Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/35670
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2022_GustavoVianaPenido_tcc.pdf2,84 MBAdobe PDFver/abrir
Título: Modelagem de sistemas de comunicação RF com Autoencoder
Autor(es): Penido, Gustavo Viana
Orientador(es): Carvalho, Paulo Henrique Portela de
Assunto: Radiofrequência
Sistemas de comunicação sem fio
Redes neurais convolucionais (Computação)
Data de apresentação: 7-Out-2022
Data de publicação: 30-Ago-2023
Referência: PENIDO, Gustavo Viana. Modelagem de sistemas de comunicação RF com Autoencoder. 2022. 102 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2022.
Resumo: Este trabalho apresenta um estudo da sistematização e da modelagem da técnica de redes neurais chamada de Autoencoder aplicada a sistemas de comunicação de radiofrequência fim a fim. Todas as simulações realizadas validam a capacidade de codificação e modulação do Autoencoder em comparação com os sistemas convencionais. Assim, são apresentados os resultados obtidos em comparação com sistemas AWGN, Rayleigh, com Codificação, MIMO utilizando arquitetura com Deep Neural Network (DNN) e por fim com uma abordagem via Convolutional Neural Network (CNN), além de todo o equacionamento para uma justa comparação com os sistemas convencionais de comunicação. Logo, o Autoencoder se mostra competitivo em relação aos sistemas convencionais uma vez alcançado o mesmo desempenho.
Abstract: This work presents a modeling systematization of the neural network technique called Autoencoder applied to end-to-end radiofrequency communication systems. The simulations performed validate the encoding and modulation capacity of the Autoencoder in comparison with the traditional communications systems. This is how the results obtained are presented in comparison with AWGN, Rayleigh, systems with Coding, MIMO using architecture with Deep Neural Network (DNN) and finally with an approach via Convolutional Neural Network (CNN), in addition to the whole equation for a fair with the systems conventional communications. Therefore, the Autoencoder is competitive in relation to conventional systems once the same performance is achieved.
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022.
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 de Redes de Comunicação



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