Banca de QUALIFICAÇÃO: BRENDA SILVANA DE SOUSA BARBOSA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: BRENDA SILVANA DE SOUSA BARBOSA
DATA: 31/07/2023
HORA: 09:00
LOCAL: GOOGLE MEET
TÍTULO:

APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE RSSI E SNR EM AMBIENTES DE BOSQUE

PALAVRAS-CHAVES:

Modelagem de Canal, LoRa, vegetação densa, Machine Learning, FI, CI, ITU-1546 e ITU-833.

PÁGINAS: 50
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A presença de áreas verdes, como parques, bosques e praças, são cruciais em cidades grandes e urbanizadas, uma vez que elas ajudam a reduzir os impactos negativos da urbanização, como a poluição do ar e sonora, contribuindo para melhorar a qualidade de vida dos moradores, promovendo o bem-estar físico e emocional. Por isso, é fundamental valorização e investimento na preservação e criação desses tipos de áreas, que podem afetar significativamente a qualidade e alcance dos dispositivos IoT (Internet das Coisas) que utilizam comunicação sem fio, como a tecnologia LoRa (Long Range). Isso ocorre devido ao fato de que as plantas e árvores atenuam e dispersam as ondas de rádio, dificultando a transmissão de dados entre os dispositivos IoT. A modelagem nesses ambientes é crucial para garantir a confiabilidade e eficiência da comunicação sem fio entre os dispositivos. Isso requer a compreensão das características dos canais de comunicação em ambientes com vegetação densa e o desenvolvimento de modelos de propagação que considerem os efeitos das plantas e árvores nas ondas de rádio. Com o crescimento da Internet das Coisas (IoT), dispositivos LoRa são amplamente utilizados em aplicações que exigem comunicação de longa distância e baixo consumo de energia, como monitoramento ambiental, agricultura inteligente e redes de sensores. Nesse contexto, a presente pesquisa vem contribuir na modelagem do canal de propagação usando a tecnologia LoRa na frequência de 915 MHz em ambientes com vegetação densa, para isso, foram realizadas extensas medições em ambiente externo arborizado na Universidade Federal do Pará, considerando a variação da altura do transmissor (6m, 12m e 18m), o fator de espalhamento 12 e a variação da polarização das antenas do transmissor e receptor (co- polarizada). Para determinar o comportamento médio do sinal, foram utilizadas duas técnicas de machine learning adicionando-se fatores relacionados à variação da altura do transmissor, os fatores de espalhamento e a variação da polarização das antenas do transmissor e receptor, comparadas com modelos empíricos da literatura closein(CI), Floating Intercept (FI) e o ITU 1546 ajustado para distancias menores que 1 km somado a recomendação P.833 para ambientes com vegetação, Com base nisso, foi possível obter um modelo que se mostrou mais eficiente do que os modelos clássicos da literatura para esse tipo de ambiente. Ao comparar os modelos empíricos com os modelos de machine learning desenvolvidos, observou-se que os modelos de machine learning tiveram uma maior precisão ao descrever o comportamento e a aleatoriedade do sinal LoRa (915 MHz) em ambientes com densa vegetação. Esse estudo é importante para o avanço das comunicações sem fio em ambientes arborizados contribuindo para o desenvolvimento de redes LoRa mais eficientes e robustas em ambientes desafiadores, fazendo com que isso possa ter um impacto significativo em áreas como agricultura, monitoramento ambiental, infraestrutura urbana inteligente e saúde pública.

MEMBROS DA BANCA:
Externo à Instituição - DIEGO KASUO NAKATA DA SILVA
Interno - 1927644 - FABRICIO JOSE BRITO BARROS
Presidente - 325740 - GERVASIO PROTASIO DOS SANTOS CAVALCANTE
Interno - 2522772 - JASMINE PRISCYLA LEITE DE ARAUJO
Externo à Instituição - LESLYE ESTEFANIA CASTRO ERAS