Made available in DSpace on 2015-05-14T12:09:27Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 7820449 bytes, checksum: c6acd880295b25b51f289018a1415c70 (MD5) Previous issue date: 2012-08-17 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The Brazilian energetic system is mainly based on hydropower, which is highly dependent on the watershed water availability. In order to minimize the risk of failure, which affects the uptake from the water bodies, this system is interconnected. During the dry season, there is less volume stored in the reservoirs, which leads to a lower production of energy. Before the flood period, in order to attend the multiple uses of the water resources, it is necessary to keep an operational volume in the reservoir, which also decreases the water level and has impacts on power generation. In order to make the flood control, the electricity sector forecasts the availability of a waiting volume in the reservoirs, which are capable of receiving parts of the inflows to prevent, at prefixed risk, damage at downstream. It is in this scenario that the problem highlighted in this dissertation arises, the forecasting of inflow to a reservoir, in order to have a judicious allocation of these void spaces in the reservoirs for the flood control. Thus, the main objective of this study is to analyze the use of the wavelet transform to forecast daily inflows in Sobradinho reservoir (Bahia State) seven days ahead, by a wavelet-ANN hybrid system, with the following specific objectives: (a) eliminate the noise present in the observed inflow time series by wavelet analysis, (b) define the optimal level for decomposition of the signals, (c) determine the appropriate mother-wavelet for this type of forecasting with ANN, and (d) carry out simulations with the proposed wavelet-ANN hybrid system and compare the results with the predictions made without the application of wavelet transform. It was used the daily data for the period from January 1931 to December 2010. From the obtained results, it was observed that the wavelet-ANN hybrid system performed better forecasting for seven days ahead than the system using the ANN with the raw data, and the approximation A3 from the discrete mother-wavelet Meyer obtained the best result (R2 = 0.9977; Nash = 0.9954 and RMS = 96.4523 m³/s), whereas the prediction using RNA with raw data obtained the following results: R2 = 0.9481; Nash = 0.8971 and RMS = 456.7712 m³/s, i.e., the RMS decreased almost 80%, while the Nash and R2 coefficients have increased more than 5% and 10%, respectively, when compared with the forecasts using the raw data. / O sistema energético brasileiro é fortemente baseado na energia hidroelétrica, a qual é altamente dependente da disponibilidade hídrica das bacias hidrográficas. A fim de minimizar os riscos de falha que afetam o aporte de água aos mananciais, esse sistema é interligado, pois, nas épocas secas, tem-se um menor volume armazenado nos reservatórios, o que leva a uma menor produção de energia, e antes das épocas de cheias, para atender ao uso múltiplo dos recursos hídricos, deve-se deixar um volume operacional no reservatório, o que também diminui o seu nível de água e tem impactos na geração de energia. Para efetuar o controle de cheias, o setor elétrico prevê a disponibilidade de um volume de espera nos reservatórios, capazes de absorver parcelas das afluências, para evitar, com um risco prefixado, que sejam causados danos a jusante. É nesse cenário que surge o problema destacado no presente trabalho, a previsão da vazão afluente a um reservatório, a fim de se ter uma alocação criteriosa desses espaços vazios nos reservatórios para o controle de cheias. Diante do exposto, o objetivo geral deste trabalho é analisar o uso da transformada wavelet para realizar previsões das vazões diárias afluentes ao reservatório de Sobradinho BA com sete dias de antecedência, por meio de um sistema híbrido wavelet-RNA, sendo os objetivos específicos: (a) eliminar os ruídos presentes nas séries históricas de vazão através da análise wavelet; (b) definir o nível ótimo de decomposição dos sinais; (c) determinar a wavelet-mãe adequada para este tipo de previsão com RNAs; e (d) realizar simulações com o sistema híbrido wavelet-RNA proposto e comparar os resultados com as previsões realizadas sem a aplicação da transformada wavelet. Utilizou-se dados de médias diárias de vazões naturais do período de janeiro de 1931 a dezembro de 2010. Diante dos resultados apresentados, observa-se que o sistema híbrido wavelet-RNA proposto obteve resultados melhores de previsão para sete dias de antecedência que o sistema utilizando a RNA com os dados brutos, sendo a aproximação A3 da waveletmãe Meyer Discreta a que obteve o melhor resultado na validação (R2 = 0,9977; Nash = 0,9954 e RMS = 96,4523 m³/s), enquanto que a previsão utilizando os dados brutos forneceu os seguintes resultados: R2 = 0,9481; Nash = 0,8971 e RMS = 456,7712 m³/s; i.e., o RMS diminuiu quase 80%, enquanto que os coeficientes R2 e Nash tiveram um aumento maior que 5% e 10%, respectivamente, em relação às previsões com os dados brutos.

Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-15T21:53:52Z No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:05:39Z (GMT) No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:07:25Z (GMT) No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Made available in DSpace on 2015-06-16T15:07:25Z (GMT). No. of bitstreams: 1 Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) Previous issue date: 2015-04-17 / Não Informada / About half the world's population lives in malaria risk areas. Moreover, given the globalization of travel, these diseases that were once considered exotic and mostly tropical are increasingly found in hospital emergency rooms around the world. And often when it comes to experience in tropical diseases, expert opinion most of the time is not available or not accessible in a timely manner. The task of an accurate and efficient diagnosis of malaria, essential in medical practice, can become complex. And the complexity of this process increases as patients have non-specific symptoms with a large amount of data and inaccurate information involved. In this approach, Uzoka and colleagues (2011a), from clinical information of 30 Nigerian patients with confirmed malaria, used the Analytic Hierarchy Process method (AHP) and Fuzzy methodology to conduct the evaluation of the severity of malaria. The results obtained were compared with the diagnosis of medical experts. This paper develops a new methodology to evaluate the severity of malaria and compare with the techniques used by Uzoka and colleagues (2011a). For this purpose the data set used is the same of that study. The technique used is the Artificial Neural Networks (ANN). Are evaluated three architectures with different numbers of neurons in the hidden layer, two training methodologies (leave-one-out and 10-fold cross-validation) and three stopping criteria, namely: the root mean square error, early stop and regularization. In the first phase, we use the full database. Subsequently, the feature extraction methods are used: in the second stage, the Principal Component Analysis (PCA) and in the third stage, the Linear Discriminant Analysis (LDA). The best result obtained in the three phases, it was with the full database, using the criterion of regularization associated with the leave-one-out method, of 83.3%. And the best result obtained in (Uzoka, Osuji and Obot, 2011) was with the fuzzy network which revealed 80% accuracy / Cerca de metade da população mundial vive em áreas de risco da malária. Além disso, dada a globalização das viagens, essas doenças que antes eram consideradas exóticas e principalmente tropicais são cada vez mais encontradas em salas de emergência de hospitais no mundo todo. E frequentemente quando se trata de experiência em doenças tropicais, a opinião de especialistas na maioria das vezes está indisponível ou não acessível em tempo hábil. A tarefa de chegar a um diagnóstico da malária preciso e eficaz, fundamental na prática médica, pode tornar-se complexa. E a complexidade desse processo aumenta à medida que os pacientes apresentam sintomas não específicos com uma grande quantidade de dados e informação imprecisa envolvida. Nesse sentido, Uzoka e colaboradores (2011a), a partir de informações clínicas de 30 pacientes nigerianos com diagnóstico confirmado de malária, utilizaram a metodologia Analytic Hierarchy Process (AHP) e metodologia Fuzzy para realizar a avaliação da gravidade da malária. Os resultados obtidos foram comparados com o diagnóstico de médicos especialistas. Esta dissertação desenvolve uma nova metodologia para avaliação da gravidade da malária e a compara com as técnicas utilizadas por Uzoka e colaboradores (2011a). Para tal o conjunto de dados utilizados é o mesmo do referido estudo. A técnica utilizada é a de Redes Neurais Artificiais (RNA). São avaliadas três arquiteturas com diferentes números de neurônios na camada escondida, duas metodologias de treinamento (leave-one-out e 10-fold cross-validation) e três critérios de parada, a saber: o erro médio quadrático, parada antecipada e regularização. Na primeira fase, é utilizado o banco de dados completo. Posteriormente, são utilizados os métodos de extração de características: na segunda fase, a Análise dos Componentes Principais (do inglês, Principal Component Analysis - PCA) e na terceira fase, a Análise Discriminante Linear (do inglês, Linear Discriminant Analysis – LDA). O melhor resultado obtido nas três fases, foi com o banco de dados completo, utilizando o critério de regularização, associado ao leave-one-out, de 83.3%. Já o melhor resultado obtido em (Uzoka, Osuji e Obot, 2011) foi com a rede fuzzy onde obteve 80% de acurácia.

Esta tese apresenta um estudo para a utilização de Redes Neurais Artificiais (RNA) no processo de avaliação e ordenamento de alternativas de projetos de transporte. Partindo-se da ideia de que esse processo constitui-se em um padrão que pode ser captado pelas RNA, a verificação deste argumento foi feita selecionando-se um contexto de avaliação, definindo-se variáveis a serem consideradas no processo de avaliação, e criando-se estruturas de RNA para treinamento com base em outras avaliações já realizadas. Nesta pesquisa foram utilizados 180 \"Estudos de Casos\" recebidos de 32 Estados americanos. Esses dados serviram de entrada para um processo de aprendizagem utilizando-se o simulador \"Neural Planner 4.52\", que baseia-se em redes \"Multilayer Perceptron (MLP)\" e no treinamento em \"Backpropagation\". Várias redes foram treinadas para que fosse definida aquela com um melhor desempenho para o reconhecimento dos padrões existentes nesses casos apresentados. Os 486 experimentos demonstraram índices de acertos superiores a 92% que podem ser visualizados no programa computacional denominado \"EVALUATOR\", uma interface entre o simulador de RNA e usuários. Conclui-se, portanto, que as RNA podem reconhecer os padrões implícitos em avaliações anteriores e servem para avaliar e ordenar alternativas de outros projetos apresentados que pertençam ao mesmo contexto utilizado para treinamento. / This thesis presents a research aimed at the use of Artificial Neural Networks (ANN) for appraising and ranking transportation project alternatives. Based on the principle that this process of appraisal and ranking constitutes a pattern that can be perceived by ANN, the verification of this hypothesis was conducted selecting an evaluation context, defining variables to be considered in the process, and creating ANN structures for training based on other evaluation cases. In this research, 180 \"Case Studies\" from 32 American states were used. These data were used as input to a learning process using the simulator \"Neural Planner 4.52\", which is based on \"Multilayer Perceptron (MLP)\" networks and uses a \"Backpropagation\" training algorithm. Several networks were trained to obtain the one most capable of recognizing the patterns of the projects analyzed. More than 92% of the 486 experiments presented right indexes, as shown by a software called \"EVALUATOR\", a user interface between ANN simulator. The conclusion is that ANN can recognize the implicit patterns in previous evaluations and can be used to appraise and rank alternatives from other projects belonging to the same context used for the ANN training.

Esta tese apresenta um estudo para a utilização de Redes Neurais Artificiais (RNA) no processo de avaliação e ordenamento de alternativas de projetos de transporte. Partindo-se da ideia de que esse processo constitui-se em um padrão que pode ser captado pelas RNA, a verificação deste argumento foi feita selecionando-se um contexto de avaliação, definindo-se variáveis a serem consideradas no processo de avaliação, e criando-se estruturas de RNA para treinamento com base em outras avaliações já realizadas. Nesta pesquisa foram utilizados 180 \"Estudos de Casos\" recebidos de 32 Estados americanos. Esses dados serviram de entrada para um processo de aprendizagem utilizando-se o simulador \"Neural Planner 4.52\", que baseia-se em redes \"Multilayer Perceptron (MLP)\" e no treinamento em \"Backpropagation\". Várias redes foram treinadas para que fosse definida aquela com um melhor desempenho para o reconhecimento dos padrões existentes nesses casos apresentados. Os 486 experimentos demonstraram índices de acertos superiores a 92% que podem ser visualizados no programa computacional denominado \"EVALUATOR\", uma interface entre o simulador de RNA e usuários. Conclui-se, portanto, que as RNA podem reconhecer os padrões implícitos em avaliações anteriores e servem para avaliar e ordenar alternativas de outros projetos apresentados que pertençam ao mesmo contexto utilizado para treinamento. / This thesis presents a research aimed at the use of Artificial Neural Networks (ANN) for appraising and ranking transportation project alternatives. Based on the principle that this process of appraisal and ranking constitutes a pattern that can be perceived by ANN, the verification of this hypothesis was conducted selecting an evaluation context, defining variables to be considered in the process, and creating ANN structures for training based on other evaluation cases. In this research, 180 \"Case Studies\" from 32 American states were used. These data were used as input to a learning process using the simulator \"Neural Planner 4.52\", which is based on \"Multilayer Perceptron (MLP)\" networks and uses a \"Backpropagation\" training algorithm. Several networks were trained to obtain the one most capable of recognizing the patterns of the projects analyzed. More than 92% of the 486 experiments presented right indexes, as shown by a software called \"EVALUATOR\", a user interface between ANN simulator. The conclusion is that ANN can recognize the implicit patterns in previous evaluations and can be used to appraise and rank alternatives from other projects belonging to the same context used for the ANN training.

Submitted by Joseilton Rocha (jsrocha@ufba.br) on 2012-12-11T21:41:47Z No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5) / Made available in DSpace on 2012-12-11T21:41:47Z (GMT). No. of bitstreams: 1 OLIVEIRA,%20F_N_.pdf: 1937121 bytes, checksum: 6cc7b8ead0080d335f9ecebdefe23bb5 (MD5) / CNPQ / Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas.

Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-04-11T20:06:38Z No. of bitstreams: 1 BrunoJacomeCavalcanti_TESE.pdf: 5397909 bytes, checksum: 5a245eec570a69adf8ca5d791aaddf70 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-04-16T20:46:19Z (GMT) No. of bitstreams: 1 BrunoJacomeCavalcanti_TESE.pdf: 5397909 bytes, checksum: 5a245eec570a69adf8ca5d791aaddf70 (MD5) / Made available in DSpace on 2018-04-16T20:46:19Z (GMT). No. of bitstreams: 1 BrunoJacomeCavalcanti_TESE.pdf: 5397909 bytes, checksum: 5a245eec570a69adf8ca5d791aaddf70 (MD5) Previous issue date: 2017-10-20 / A perfeita funcionalidade dos sistemas de comunicações de 3ª. e 4ª. gerações requerem, entre outras coisas, do conhecimento dos valores numéricos da predição das perdas de propagação dos sinais propagantes nos ambientes urbano, suburbano e rural. Portanto, o estudo das condições de propagação em um ambiente qualquer sempre será uma preocupação dos engenheiros projetistas. A análise e desenvolvimento de modelos robustos de predição de perdas de propagação em redes de comunicações Long Term Evolution (LTE) e Long Term Evolution Advanced (LTE-A) usando técnicas de Inteligência Artificial são realizadas neste trabalho. Os procedimentos metodológicos empregados foram aplicados no melhoramento da predição dos modelos de perda de propagação empíricos SUI, ECC-33, Ericsson 9999, TR 36.942 e o modelo do Espaço Livre, aplicados em redes LTE e LTE-A nas frequências de 800 MHz, 1800 MHz e 2600 MHz, para ambientes suburbanos em cidades de porte médio do nordeste do Brasil. Assim, nesta tese propõem-se dois modelos de Redes Neurais Artificiais (RNA): (i) o modelo de rede neural com entradas baseadas em erro (RNBE), utilizando como principal alimentador da rede o erro entre dados medidos e simulados, e, (ii) o modelo de rede neural com entradas baseadas no terreno (RNBT). O desempenho desses modelos foram comparados com os modelos de propagação considerados no trabalho e também as versões otimizadas utilizando Algoritmos Genéticos (AG) e o Método dos Mínimos Quadrados (LMS). Também foram realizadas comparações com valores medidos, obtidos a partir de uma campanha de medição realizada na cidade de Natal, Estado do Rio Grande do Norte. Os resultados finais obtidos através de simulações e medições apresentaram boas concordâncias métricas, com destaque para a performance do modelo RNBE. A principal contribuição dessa tese é que, ao utilizar essas técnicas que fazem uso de maneira mais eficiente dos modelos de propagação empíricos, pode-se estimar sinais propagantes realistas, evitando erros no planejamento e implementações de redes sem fio LTE e LTE-A em áreas suburbanas. / The perfect functionality of the 3rd and 4th generation of wireless systems requires, among other parameters, knowledge of the numerical values of the prediction of loss of propagation of propagation signals in urban, suburban and rural environments. Therefore, the study of propagation conditions in any environment will always be a concern of design engineers. The analysis and development of robust propagation loss prediction models in Long Term Evolution (LTE) and Long Term Evolution Advanced (LTE-A) communications networks using Artificial Intelligence techniques is performed in this work. The methodologies used were applied to improve the prediction of loss of empirical propagation SUI, ECC-33, Ericsson 9999, TR 36.942 models and the Free Space model applied in LTE and LTE-A networks in the frequencies of 800 MHz, 1800 MHz and 2600 MHz, for suburban environments in mid-sized cities in northeastern Brazil. Thus, in these thesis two models of Artificial Neural Networks (RNA) are proposed: (i) the neural network model with inputs based on error (RNBE) using as main feeder of the network the error between measured and simulated data, and (ii) the neural network model with land-based inputs (RNBT). The performance of these models was compared with the models of propagation considered in the work and also the versions optimized using Genetic Algorithms (AG) and the Least Square Method (LMS). Comparisons were also made with measured values, obtained from a measurement campaign carried out in the city of Natal, state of Rio Grande do Norte. The final results obtained through simulations and measurements presented good metric concordances, with emphasis on the performance of the RNBE model. Thus, the main contribution of this thesis is that, by using these techniques that make more efficient use of empirical propagation models, we can estimate realistic propagation signals, avoiding errors in the planning and implementations of LTE and LTE- A wireless networks in suburban areas.

Submitted by Luis Ricardo Andrade da Silva (lrasilva@uefs.br) on 2017-11-28T22:15:22Z No. of bitstreams: 1 AILINE-corrigida e completa-enviada pgca.pdf: 18819458 bytes, checksum: 1356b2bb4c6c8fbf60dec709646715da (MD5) / Made available in DSpace on 2017-11-28T22:15:22Z (GMT). No. of bitstreams: 1 AILINE-corrigida e completa-enviada pgca.pdf: 18819458 bytes, checksum: 1356b2bb4c6c8fbf60dec709646715da (MD5) Previous issue date: 2017-08-24 / Advances in the acquisition technology of astronomical spectra resulted in an enormous amount of data. Not being more feasible to analyze them using classical approaches, the need for automatic methods arises. Then, in this research is presented, an Intelligent Algorithm for Identifying Spectral Lines, the AILINE (in Portuguese), which utilizes an artificial neural network to identify the emission lines in the optical spectra of galaxies. This method that in the tests carried out has achieved a accuracy higher than 95% is evaluated and faced with other automatic approaches and other machine learning algorithms. / Os avan?os na tecnologia de aquisi??o de espectros astron?micos resultaram em uma enorme quantidade de dados. N?o sendo mais vi?vel analis?-los usando abordagens cl?ssicas, surge a necessidade de m?todos autom?ticos. Ent?o, nesta pesquisa ? apresentado um Algoritmo Inteligente para Identifica??o de Linhas Espectrais, o AILINE, que utiliza uma Rede Neural Artificial para identificar as linhas em emiss?o nos espectros ?pticos de gal?xias. Este m?todo que nos testes realizados alcan?ou uma acur?cia superior a 95%, ? avaliado e confrontado com outras abordagens autom?ticas e outros algoritmos de aprendizado de m?quina.

Submitted by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-14T18:39:25Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) / Approved for entry into archive by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-14T18:39:41Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) / Made available in DSpace on 2018-06-14T18:39:41Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MetodologiaPredicaoPerda.pdf: 3699343 bytes, checksum: 3b43522af593666187f8aef07927421f (MD5) Previous issue date: 2018-02-27 / Esta dissertação apresenta uma metodologia que visa auxiliar o planejamento de sistemas de redes sem fio indoor, que requerem o conhecimento prévio dos ambientes nos quais serão implantados. Assim, é necessário precisão na análise do sinal por meio de uma abordagem empírica estatística, que leva em consideração alguns fatores que influenciam na propagação do sinal indoor: arquitetura dos prédios; disposição de móveis no interior dos compartimentos; números de paredes e pisos de diversos materiais, além do espalhamento das ondas de rádio. A metodologia adotada é baseada em medições com uma abordagem cross-layer, que demonstra o impacto da camada física em relação à camada de aplicação, com o objetivo de prever o comportamento da métrica de Qualidade de Experiência (QoE), chamada de Peak signal-to-noise ratio (PSNR), em transmissões de vídeo em 4k em redes sem fio 802.11ac, no ambiente indoor. Para tanto, foram realizadas medições, que demonstram como o sinal/vídeo se degrada no ambiente estudado, sendo possível modelar esta degradação por meio de uma técnica de inteligência computacional, chamada Redes Neurais Artificiais (RNA), na qual são inseridos parâmetros de entrada como, por exemplo, a distância do transmissor ao receptor e o número de paredes atravessadas a fim de predizer perda de propagação e perda de PSNR. Para avaliar a capacidade de predição dos métodos propostos, foram obtidos os valores dos erros Root Mean Sqare (RMS) entre os dados medidos e os preditos, pelo os métodos de predição perda de propagação e perda de PSNR, sendo os valores respectivos 2,17 dB e 2,81 dB. / This dissertation presents a methodology that aims to assist the planning of indoor wireless network systems, which require prior knowledge of the environments in which they will be deployed. Thus, accurate signal analysis is necessary by means of a statistical empirical approach, which takes into account some factors that influence the propagation of the indoor signal: architecture of the buildings; arrangement of furniture inside the compartments; numbers of walls and floors of various materials, and the spread of radio waves. The methodology adopted is based on measurements with a cross-layer approach, which demonstrates the impact of the physical layer in relation to the application layer, in order to predict the behavior of the Quality of Experience (QoE) metric, called Peak signal- to-noise ratio (PSNR), in 4K video streams on 802.11ac wireless networks in the indoor environment. In order to do so, measurements were performed, which demonstrate how the signal / video degrades in the studied environment. It is possible to model this degradation by means of a computational intelligence technique, called Artificial Neural Networks (RNA), in which input parameters are inserted as, for example, the distance from the transmitter to the receiver and the number of walls crossed in order to predict loss of propagation and loss of PSNR. In order to evaluate the predictive capacity of the proposed methods, the values of the Root Mean Sqare (RMS) errors between the measured and predicted data were obtained by the prediction methods loss of propagation and loss of PSNR, with respective values of 2.17 dB and 2.81 dB.

Made available in DSpace on 2014-07-29T15:08:23Z (GMT). No. of bitstreams: 1 Douglas.pdf: 4375187 bytes, checksum: d9accad35a506b54190dbd65888f2818 (MD5) Previous issue date: 2009-08-21 / THIS works presents information about signal intensity obtained on field and from simulations for one-seg and full-seg receptions, the city of Goi ania. The values obtained from measurements were used for a comparisson among propagation models that are presented in literature, and the goal is to determine the real condition of digital TV signal in the region of Goi ania. The propagation models presented are available in literature and can be implemented in digital transmission system. The studied models were Free Space model, Log-Distance model, Hata model and ITU-R P.1546-1 method, and the objective was to determine the signal intensity of digital television transmission in the city of Goi ania (RAPPAPORT, 1996) (UNION, 2003). Focusing on the development of a tool for signal intensity estimation, some researches were done about neural networks theory and its applications. Perceptron and Multilayer Perceptron were the analised architectures, emphasyzing on the last one and on its supervisioned trainning through the backpropagation error algorithm (HAYKIN, 2001). The Brazilian Digital Television System was described by reference rules made by Associa¸c ao Brasileira de Normas T´ecnicas, which has detailed its transmission system and reception devices (T´ECNICAS, 2008a) (T´ECNICAS, 2008h). Measurements of signal intensity for one-seg and full-seg reception methods were made on field in the region of Goi ania. These measurements followed the sugestions presented by Report ITU-R BT. 2035-1 and it used a radiofrequency analyzer and a Global Positioning System (GPS). With the obtained data, the digital signal covering situation in the city of Goi ania was mapped, which revealed a lower intensity level to the studied models. A tool for signal intensity estimation was developed using Artificial Neural Networks, which was trained with the dada obtained from the performed measurements. This tool was used to obtain the signal intensity for several proposed scenarios. The signal intensity estimation for the scenario that has tree density and target absence distinguished as the one that was closest to the reality of Goi ania, which is a consequence of high density of trees. / NESTE trabalho, são apresentadas informações sobre a intensidade de sinal obtidas em campo e em simulações para as recepções one-seg e full-seg na grande Goiânia. Os valores obtidos pelas medições foram utilizados para uma comparação entre os modelos de propagação presentes na literatura, com o objetivo de determinar a real condição do sinal de TV digital na região da grande Goiânia. Foram apresentados os modelos de propagação encontrados na literatura e válidos para aplicação no sistema de transmissão digital. Os modelos estudados foram o modelo Espaço Livre, modelo Log-distância, o modelo Hata e o método ITU-RP.1546-1 com o objetivo de determinar a intensidade de sinal para a transmissão de televisão digital na cidade de Goiânia (RAPPAPORT, 1996) (UNION, 2003). Objetivando o desenvolvimento de uma ferramenta de estimação da intensidade de sinal, realizou-se estudos referentes à teoria de redes neurais e suas aplicações. Foram estudadas as arquiteturas Perceptron e Perceptron de Múltiplas Camadas, com ênfase na última arquitetura e no seu treinamento supervisionado através do algoritmo de retropropagação do erro (HAYKIN, 2001). O Sistema Brasileiro de Televisão Digital foi descrito através das normas de referências elaboradas pela Associação Brasileira de Normas Técnicas, detalhando seu sistema de transmissão e dispositivos de recepção (TÉCNICAS, 2008a) (TÉCNICAS, 2008h). Medições em campos da intensidade de sinal para os modos de recepção one-seg e full-seg foram realizadas na região da grande Goiânia. Essas medições seguiram as sugestões apresentadas pelo Relatório ITU-R BT.2035-1 e utilizou um analisador de radiofrequência e um sistema de posicionamento global (do inglês: Global Positioning System -GPS). Com os dados obtidos nas medições, mapeou-se a situação da cobertura do sinal digital na cidade de Goiânia, que revelou um nível de intensidade inferior aos modelos estudados. Foi desenvolvida uma ferramenta para a estimação da intensidade do sinal utilizando uma Rede Neural Artificial (RNA), sendo treinada com os dados obtidos das medições. A ferramenta foi utilizada para a obtenção da intensidade de sinal para diversos cenários propostos. A estimativa da intensidade de sinal para o cenário com concentração de árvores e ausência de visada direta mostrou-se mais próximo da realidade encontrada na cidade de Goiânia, consequência da grande concentração de árvores existente.