Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/1031 |
Resumo: | Orientador: Michel Daoud Yacoub |
id |
UNICAMP-30_9c0652e95f5fd092e8404c987c4dee8d |
---|---|
oai_identifier_str |
oai::1232599 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geralDeep learning based communication system under general fading environmentSistemas de comunicaçãoRádio - Transmissores e transmissão - DesvanecimentoAprendizado profundoRedes neurais convolucionaisCommunication systemsRadio - FadingDeep learningConvolutional neural networksOrientador: Michel Daoud YacoubDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Esta dissertação ilustra o potencial de deep learning aplicado a sistemas de comunicação. Para isso, é feita uma releitura de um sistema de comunicação tradicional completo como uma técnica de aprendizado profundo em termos de um Autoencoder, sem nenhum conhecimento a priori de engenharia de comunicações, exceto pela modelagem estatística do canal. Para a análise, consideramos que o sistema inteligente se comunica por um canal de desvanecimento geral seguindo as estatísticas ?-µ, escolhida tanto por sua flexibilidade, quanto por sua aplicabilidade em cenários reais. O sistema inteligente consiste em duas redes neurais convolucionais emulando o codificador e o decodificador do sistema de comunicação, otimizadas conjuntamente por uma única função objetivo. O desempenho do sistema é analisado em termos da taxa de erro na mensagem que, para comparação e propósitos de consistência, também é apresentado analiticamente para esquemas tradicionais de modulação. Os resultados de simulação mostram que a arquitetura estudada corresponde a soluções ótimas de engenharia humana, mesmo sem o dóminio de conhecimento específico. Além disso, a arquitetura profunda é capaz de convergir rapidamente mantendo sua capacidade de generalização sob diferentes comprimentos de bloco da mensagem enviada, relações sinal-ruído, taxas de códigos e ambientes de desvanecimentoAbstract: This dissertation provides an illustration of the deep learning potential applied to communication systems. For this, a complete traditional communication system is re-defined as a deep learning technique in terms of an Autoencoder, with no prior engineering knowledge of communications, except for the statistical modeling of the channel. For analysis, we consider that the intelligent system communicates through a general fading channel, following the statistics ?-µ, chosen both for its flexibility and for its applicability in real scenarios. The intelligent system consists of two convolutional neural networks simulating the encoder and decoder of the communication scheme, optimized together by a single objective function. The performance of the system is analyzed in terms of the block error rate which, for comparison and consistency purposes, is also presented analytically for traditional modulation schemes. The simulation results show that the studied architecture corresponds to optimal human engineering solutions, even without the knowledge of specific wireless domain. In addition, the deep architecture is able to converge quickly while maintaining its ability to generalize under different block lengths, signal-to-noise ratios, code rates and fading environmentsMestradoTelecomunicações e TelemáticaMestre em Engenharia ElétricaCAPES88887.373496/2019-00[s.n.]Yacoub, Michel Daoud, 1955-Silva, Carlos Rafael Nogueira daSouza, Rausley Adriano Amaral deUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASGomes, Samuel Borges Ferreira, 1993-20212021-07-16T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (68 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1031GOMES, Samuel Borges Ferreira. Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral. 2021. 1 recurso online (68 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1031. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1232599Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-11-22T11:29:22Zoai::1232599Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-11-22T11:29:22Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral Deep learning based communication system under general fading environment |
title |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
spellingShingle |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral Gomes, Samuel Borges Ferreira, 1993- Sistemas de comunicação Rádio - Transmissores e transmissão - Desvanecimento Aprendizado profundo Redes neurais convolucionais Communication systems Radio - Fading Deep learning Convolutional neural networks |
title_short |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
title_full |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
title_fullStr |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
title_full_unstemmed |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
title_sort |
Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral |
author |
Gomes, Samuel Borges Ferreira, 1993- |
author_facet |
Gomes, Samuel Borges Ferreira, 1993- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Yacoub, Michel Daoud, 1955- Silva, Carlos Rafael Nogueira da Souza, Rausley Adriano Amaral de Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação Programa de Pós-Graduação em Engenharia Elétrica UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Gomes, Samuel Borges Ferreira, 1993- |
dc.subject.por.fl_str_mv |
Sistemas de comunicação Rádio - Transmissores e transmissão - Desvanecimento Aprendizado profundo Redes neurais convolucionais Communication systems Radio - Fading Deep learning Convolutional neural networks |
topic |
Sistemas de comunicação Rádio - Transmissores e transmissão - Desvanecimento Aprendizado profundo Redes neurais convolucionais Communication systems Radio - Fading Deep learning Convolutional neural networks |
description |
Orientador: Michel Daoud Yacoub |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021 2021-07-16T00:00:00Z |
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 |
https://hdl.handle.net/20.500.12733/1031 GOMES, Samuel Borges Ferreira. Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral. 2021. 1 recurso online (68 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1031. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1031 |
identifier_str_mv |
GOMES, Samuel Borges Ferreira. Sistema de comunicação baseado em deep learning sob ambiente de desvanecimento geral. 2021. 1 recurso online (68 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1031. Acesso em: 3 set. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/1232599 Requisitos do sistema: Software para leitura de arquivo em PDF |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 1 recurso online (68 p.) : il., digital, arquivo PDF. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809189178067386368 |