Previsão de oportunidades de acesso utilizando redes neurais artificiais recorrentes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | |
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 |