Prova de conceito de um sistema de monitoramento de fluxo de pessoas baseado em tecnologia LoRaWAN e RFID para o transporte público urbano

Erik Ray B. Falcão, Diego Aguiar Sousa, Tarcisio F. Maciel, Yuri C. B. Silva, André de Almeida

DOI: 10.14209/sbrt.2022.1570824966

Keywords: LoRaWAN RFID urban public transportation wireless sensor networks

Abstract

Urban public transportation systems play a crucial role in the dynamics of large cities, concentrating a significant part of the urban mobility and representing an essential service for urban development in the context of Smart Cities. Considering the increase of wireless solutions for integrated control and urban connectivity, Wireless Sensor Networks (WSN) present advantages, such as low cost, low energy consumption, as well as transmission and data processing capabilities. In this context, this work proposes a solution for gathering, processing and analyzing data relative to the urban public transportation system, using WSNs based on technologies such as the Long Range Wide Area Networks (LoRaWAN) standard and Radio-frequency Identification (RFID). The proposed solution has been implemented in hardware, including sensor nodes and gateways, resulting in the development of low cost prototypes for the respective nodes. Field tests have been conducted, for different situations, demonstrating a system range of up to 4.5~km in favorable conditions (line of sight).

Download

Códigos LDPC-Polar Concatenados com Mapeamento de Bits

Saeid Ghasemi, Bartolomeu F. Uchôa-Filho

DOI: 10.14209/sbrt.2022.1570824980

Keywords: Códigos concatenados códigos LDPC códigos polares mapeamento de bits

Abstract

Neste artigo, é proposto um esquema de codificação concatenado baseado em códigos LDPC e códigos polares usando um método específico de mapeamento de bits. Com base nos resultados da simulação, a taxa de erro de bit (BER) para o canal de ruído gaussiano branco aditivo (AWGN) é melhorado em comparação com os esquemas de codificação concatenados existentes.

Download

Análise de Arquiteturas de Redes Neurais Para Segmentação Semântica de Dados Sísmicos

Gabriel Silva, João T Dias, Luciana Almeida

DOI: 10.14209/sbrt.2022.1570824986

Keywords: U-Net Danet-FCN3 Segmentação Semantica

Abstract

Com o avanço da tecnologia, a caracterização dos reservatórios petrolíferos tem se tornado mais precisa e com isso aumentado sua complexidade, principalmente, com a obtenção de dados sísmicos em 3D. Nesse artigo são apresentadas duas arquiteturas de rede neural profunda aplicadas a segmentação semântica de imagens sísmicas. São usadas apenas 100 imagens para treinamento da rede. A rede neural foi treinada utilizando o banco de dados público da do Mar do Norte da Holanda F3. Com a proposta de utilizar clusterização e filtragem adaptativa na arquitetura U-Net, foi possível aumentar seu desempenho e alcançar 73,28% de mmIoU e 99,37% de precisão superando com isso o estado-da-arte. Esse resultado ficou próximo da obtido pela arquitetura Danet-FCN3 que havia alcançado uma precisão de 98,13% e 76,74% de mmIoU.

Download

Comparação entre os Algoritmos MUSIC de Análise por Banda Estreita e de Análise por Banda Larga na Localização de Fontes Sonoras

Fabio Zaccaro Scelza, Markus V. S. Lima, Luiz W. P. Biscainho

DOI: 10.14209/sbrt.2022.1570824987

Keywords: MUSIC movimento fonte sonora localização

Abstract

Comparamos duas versões do algoritmo MUSIC já consolidadas na literatura, formuladas para localização de uma única fonte estática, quando aplicadas ao caso de múltiplas fontes sonoras móveis em ambiente aberto no campo distante. A literatura informa que elas apresentam desvantagens na análise da localização de mais de uma fonte emitindo sinais de natureza não-estacionária. Decidimos verificar numa série de experimentos as limitações dos algoritmos na prática. Expõem-se considerações e particularidades sobre o desempenho desses algoritmos em relação à definição e classificação de picos máximos em funções de saída e às características dos sinais de entrada empregados.

Download

Pré-processamento de imagens de baixa resolução utilizando Deep Learning baseado em um Autoencoder

Victor L Costa, Eduardo Henrique Teixeira, Samuel Mafra, Felipe Augusto Pereira de Figueiredo

DOI: 10.14209/sbrt.2022.1570824989

Keywords: Pré-processamento Machine Learning Visão Computacional Detecção de objetos

Abstract

O uso de Machine Learning na área de visão computacional vem crescendo entre o meio acadêmico e industrial e com isso, diversas técnicas de pré-processamento de Machine Learning podem ser usadas para uma ou mais aplicações. Devido a essa demanda, o número de imagens dentro de um dataset para realizar o treinamento de modelos de Machine Learning precisa ser grande e com uma boa qualidade. Assim, o pré-processamento de imagens pode se tornar crucial para melhorar e aperfeiçoar o desempenho de modelos de Machine Learning. Este artigo propõem o desenvolvimento de um autoencoder para melhorar a qualidade de imagens de baixa resolução a fim de comparar e analisar qual a melhoria que o pré-processamento pode trazer para um sistema de classificação e detecção de objetos.

Download

Sistema Gap Filler assistido por Rádio sobre Fibra

Gislaine Mendonça, Ramon Maia Borges, Arismar Cerqueira S. Jr.

DOI: 10.14209/sbrt.2022.1570824999

Keywords: Gap Filler Rádio sobre Fibra TV digital

Abstract

Este trabalho apresenta uma análise experimental de um sistema "Gap Filler" assistido por rádio sobre fibra (RoF) para aplicações de televisão (TV) digital. Tal sistema explora vantagens oriundas das comunicações ópticas, como a imunidade à interferência eletromagnética, para mitigar a interferência por realimentação tipicamente presente nas estações repetidoras de radiofrequência (RF) operando em canal único. Os resultados demonstram a otimização de desempenho na estação repetidora através da métrica modulation error ratio (MER), que ultrapassou 42 dB. A solução técnica em questão possui também potencial de aplicação para outras tecnologias sem fio.

Download

PCA-based Channel Estimation for MIMO Communications

Jonathan Aguiar Soares, Kayol Mayer, Pedro Valadares, Dalton Arantes

DOI: 10.14209/sbrt.2022.1570825011

Keywords: MIMO OFDM Channel Estimation Principal Component Analysis

Abstract

In multiple-input multiple-output communications, channel estimation is paramount to keep base stations and users on track. This paper proposes a novel PCA-based -- principal component analysis -- channel estimation approach for MIMO orthogonal frequency division multiplexing systems. The channel frequency response is firstly estimated with the least squares method, and then PCA is used to filter only the higher singular components of the channel impulse response, which is then converted back to frequency domain. The proposed approach is compared with the MMSE, the minimum mean square error estimation, in terms of bit error rate versus E_b/N_0.

Download

LoRaWAN integrated CO2 sensing applied in COVID-19 transmission risk assessment

Caio Tácito Borges da Costa, Danilo Spadoti, Jean Wellington de Souza, Reinaldo Abreu

DOI: 10.14209/sbrt.2022.1570825013

Keywords:

Abstract

The following work presents the development of a LoRaWAN CO2 sensing aimed to monitoring airborne COVID-19 transmission risk. The team manufactured a 3D printed enclosure prototype device, using low cost, off the shelf components connected to The Things Network cloud. The study shows that the developed IoT sensor takes advantage of LoRaWAN technology's low power consumption and long range, and can be installed in any environment to estimate respiratory disease transmission risk.

Download

Detecção de Patologias em Folhas de Tomateiros Utilizando Dois Classificadores

Cleumar da Silva Moreira, Leonardo Marçal da Silva, Luana Rodrigues Barros, Maísa L F Santos, Carlos Danilo Miranda Regis

DOI: 10.14209/sbrt.2022.1570825015

Keywords: Redes neurais convolucionais folhas patologias plantas

Abstract

Early detection of pathologies in plantations using machine learning algorithms can drastically minimize the use of pesticides, reducing losses and improving food quality. In this scenario, this work proposes an approach based on the use of two convolutional neural networks (CNNs) acting in parallel to discriminate healthy leaves from leaves affected by pathologies. When compared to the classification performed by a single RNC, the approach proved to be efficient for small architectures, having the potential to improve data classification.

Download

Packet Classification using Support Tensor Machines

Antonio Augusto Teixeira Peixoto, Carlos Alexandre Fernandes, Laise S Santos

DOI: 10.14209/sbrt.2022.1570825020

Keywords: packet classification tensor support tensor machine

Abstract

A wide variety of packet classification algorithms exist in the research literature and commercial market. The existing solutions exploit various design tradeoffs, providing high search rates, power and space efficiency and the ability to scale to large numbers of filters. However, still remains a need for techniques that achieve a favorable balance among these tradeoffs and scale to support classification. Based on this motivations, this paper presents a tensor approach for the classification of TCP and UDP packets. By using a multidimensional structure, more specifically a 4-th order tensor, to store the packet data, a tensorial algorithm known as Support Tensor Machines (STM) is used to perform classification. Results showed good performance of the approach in comparison to other classifiers such as the Support Vector Machines and Naive-Bayes.

Download