Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Monografias da UnB |
Texto Completo: | https://bdm.unb.br/handle/10483/28543 |
Resumo: | Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019. |
id |
UNB-2_5fa58f9258131bd981276cf12d386a0c |
---|---|
oai_identifier_str |
oai:bdm.unb.br:10483/28543 |
network_acronym_str |
UNB-2 |
network_name_str |
Biblioteca Digital de Monografias da UnB |
repository_id_str |
11571 |
spelling |
Rocha, Carlos Henrique de CarvalhoLeite, João PauloROCHA, Carlos Henrique de Carvalho. Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo. 2019. xv, 63 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019.https://bdm.unb.br/handle/10483/28543Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.O acesso dinâmico ao espectro de frequência utilizando sistemas do tipo rádio cognitivo surge como alternativa ao gerenciamento dos recursos espectrais, de forma a se obter maior eficiência na utilização espectral, fundamental em um ambiente de escassez de espectro. A implementação de técnicas de sensoriamento espectral torna possível a identificação de oportunidades de acesso ao espectro, favorecendo o compartilhamento do recurso espectral. Nesse contexto, técnicas de aprendizado de máquina podem ser utilizadas para predição da ocupação espectral. Neste trabalho, avaliou-se o desempenho das redes neurais do tipo perceptron de múltiplas camadas para o problema de predição de ocupação espectral. As análises de desempenho são realizadas sob condições de tráfego estacionário e não-estacionário e utilizam os critérios de probabilidade de falso alarme e falsa detecção para comparar a abordagem baseada em redes neurais com técnicas clássicas de sensoriamento. Resultados de simulação mostram que a predição do estado de ocupação do canal reduz a energia necessária ao sensoriamento espectral em, pelo menos, 54% e incrementa a utilização do espectro de frequência em até 150%.Submitted by Thayse Cantanhede (thaysesantos@bce.unb.br) on 2021-09-14T04:33:17Z No. of bitstreams: 1 2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf: 5122684 bytes, checksum: 885825aace9c4f264d7286c792201f2a (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2021-09-14T11:23:53Z (GMT) No. of bitstreams: 1 2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf: 5122684 bytes, checksum: 885825aace9c4f264d7286c792201f2a (MD5)Made available in DSpace on 2021-09-14T11:23:53Z (GMT). No. of bitstreams: 1 2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf: 5122684 bytes, checksum: 885825aace9c4f264d7286c792201f2a (MD5)Dynamic spectrum access using cognitive radio networks arises as an alternative to manage the spectral resources, in order to obtain efficient spectral utilization, which is necessary in na spectrum scarcity environment. The implementation of spectral sensing techniques make it possible to identify opportunities for spectrum access, that enables the spectrum share. In this context, machine learning techniques can be used to predict spectrum occupancy. In this work, the performance of multilayer perceptron (MLP) networks was evaluated for the spectrum prediction problem. The performance evaluation are taken under stationary and non- stationary traffic conditions and the accuracy of the MLP spectrum prediction is evaluated in terms of wrong prediction probability of busy and idle states to compare the approach based on neural networks with classical sensing techniques. Simulation results shows that channel status prediction save the spectral sensing energy at least 54% and the percentage of improvement in spectrum utilization increses up to 150%.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessRedes de radio cognitivoAprendizado do computadorRedes neurais (Computação)Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-09-14T11:23:53Z2021-09-14T11:23:53Z2019-07-05porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/28543/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdfapplication/pdf5122684http://bdm.unb.br/xmlui/bitstream/10483/28543/1/2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf885825aace9c4f264d7286c792201f2aMD5110483/285432021-09-14 08:23:53.805oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712021-09-14T11:23:53Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false |
dc.title.pt_BR.fl_str_mv |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
title |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
spellingShingle |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo Rocha, Carlos Henrique de Carvalho Redes de radio cognitivo Aprendizado do computador Redes neurais (Computação) |
title_short |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
title_full |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
title_fullStr |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
title_full_unstemmed |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
title_sort |
Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo |
author |
Rocha, Carlos Henrique de Carvalho |
author_facet |
Rocha, Carlos Henrique de Carvalho |
author_role |
author |
dc.contributor.author.fl_str_mv |
Rocha, Carlos Henrique de Carvalho |
dc.contributor.advisor1.fl_str_mv |
Leite, João Paulo |
contributor_str_mv |
Leite, João Paulo |
dc.subject.keyword.pt_BR.fl_str_mv |
Redes de radio cognitivo Aprendizado do computador Redes neurais (Computação) |
topic |
Redes de radio cognitivo Aprendizado do computador Redes neurais (Computação) |
description |
Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019. |
publishDate |
2019 |
dc.date.submitted.none.fl_str_mv |
2019-07-05 |
dc.date.accessioned.fl_str_mv |
2021-09-14T11:23:53Z |
dc.date.available.fl_str_mv |
2021-09-14T11:23:53Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
ROCHA, Carlos Henrique de Carvalho. Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo. 2019. xv, 63 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019. |
dc.identifier.uri.fl_str_mv |
https://bdm.unb.br/handle/10483/28543 |
identifier_str_mv |
ROCHA, Carlos Henrique de Carvalho. Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo. 2019. xv, 63 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019. |
url |
https://bdm.unb.br/handle/10483/28543 |
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.source.none.fl_str_mv |
reponame:Biblioteca Digital de Monografias da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Biblioteca Digital de Monografias da UnB |
collection |
Biblioteca Digital de Monografias da UnB |
bitstream.url.fl_str_mv |
http://bdm.unb.br/xmlui/bitstream/10483/28543/2/license.txt http://bdm.unb.br/xmlui/bitstream/10483/28543/1/2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf |
bitstream.checksum.fl_str_mv |
21554873e56ad8ddc69c092699b98f95 885825aace9c4f264d7286c792201f2a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
bdm@bce.unb.br||patricia@bce.unb.br |
_version_ |
1813907719754612736 |