Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-02-22T17:57:36Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloRadioPropagacao.pdf: 2596175 bytes, checksum: 1124524c168958ac9b9cac835462ab5d (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-02-23T12:53:39Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloRadioPropagacao.pdf: 2596175 bytes, checksum: 1124524c168958ac9b9cac835462ab5d (MD5) / Made available in DSpace on 2017-02-23T12:53:39Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_ModeloRadioPropagacao.pdf: 2596175 bytes, checksum: 1124524c168958ac9b9cac835462ab5d (MD5) Previous issue date: 2015-08-20 / As transmissões de TV digital têm crescido muito no mundo todo nos últimos anos, e em especial no Brasil. A implantação e o melhoramento de tais sistemas de transmissão dependem de modelos que levem em consideração, entre outros fatores, as características geográficas da região, pois estas contribuem para a degradação do sinal. No caso do Brasil, há uma grande heterogeneidade de cenários e climas. Há anos são estudados diversos modelos de perda de propagação para diversas faixas de frequências e tipos de trajetos. Esta tese propõe um modelo empírico de rádio propagação outdoor na faixa de UHF, que é utilizada na TV digital. O modelo proposto estima valores de potência recebida podendo ser aplicado a trajetos não homogêneos e a climas distintos. Este último aspecto apresenta caráter inovador para faixa de UHF. Diferentes técnicas de inteligência artificial foram escolhidas para embasamento teórico e computacional por apresentarem a capacidade de introduzir, organizar e descrever dados quantitativos e qualitativos de maneira rápida e eficiente, possibilitando a determinação da potência recebida em uma diversidade de cenários e climas. O modelo proposto foi aplicado a uma cidade da região amazônica que apresenta trajetos heterogêneos como áreas urbanas densamente arborizados, frações sobre água doce entre outros. Campanhas de medições foram realizadas para obtenção dados de sinais de duas emissoras de televisão digital na região metropolitana da cidade de Belém-Pará para modelar, comparar e validar o modelo proposto. Os resultados obtidos são consistentes. O modelo retrata uma nítida diferença entre as duas estações climáticas do ano estudadas e erros RMS pequenos para todos os casos estudados. Comparação com modelos empíricos e determinísticos amplamente utilizados corroboram a validade do modelo. / The digital TV broadcasts have greatly increased worldwide in recent years, especially in Brazil. The establishment and improvement of these transmission systems rely on models that take into account, among other factors, the geographical characteristics of the region, as these contribute to signal degradation. In Brazil, there is a great diversity of scenery and climates. For years several propagation models have been studied many for several frequency bands and types of paths. This thesis proposes an outdoor empirical radio propagation model for UHF band, which is used in digital TV. The proposed model estimates received power values can be applied to non-homogeneous paths and different climates, this latter presents innovative character for the UHF band. Different artificial intelligence techniques were chosen for theoretical and computational basis for having the ability to introduce, organize and describe quantitative and qualitative data quickly and efficiently, making it possible to determine the received power in a variety of settings and climates. The proposed model was applied to a city in the Amazon region with heterogeneous paths and wooded urban areas, fractions of freshwater among others. Measurement campaigns were conducted to obtain data signals from two digital TV stations in the metropolitan area of the city of Belém-Pará to model, compare and validate the model. The results are consistent. The model depicts a distinct difference between the two seasons of the studied year and small RMS errors for all cases studied. The validation of the model was based on the comparison with empirical and deterministic models.