Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPA |
Texto Completo: | http://repositorio.ufpa.br/jspui/handle/2011/10029 |
Resumo: | Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB. |
id |
UFPA_420778fee75f6724dbd34e6bc034fc75 |
---|---|
oai_identifier_str |
oai:repositorio.ufpa.br:2011/10029 |
network_acronym_str |
UFPA |
network_name_str |
Repositório Institucional da UFPA |
repository_id_str |
2123 |
spelling |
2018-06-14T18:39:41Z2018-06-14T18:39:41Z2018-02-27CRUZ, Hugo Alexandre Oliveira da. Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais. 2018. 96 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica, Belém, 2018. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10029>. Acesso em:.http://repositorio.ufpa.br/jspui/handle/2011/10029Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB.This dissertation presents a methodology that aims to assist the planning of indoor wireless network systems, which require prior knowledge of the environments in which they will be deployed. Thus, accurate signal analysis is necessary by means of a statistical empirical approach, which takes into account some factors that influence the propagation of the indoor signal: architecture of the buildings; arrangement of furniture inside the compartments; numbers of walls and floors of various materials, and the spread of radio waves. The methodology adopted is based on measurements with a cross-layer approach, which demonstrates the impact of the physical layer in relation to the application layer, in order to predict the behavior of the Quality of Experience (QoE) metric, called Peak signal- to-noise ratio (PSNR), in 4K video streams on 802.11ac wireless networks in the indoor environment. In order to do so, measurements were performed, which demonstrate how the signal / video degrades in the studied environment. It is possible to model this degradation by means of a computational intelligence technique, called Artificial Neural Networks (RNA), in which input parameters are inserted as, for example, the distance from the transmitter to the receiver and the number of walls crossed in order to predict loss of propagation and loss of PSNR. In order to evaluate the predictive capacity of the proposed methods, the values of the Root Mean Sqare (RMS) errors between the measured and predicted data were obtained by the prediction methods loss of propagation and loss of PSNR, with respective values of 2.17 dB and 2.81 dB.porUniversidade Federal do ParáPrograma de Pós-Graduação em Engenharia ElétricaUFPABrasilInstituto de Tecnologia1 CD-ROMreponame:Repositório Institucional da UFPAinstname:Universidade Federal do Pará (UFPA)instacron:UFPACNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENASREDES E SISTEMAS DISTRIBUÍDOSCOMPUTAÇÃO APLICADAVídeoPeak signal-to-noise ratio (PSNR)Redes sem fioRedes Neurais Artificiais (RNA)Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiaisPrediction methodology of propagation loss and video quality in indoor wireless networks through artificial neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCAVALCANTE, Gervásio Protásio dos Santoshttp://lattes.cnpq.br/2265948982068382http://lattes.cnpq.br/9541869769451585CRUZ, Hugo Alexandre Oliveira dainfo:eu-repo/semantics/openAccessTEXTDissertacao_MetodologiaPredicaoPerda.pdf.txtDissertacao_MetodologiaPredicaoPerda.pdf.txtExtracted texttext/plain152504http://repositorio.ufpa.br/oai/bitstream/2011/10029/6/Dissertacao_MetodologiaPredicaoPerda.pdf.txt2a4362477c47e69c7e33aac6255aa3aeMD56ORIGINALDissertacao_MetodologiaPredicaoPerda.pdfDissertacao_MetodologiaPredicaoPerda.pdfapplication/pdf3699343http://repositorio.ufpa.br/oai/bitstream/2011/10029/1/Dissertacao_MetodologiaPredicaoPerda.pdf3b43522af593666187f8aef07927421fMD51CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://repositorio.ufpa.br/oai/bitstream/2011/10029/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/10029/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/10029/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81899http://repositorio.ufpa.br/oai/bitstream/2011/10029/5/license.txt9d4d300cff78e8f375d89aab37134138MD552011/100292018-06-25 14:18:21.142oai:repositorio.ufpa.br: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ório InstitucionalPUBhttp://repositorio.ufpa.br/oai/requestriufpabc@ufpa.bropendoar:21232018-06-25T17:18:21Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)false |
dc.title.pt_BR.fl_str_mv |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
dc.title.alternative.pt_BR.fl_str_mv |
Prediction methodology of propagation loss and video quality in indoor wireless networks through artificial neural networks |
title |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
spellingShingle |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais CRUZ, Hugo Alexandre Oliveira da CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS Vídeo Peak signal-to-noise ratio (PSNR) Redes sem fio Redes Neurais Artificiais (RNA) REDES E SISTEMAS DISTRIBUÍDOS COMPUTAÇÃO APLICADA |
title_short |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
title_full |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
title_fullStr |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
title_full_unstemmed |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
title_sort |
Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais |
author |
CRUZ, Hugo Alexandre Oliveira da |
author_facet |
CRUZ, Hugo Alexandre Oliveira da |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
CAVALCANTE, Gervásio Protásio dos Santos |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2265948982068382 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9541869769451585 |
dc.contributor.author.fl_str_mv |
CRUZ, Hugo Alexandre Oliveira da |
contributor_str_mv |
CAVALCANTE, Gervásio Protásio dos Santos |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS Vídeo Peak signal-to-noise ratio (PSNR) Redes sem fio Redes Neurais Artificiais (RNA) REDES E SISTEMAS DISTRIBUÍDOS COMPUTAÇÃO APLICADA |
dc.subject.por.fl_str_mv |
Vídeo Peak signal-to-noise ratio (PSNR) Redes sem fio Redes Neurais Artificiais (RNA) |
dc.subject.linhadepesquisa.pt_BR.fl_str_mv |
REDES E SISTEMAS DISTRIBUÍDOS |
dc.subject.areadeconcentracao.pt_BR.fl_str_mv |
COMPUTAÇÃO APLICADA |
description |
Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-06-14T18:39:41Z |
dc.date.available.fl_str_mv |
2018-06-14T18:39:41Z |
dc.date.issued.fl_str_mv |
2018-02-27 |
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.citation.fl_str_mv |
CRUZ, Hugo Alexandre Oliveira da. Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais. 2018. 96 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica, Belém, 2018. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10029>. Acesso em:. |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufpa.br/jspui/handle/2011/10029 |
identifier_str_mv |
CRUZ, Hugo Alexandre Oliveira da. Metodologia de predição de perda de propagação e qualidade de vídeo em redes sem fio indoor por meio de redes neurais artificiais. 2018. 96 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica, Belém, 2018. Disponível em: <http://repositorio.ufpa.br/jspui/handle/2011/10029>. Acesso em:. |
url |
http://repositorio.ufpa.br/jspui/handle/2011/10029 |
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 |
Universidade Federal do Pará |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFPA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Tecnologia |
publisher.none.fl_str_mv |
Universidade Federal do Pará |
dc.source.pt_BR.fl_str_mv |
1 CD-ROM |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPA instname:Universidade Federal do Pará (UFPA) instacron:UFPA |
instname_str |
Universidade Federal do Pará (UFPA) |
instacron_str |
UFPA |
institution |
UFPA |
reponame_str |
Repositório Institucional da UFPA |
collection |
Repositório Institucional da UFPA |
bitstream.url.fl_str_mv |
http://repositorio.ufpa.br/oai/bitstream/2011/10029/6/Dissertacao_MetodologiaPredicaoPerda.pdf.txt http://repositorio.ufpa.br/oai/bitstream/2011/10029/1/Dissertacao_MetodologiaPredicaoPerda.pdf http://repositorio.ufpa.br/oai/bitstream/2011/10029/2/license_url http://repositorio.ufpa.br/oai/bitstream/2011/10029/3/license_text http://repositorio.ufpa.br/oai/bitstream/2011/10029/4/license_rdf http://repositorio.ufpa.br/oai/bitstream/2011/10029/5/license.txt |
bitstream.checksum.fl_str_mv |
2a4362477c47e69c7e33aac6255aa3ae 3b43522af593666187f8aef07927421f 4afdbb8c545fd630ea7db775da747b2f d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 9d4d300cff78e8f375d89aab37134138 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA) |
repository.mail.fl_str_mv |
riufpabc@ufpa.br |
_version_ |
1801771930226786304 |