Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/28543
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_CarlosHenriqueDeCarvalhoRocha_tcc.pdf5 MBAdobe PDFver/abrir
Título: Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo
Autor(es): Rocha, Carlos Henrique de Carvalho
Orientador(es): Leite, João Paulo
Assunto: Redes de radio cognitivo
Aprendizado do computador
Redes neurais (Computação)
Data de apresentação: 5-Jul-2019
Data de publicação: 14-Set-2021
Referência: ROCHA, Carlos Henrique de Carvalho. Sistema baseado em redes neurais para predição da ocupação espectral em sistemas do tipo rádio cognitivo. 2019. xv, 63 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019.
Resumo: O acesso dinâmico ao espectro de frequência utilizando sistemas do tipo rádio cognitivo surge como alternativa ao gerenciamento dos recursos espectrais, de forma a se obter maior eficiência na utilização espectral, fundamental em um ambiente de escassez de espectro. A implementação de técnicas de sensoriamento espectral torna possível a identificação de oportunidades de acesso ao espectro, favorecendo o compartilhamento do recurso espectral. Nesse contexto, técnicas de aprendizado de máquina podem ser utilizadas para predição da ocupação espectral. Neste trabalho, avaliou-se o desempenho das redes neurais do tipo perceptron de múltiplas camadas para o problema de predição de ocupação espectral. As análises de desempenho são realizadas sob condições de tráfego estacionário e não-estacionário e utilizam os critérios de probabilidade de falso alarme e falsa detecção para comparar a abordagem baseada em redes neurais com técnicas clássicas de sensoriamento. Resultados de simulação mostram que a predição do estado de ocupação do canal reduz a energia necessária ao sensoriamento espectral em, pelo menos, 54% e incrementa a utilização do espectro de frequência em até 150%.
Abstract: Dynamic spectrum access using cognitive radio networks arises as an alternative to manage the spectral resources, in order to obtain efficient spectral utilization, which is necessary in na spectrum scarcity environment. The implementation of spectral sensing techniques make it possible to identify opportunities for spectrum access, that enables the spectrum share. In this context, machine learning techniques can be used to predict spectrum occupancy. In this work, the performance of multilayer perceptron (MLP) networks was evaluated for the spectrum prediction problem. The performance evaluation are taken under stationary and non- stationary traffic conditions and the accuracy of the MLP spectrum prediction is evaluated in terms of wrong prediction probability of busy and idle states to compare the approach based on neural networks with classical sensing techniques. Simulation results shows that channel status prediction save the spectral sensing energy at least 54% and the percentage of improvement in spectrum utilization increses up to 150%.
Informações adicionais: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Engenharia Elétrica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.