Publicação: Utilização de inteligência computacional no aprimoramento dos modelos de propagação perda no espaço livre, Okumura-Hata, COST 231, ECC-33, Egli e a recomendação ITU-P.1546
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::TEORIA ELETROMAGNETICA, MICROONDAS, PROPAGACAO DE ONDAS, ANTENAS, CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Neste trabalho de pesquisa, propõe-se o aprimoramento dos modelos de predição de perda de propagação de ondas eletromagnéticas por meio da integração de redes neurais artificiais, algoritmos genéticos e evolução diferencial. Os modelos tradicionais, como Perda no Espaço Livre, Okumura-Hata, Cost 231, ECC-33, Egli e a Recomendação ITU-P.1546, são utilizados em conjunto com esses métodos para a predição de perdas, possibilitando a geração de expressões analíticas para o cálculo das mesmas. Dessa forma, os novos algoritmos propostos são classificados como modelos híbridos, destacando-se por contraporem as abordagens tradicionais. Uma contribuição relevante deste estudo é a inclusão da altitude como um parâmetro adicional nas expressões analíticas, melhorando a precisão no cálculo da perda de percurso por meio dos modelos de predição desenvolvidos.
Abstract
This research proposes the enhancement of electromagnetic wave propagation loss prediction models through the integration of artificial neural networks, genetic algorithms, and differential evolution. Traditional models, such as Free Space Loss, Okumura-Hata, Cost 231, ECC-33, Egli, and the ITU-P.1546 Recommendation, are combined with these methods to predict losses, enabling the generation of analytical expressions for their calculation. In this context, the proposed algorithms are classified as hybrid models, standing out by contrasting traditional approaches. A significant contribution of this study is the inclusion of altitude as an additional parameter in the analytical expressions, improving accuracy in path loss calculation through the developed prediction models.
Palavras-chave
Algoritmos Genéticos, Inteligência Computacional, Evolução Diferencial, Propagação de Ondas, Redes Neurais Artificiais, Perda de Percurso
Citação
JORGE JÚNIOR, Evandro Monteiro. Utilização de inteligência computacional no aprimoramento dos modelos de propagação perda no espaço livre, Okumura-Hata, COST 231, ECC-33, Egli e a Recomendação ITU-P.1546. 2024. 145 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.te.2024.791.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto