Desenvolvimento de rede neural artificial recorrente em FPGA para previsão online de oportunidades em transmissões oportunísticas em redes de comunicação wireless

Abstract

A popularização do uso de dispositivos móveis com acesso a redes sem fio e a atual conjuntura de alocação estática do espectro eletromagnético são provavelmente as principais causas da escassez desse recurso. Para evitar o congestionamento em algumas faixas de frequência e promover o uso uniforme do espectro, vários pesquisadores e instituições estão considerando tornar o acesso dinâmico ao espectro uma realidade. Entretanto, um dos maiores desafios da mudança de política de acesso é o desenvolvimento de uma tecnologia capaz de identificar corretamente, em tempo real, oportunidades de transmissão. Neste contexto, este trabalho propõe um sistema em FPGA baseado em redes neurais recorrentes do tipo Elman para realizar o processamento de sinais eletromagnéticos capturados por um rádio definido por software e identificar oportunidades de transmissão a partir deles. Além disso, este trabalho apresenta metodologias para tornar a rede neural adaptável. Diversos experimentos foram realizados para avaliar o sistema descrito em hardware em termos de demanda por recursos computacionais, tempo de processamento e precisão de resultados. A partir desses experimentos, foi possível observar que, em relação ao mesmo sistema definido em software, o tempo de processamento do sistema descrito em hardware é cerca de 7,4 vezes mais rápido, mas seus resultados apresentaram um erro máximo de 24,4% quando comparado ao sistema em software, que, apesar de ser um valor considerável, não é suficiente para interferir na identificação de oportunidades realizada pelo sistema.