A cada nova geração tecnológica, uma série de inovações é incorporada, proporcionando taxas de transmissão de dados cada vez maiores, de forma a atender à demanda crescente. Alguns fatores conhecidos degradam a qualidade da comunicação móvel, dentre eles se destacando o ruído térmico, interferência intersimbólica e o desvanecimento. Uma das formas de mitigar esses problemas é o uso de equalizadores que, idealmente, implementam a função inversa do canal de transmissão, permitindo que o sinal recebido apresente mínimo erro em relação ao transmitido. Muitos artigos da literatura científica tratam canais invariantes no tempo, contudo, atualmente, a maioria dos canais é variante, o que prejudica o desempenho dos sistemas e torna seus efeitos difíceis de mitigar. Assumindo que o canal de comunicações é variante no tempo, algoritmos de otimização são usualmente utilizados para atualização dos pesos neurais de forma a adaptar o equalizador às condições do canal, levando em conta que as estruturas utilizadas nesse trabalho são inspiradas em redes neurais. Os trabalhos científicos que utilizam redes neurais geralmente empregam estruturas escolhidas sem uma investigação sistemática que justifique sua aplicabilidade. Não foi encontrada na literatura uma abordagem que comparasse algumas estruturas e indicasse a melhor para ser aplicada a um problema específico. É proposta nesse trabalho uma metodologia para comparar tipos diferentes de estruturas utilizando algoritmo genético. Foi desenvolvido também um equalizador neural capaz de lidar com o sinal proveniente de canal sujeito a desvanecimento severo, além de interferência intersimbólica, causada por multipercurso, e ruído térmico. Após a escolha da estrutura, o próximo passo foi a seleção de um algoritmo de otimização para atualização dos pesos neurais.Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-09T13:04:29Z No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5)Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-13T15:18:49Z (GMT) No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5)Made available in DSpace on 2017-06-13T15:18:49Z (GMT). No. of bitstreams: 1 Dissertação-Tiago A. Mota.pdf: 2728856 bytes, checksum: dba047191184d9c8c4069dc5a70200d9 (MD5)EqualizadoresDesvanecimentoInterferência IntersimbólicaComunicaçõesRedes neuraisSeleção de estrutura neural para o problema de equalização utilizando algoritmo genéticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisEscola Politécnica /Instituto de Matemática.Programa de Pós-Graduação em MecatrônicaUFBAbrasilinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBATEXTDissertação-Tiago A. Mota.pdf.txtDissertação-Tiago A. Mota.pdf.txtExtracted texttext/plain119940https://repositorio.ufba.br/bitstream/ri/22986/3/Disserta%c3%a7%c3%a3o-Tiago%20A.%20Mota.pdf.txtbf0e518efd4e9a3f021496dbc960619cMD53ORIGINALDissertação-Tiago A. Mota.pdfDissertação-Tiago A. Mota.pdfapplication/pdf2728856https://repositorio.ufba.br/bitstream/ri/22986/1/Disserta%c3%a7%c3%a3o-Tiago%20A.%20Mota.pdfdba047191184d9c8c4069dc5a70200d9MD51LICENSElicense.txtlicense.txttext/plain1383https://repositorio.ufba.br/bitstream/ri/22986/2/license.txt05eca2f01d0b3307819d0369dab18a34MD52ri/229862021-12-30 07:50:35.097oai:repositorio.ufba.br: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ório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestopendoar:19322021-12-30T10:50:35Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false |
dc.title.pt_BR.fl_str_mv |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
title |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
spellingShingle |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético Mota, Tiago Andrade Equalizadores Desvanecimento Interferência Intersimbólica Comunicações Redes neurais |
title_short |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
title_full |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
title_fullStr |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
title_full_unstemmed |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
title_sort |
Seleção de estrutura neural para o problema de equalização utilizando algoritmo genético |
author |
Mota, Tiago Andrade |
author_facet |
Mota, Tiago Andrade |
author_role |
author |
dc.contributor.author.fl_str_mv |
Mota, Tiago Andrade |
dc.contributor.advisor1.fl_str_mv |
Lima, Antônio Cezar de Castro |
dc.contributor.referee1.fl_str_mv |
Lima, Antônio Cezar de Castro Duarte, Ângelo Amâncio Assis, Karcius Day Rosario Schnitman, Leizer |
contributor_str_mv |
Lima, Antônio Cezar de Castro Lima, Antônio Cezar de Castro Duarte, Ângelo Amâncio Assis, Karcius Day Rosario Schnitman, Leizer |
dc.subject.por.fl_str_mv |
Equalizadores Desvanecimento Interferência Intersimbólica Comunicações Redes neurais |
topic |
Equalizadores Desvanecimento Interferência Intersimbólica Comunicações Redes neurais |
description |
Os sistemas de telecomunicações sem fio vêm evoluindo rapidamente desde o início do século XXI, período no qual os dispositivos de comunicação móveis se tornaram muito populares. Hoje em dia as pessoas querem estar conectadas todo tempo, em qualquer lugar. Essa necessidade tornou o telefone celular um dos aparelhos eletrônicos mais populares do mundo. A cada nova geração tecnológica, uma série de inovações é incorporada, proporcionando taxas de transmissão de dados cada vez maiores, de forma a atender à demanda crescente. Alguns fatores conhecidos degradam a qualidade da comunicação móvel, dentre eles se destacando o ruído térmico, interferência intersimbólica e o desvanecimento. Uma das formas de mitigar esses problemas é o uso de equalizadores que, idealmente, implementam a função inversa do canal de transmissão, permitindo que o sinal recebido apresente mínimo erro em relação ao transmitido. Muitos artigos da literatura científica tratam canais invariantes no tempo, contudo, atualmente, a maioria dos canais é variante, o que prejudica o desempenho dos sistemas e torna seus efeitos difíceis de mitigar. Assumindo que o canal de comunicações é variante no tempo, algoritmos de otimização são usualmente utilizados para atualização dos pesos neurais de forma a adaptar o equalizador às condições do canal, levando em conta que as estruturas utilizadas nesse trabalho são inspiradas em redes neurais. Os trabalhos científicos que utilizam redes neurais geralmente empregam estruturas escolhidas sem uma investigação sistemática que justifique sua aplicabilidade. Não foi encontrada na literatura uma abordagem que comparasse algumas estruturas e indicasse a melhor para ser aplicada a um problema específico. É proposta nesse trabalho uma metodologia para comparar tipos diferentes de estruturas utilizando algoritmo genético. Foi desenvolvido também um equalizador neural capaz de lidar com o sinal proveniente de canal sujeito a desvanecimento severo, além de interferência intersimbólica, causada por multipercurso, e ruído térmico. Após a escolha da estrutura, o próximo passo foi a seleção de um algoritmo de otimização para atualização dos pesos neurais. |
publishDate |
2014 |
dc.date.submitted.none.fl_str_mv |
2014-10-21 |
dc.date.accessioned.fl_str_mv |
2017-06-13T15:18:49Z |
dc.date.available.fl_str_mv |
2017-06-13T15:18:49Z |
dc.date.issued.fl_str_mv |
2017-06-13 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufba.br/ri/handle/ri/22986 |
url |
http://repositorio.ufba.br/ri/handle/ri/22986 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Escola Politécnica /Instituto de Matemática. |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Mecatrônica |
dc.publisher.initials.fl_str_mv |
UFBA |
dc.publisher.country.fl_str_mv |
brasil |
publisher.none.fl_str_mv |
Escola Politécnica /Instituto de Matemática. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFBA instname:Universidade Federal da Bahia (UFBA) instacron:UFBA |
instname_str |
Universidade Federal da Bahia (UFBA) |
instacron_str |
UFBA |
institution |
UFBA |
reponame_str |
Repositório Institucional da UFBA |
collection |
Repositório Institucional da UFBA |
bitstream.url.fl_str_mv |
https://repositorio.ufba.br/bitstream/ri/22986/3/Disserta%c3%a7%c3%a3o-Tiago%20A.%20Mota.pdf.txt https://repositorio.ufba.br/bitstream/ri/22986/1/Disserta%c3%a7%c3%a3o-Tiago%20A.%20Mota.pdf https://repositorio.ufba.br/bitstream/ri/22986/2/license.txt |
bitstream.checksum.fl_str_mv |
bf0e518efd4e9a3f021496dbc960619c dba047191184d9c8c4069dc5a70200d9 05eca2f01d0b3307819d0369dab18a34 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA) |
repository.mail.fl_str_mv |
|
_version_ |
1808459541273116672 |