Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes

Detalhes bibliográficos
Autor(a) principal: Ferreira, Paulo A. L.
Data de Publicação: 2016
Outros Autores: Fernandes, Silas S.
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: http://bdm.unb.br/handle/10483/17246
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.
id UNB-2_dda3d61f5042ba269606853335d321e3
oai_identifier_str oai:bdm.unb.br:10483/17246
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Ferreira, Paulo A. L.Fernandes, Silas S.Lamar, Marcus ViniciusFERREIRA, Paulo A. L.; FERNANDES, Silas S. Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes. 2016. xiv, 76 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2016..http://bdm.unb.br/handle/10483/17246Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.A crescente demanda por tecnologias de comunicação sem fio tem esbarrado em um grande entrave: o modelo de alocação destas frequências é estático, dificultado a alocação para novos serviços. Além disso, a distribuição da ocupação das faixas do espectro não é uniforme, o que torna o modelo estático ineficiente, causando a escassez do espectro. O modelo de alocação dinâmica do espectro visa aumentar a eficiência do espectro a partir da exploração de faixas licenciadas por usuários que não possuem licença, desde que provejam meios de garantir uma interferência mínima com os usuários licenciados. Um dos grandes desafios para implementação de alocação dinâmica do espectro é a previsão correta de oportunidades de transmissão, para que usuários não licenciados possam explorar faixas licenciadas quando estiverem ociosas. Este trabalho propõe uma metodologia de previsão de oportunidades que consiste na aquisição dos sinais, análise por redes neurais recorrentes de Elman e modelagem estatística do ambiente para estimar a probabilidade de oportunidade de transmissão em um dado instante. Foram conduzidos experimentos para avaliar a eficiência e acurácia da metodologia proposta sob ambientes com diferentes configurações de tráfego, ruído e interferência. Os resultados, baseados em capturas de sinais utilizando um Rádio Definido por Software para monitoramento de um canal Wi-Fi, mostram que em todos os cenários avaliados uma rede neural de apenas 4 neurônios na camada intermediária é capaz de obter uma taxa de acerto média acima de 80%.Submitted by Patricia Souza da Silva (patriciasilva@bce.unb.br) on 2017-06-21T17:45:20Z No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_PauloFerreira_SilasFernandes_tcc.pdf: 15086006 bytes, checksum: 650a0746e65a6b757963bf41e40fc404 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2017-06-22T14:19:28Z (GMT) No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_PauloFerreira_SilasFernandes_tcc.pdf: 15086006 bytes, checksum: 650a0746e65a6b757963bf41e40fc404 (MD5)Made available in DSpace on 2017-06-22T14:19:28Z (GMT). No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_PauloFerreira_SilasFernandes_tcc.pdf: 15086006 bytes, checksum: 650a0746e65a6b757963bf41e40fc404 (MD5)The demand for wireless technology has been increasing, whereas the allocation policy of these frequency bands is static, which hinders allocation for new services. Furthermore, the distribution of spectrum frequency bands occupation is not uniform and therefore the static model is inefficient, causing spectrum scarcity. The dynamic spectrum allocation model aims to increase spectrum efficiency by the exploitation of licensed bands by unlicensed users assuming that they provide the mans for guaranteeing minimum interference with lincensed users. One of the major challanges of implementing dynamic spectrum allocation is to correctly forecast transmission opportunities in order to enable secondary users to exploit idle licensed bands. This works proposes a methodology for transmission opportunities forecasting, which consists the following steps: signals acquisition, neural network analysis and statistical modeling of the environment to estimate the probability of transmittion opportunity at a given time. Several experiments were conducted to evaluate the efficiency and accuracy of the proposed methodology over environments with different traffic, noise and interference settings. The results, based on signal acquisition using a Radio Defined Software to monitor a Wi-Fi channel, show that in every setting a neural network with only 4 hidden neurons is capable of obtaining an average correct classification rate of 80%.Sistemas de comunicação sem fioRedes neurais (Computação)Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2017-06-22T14:19:28Z2017-06-22T14:19:28Z2016-01-15info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2016_PauloFerreira_SilasFernandes_tcc.pdf2016_PauloFerreira_SilasFernandes_tcc.pdfapplication/pdf15086006http://bdm.unb.br/xmlui/bitstream/10483/17246/1/2016_PauloFerreira_SilasFernandes_tcc.pdf650a0746e65a6b757963bf41e40fc404MD51CC-LICENSElicense_urllicense_urltext/plain46http://bdm.unb.br/xmlui/bitstream/10483/17246/2/license_url486e70aa6e7b0271de4953c01c4283fdMD52license_textlicense_textapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/17246/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/17246/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/17246/5/license.txt21554873e56ad8ddc69c092699b98f95MD5510483/172462018-11-20 11:55:41.462oai: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:115712018-11-20T13:55:41Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
title Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
spellingShingle Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
Ferreira, Paulo A. L.
Sistemas de comunicação sem fio
Redes neurais (Computação)
title_short Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
title_full Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
title_fullStr Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
title_full_unstemmed Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
title_sort Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
author Ferreira, Paulo A. L.
author_facet Ferreira, Paulo A. L.
Fernandes, Silas S.
author_role author
author2 Fernandes, Silas S.
author2_role author
dc.contributor.author.fl_str_mv Ferreira, Paulo A. L.
Fernandes, Silas S.
dc.contributor.advisor1.fl_str_mv Lamar, Marcus Vinicius
contributor_str_mv Lamar, Marcus Vinicius
dc.subject.keyword.pt_BR.fl_str_mv Sistemas de comunicação sem fio
Redes neurais (Computação)
topic Sistemas de comunicação sem fio
Redes neurais (Computação)
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2016.
publishDate 2016
dc.date.submitted.none.fl_str_mv 2016-01-15
dc.date.accessioned.fl_str_mv 2017-06-22T14:19:28Z
dc.date.available.fl_str_mv 2017-06-22T14:19:28Z
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 FERREIRA, Paulo A. L.; FERNANDES, Silas S. Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes. 2016. xiv, 76 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2016..
dc.identifier.uri.fl_str_mv http://bdm.unb.br/handle/10483/17246
identifier_str_mv FERREIRA, Paulo A. L.; FERNANDES, Silas S. Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes. 2016. xiv, 76 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2016..
url http://bdm.unb.br/handle/10483/17246
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/10483/17246/1/2016_PauloFerreira_SilasFernandes_tcc.pdf
http://bdm.unb.br/xmlui/bitstream/10483/17246/2/license_url
http://bdm.unb.br/xmlui/bitstream/10483/17246/3/license_text
http://bdm.unb.br/xmlui/bitstream/10483/17246/4/license_rdf
http://bdm.unb.br/xmlui/bitstream/10483/17246/5/license.txt
bitstream.checksum.fl_str_mv 650a0746e65a6b757963bf41e40fc404
486e70aa6e7b0271de4953c01c4283fd
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
21554873e56ad8ddc69c092699b98f95
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
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_ 1801493034641129472

Registros relacionados