Simulação de redes de sincronismo usando computação paralela

• Autor(a) principal: Maciel, Elvio Alexandrini
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/239292
• topic: Processamento paralelo (Computadores); Sincronização; Osciladores não-lineares; Osciladores elétricos; Sistemas de controle por realimentação

Sistemas dinâmicos são usados para modelar e fazer previsões de sistemas físicos, biológicos e até financeiros, porém uma grande variedade de sistemas apresentam comportamentos irregulares e imprevisíveis, onde uma pequena perturbação nas condições iniciais pode resultar em uma grande diferença da resposta desejada. Dentro deste conceito, encaixam-se as malhas de sincronismo que integram inúmeras aplicações da Engenharia, principalmente as redes de comunicação que, estando em sincronismo, caracterizam-se pelo fato de diversos osciladores operarem na mesma frequência e fase. Um dos circuitos osciladores mais conhecidos e empregados nesse tipo de aplicação é o PLL (Phase-Locked Loop) que trata de um sistema de controle de malha fechada que a partir de um sinal de referência, gera um sinal de saída sincronizado. Por manter em regime permanente a frequência de sinal com o de entrada, tal sistema pode rastrear o sinal amostrado. Projetar corretamente redes de distribuição de sinal de tempo implicam no bom desempenho no desempenho, na confiabilidade da comunicação e na integridade dos dados transmitidos. Nesse contexto, pretende-se oferecer uma nova abordagem ao assunto, através da computação paralela, que é uma forma de se realizar vários cálculos ao mesmo tempo, nos diversos núcleos de processamento de um processador multicore, operando sob o princípio de que grandes problemas podem ser divididos em problemas menores, que então são resolvidos concorrentemente. Ao empregar paralelismo computacional, pretende-se reduzir o tempo necessário para solucionar um problema e consequentemente resolver problemas mais complexos e de maiores dimensões.