Melhoria de Qualidade de Imagens usando CNNs

Alan Peterson Ignácio Ralha Gonçalves, Gustavo de Oliveira Frade Duarte, Rafael Tadeu Cardoso dos Santos, Pedro de Carvalho Cayres Pinto, Gustavo Martins da Silva Nunes, Fernanda Duarte Vilela R. de Oliveira, Jose Gabriel Gomes

DOI: 10.14209/sbrt.2023.1570918201

Keywords: Images Denoising CNN Autoencoder

Abstract

In this work, we analyze convolutional neural network (CNN) performances in image denoising. We trained autoencoder, residual autoencoder, and U-Net models to optimize 3-SSIM and SSIM quality metrics. SSIM improvements between 5 and 9 percentage points in comparison to the gaussian filter indicate that results obtained from the CNNs have higher similarity to the pristine images. We observe that deeper CNNs, with more parameters, tend to generate better quality images.

Download

Análise da aplicabilidade do ns-3 na avaliação de cenários de coexistência do 5G NR-U com o Wi-Fi

Dario G. de Macedo, Daniel R. de Luna, Ricardo Q. de F. H. Silva, Vicente Sousa, Tarciana Cabral de Brito Guerra

DOI: 10.14209/sbrt.2023.1570918223

Keywords: 5G NR-U ns-3 Wi-Fi

Abstract

Tecnologias que fazem uso de frequências não licenciadas são amplamente utilizadas mundialmente e o grande sucesso comercial do Wi-Fi foi um incentivo para que os padrões de comunicação móvel, como o 5G NR, sejam adaptados para explorar estas faixas de frequência. Adaptações anteriores utilizando o 4G LTE já foram padronizadas e exploradas, e com o NR-U nos primórdios de sua implementação, o propósito deste artigo é investigar seu desempenho quando coexiste com o Wi-Fi. Este estudo utiliza o módulo do NR-U para o simulador de eventos discretos Network Simulator Version 3 (ns-3). Vários testes foram realizados com o intuito de verificar a viabilidade do módulo do ns-3 para simular um cenário de coexistência NR-U/Wi-Fi definido pelo 3GPP. Este artigo contribui com a apresentação e o teste de funcionalidades do módulo de coexistência do ns-3 e a discussão sobre a curva de aprendizado bem como a flexibilidade de usar o módulo para análise de valor agregado de soluções de coexistência envolvendo o NR-U.

Download

Análise de RNI para Pontos de Acesso Wi-Fi em Operação Doméstica

Júlia da L. A. Silva, Fernanda E S Galdino, Gutembergue Soares da Silva, Fred Sizenando Rossiter Pinheiro, Marcio E. C. Rodrigues, Vicente Sousa, Hallyson Mendonça, Ricardo Q. de F. H. Silva, Vitor F. C. de Carvalho, Lucas Medeiros, João V. L. da Silva

DOI: 10.14209/sbrt.2023.1570918768

Keywords: medição de radiação não ionizante campo eletromagnético de radiofrequência Wi-Fi RNI

Abstract

Devido ao menor custo do acesso à Internet em banda larga, há um crescimento substancial na implantação de redes baseadas no padrão IEEE 802.11, e sua expressiva inserção em ambientes domésticos e trabalhistas. A proximidade desses sistemas com a população em geral tem levantado questões sobre os riscos de exposição à chamada radiação não ionizante (RNI), uma vez que os equipamentos de rede são emissores de campos eletromagnéticos de radiofrequência na faixa de micro-ondas. Este trabalho tem como objetivo apresentar e discutir medições de intensidade do campo elétrico gerado por dispositivos de rede sem fio em ambientes residenciais. As frequências ISM 2,4 GHz e 5 GHz utilizadas em sistemas Wi-Fi são o foco desta investigação. As medições foram realizadas e analisadas de acordo com a Lei nº 458 (janeiro de 2019) da Agência Nacional de Telecomunicações (ANATEL) e com a Lei nº 11.934 (maio de 2009). As medições de campo elétrico (EF em V/m) são comparadas com os limites de exposição para o público em geral, conforme estabelecido pela legislação brasileira. A maior medição para o valor de pico da EF foi de 7,16 V/m, correspondendo a um percentual de 11,74% do limite da ANATEL.

Download

Reconstrução de imagens em super-resolução usando redes neurais convolucionais

Eduardo P. L. Jaqueira, Felippe Durán V. G. Santos, Renato Candido, Magno T. M. Silva

DOI: 10.14209/sbrt.2023.1570918878

Keywords: super-resolução de imagens rede neural convolucional interpolação bicúbica índice de similaridade estrutural

Abstract

São propostas duas arquiteturas residuais baseadas em rede neural convolucional para aumentar a resolução de imagens em escala de cinza. Como função custo, foi considerada uma função baseada no índice de similaridade estrutural. Por meio de simulações, verifica-se que as soluções propostas levam a resultados superiores aos obtidos com a interpolação bicúbica.

Download

LoRaWAN em Pecuária Inteligente: Análise de Desempenho de Algoritmos de ADR

Gabriel Maia de Macedo, Vicente Sousa, Alvaro Augusto Machado de Medeiros, Luiz Quirino Costa, Jessika Cristina da Silva

DOI: 10.14209/sbrt.2023.1570918971

Keywords: LoRaWAN Pecuária ADR ns-3

Abstract

Neste trabalho, é abordada uma importante aplicação na área da pecuária inteligente, que envolve o monitoramento do gado, levando em consideração a movimentação sazonal dos animais e o regime de criação. Este artigo explora o uso de uma rede LoRaWAN no monitoramento de animais em regime de pecuária semi-intensiva, que consiste em um momento de confinamento em sedes ou currais (para alimentação com ração) e um período diário de pastagem para complementação alimentar. O trabalho tem como objetivo explorar técnicas de adaptação da taxa de transmissão (ADR) aplicadas ao monitoramento de gado, apresentando uma análise de desempenho da rede em relação ao número de animais monitorados e à extensão da área de pastagem. Diversos algoritmos de ADR foram testados por meio de simulação e analisados a luz da cobertura e da capacidade do sistema de monitoramento.

Download

A Novel Reference Signal Based on the OCDM Scheme for a PLC Channel Measurement Methodology

Ian do Amaral Pimenta, Lucas Giroto de Oliveira, Mateus Filomeno, Thomas Zwick, Moises Vidal Ribeiro, Ândrei Camponogara

DOI: 10.14209/sbrt.2023.1570919398

Keywords: Measurement methodology orthogonal chirp-division multiplexing power line communication sounding

Abstract

This paper presents an orthogonal chirp-division multiplexing (OCDM)-based reference signal intended for implementation in a power line communication (PLC) channel measurement methodology, paired with the Schmidl & Cox symbol block synchronization scheme. The performance of this proposal is assessed through numerical comparisons with a discrete multitone (DMT) modulation-based reference signal, focusing on synchronization point estimation and peak-to-average power ratio (PAPR). The obtained results indicate that while the OCDM-based reference signal parallels the DMT-based one in terms of synchronization point estimation, it also offers the advantage of a reduced PAPR.

Download

Otimização Bioinspirada Aplicada a Separação Cega de Fontes no Contexto Post-Nonlinear

Gustavo Fregonezi Depieri, Aline Neves

DOI: 10.14209/sbrt.2023.1570919534

Keywords: Blind Source Separation Post-Nonlinear Mixtures Particle Swarm Optimization

Abstract

This article presents a proposal for the application of the Particle Swarm Optimization (PSO) algorithm in Blind Source Separation problems in the Post-Nonlinear context. The convergence properties of different swarm topologies are analyzed: global, square and ring. Nonlinearity removal is obtained by estimating the inverse function through Taylor series and the linear step is solved using FastICA. The mutual information is used as a cost function during the optimization process. The results show that the algorithm is able to recover the sources satisfactorily and that the square topology presents the best performance.

Download

Middleton Class-A or Bernoulli-Gaussian: which model to choose?

Weiler A. Finamore, Marcelo S. Pinho, Manish Sharma

DOI: 10.14209/sbrt.2023.1570920087

Keywords: Bernoulli-Gaussian Channel Channel mismatch Impulsive noise Middleton class A channel

Abstract

The performance of communication systems impaired by noise has been extensively and successively examined under the assumption that the noise impairing the system performance has a given probabilistic model. Specifying a model for the noise is a matter still under investigation. Choosing a good probabilistic model to represent the noise perturbing the transmission, when samples of the noise are known, is a task of high relevance when designing the communication system. Many approaches to specify the model have been proposed. In the current paper we consider that a sequence of samples, synthetic (computer generated) or natural (measured noise) is available and compare three common modeling techniques, namely, the Gaussian model, the Middleton Class-A model and the Bernoulli-Gaussian model. Finding the process parameters is an easy task if the noise randomness is well described by a Memoryless Gaussian process (this is in fact a single parameter model). Yet easy to specify this model is the hardest channel to transmit information through that one can think of. The specification of other two models (non-gaussian models) are discussed in the current paper. The choice of a good model is also discussed. The ideas presented provide guidance to choose a good model (better matched to the true noise) based on the performance of LDPC coded transmission over BPSK systems.

Download

Automatic Generation of Images Using Unreal Engine for Supervised Learning

Caio B. Brasil, Ryan Oliveira, Ailton P Oliveira, Carnot Braun, Lucas Silva, Ilan S Correa, Aldebaro Klautau

DOI: 10.14209/sbrt.2023.1570920088

Keywords: Computer vision synthetic data virtual world supervised learning

Abstract

Many applications of machine learning (ML) require a large amount of labeled data to be used in practical deployments. Collecting data with labels can be a laborious and time-consuming task. A sensible alternative that has been widely adopted recently is to use synthetic data, generated by simulations, and automatically create labels within this process. This paper uses this approach to generate realistic datasets for training ML models to be used in computer vision. The proposed methodology is based on 3D virtual environments created by the Unreal Engine, and geometric relations to properly position the bounding boxes corresponding to each object of interest. To validate the methodology, a dataset of 3000 labeled images was generated in 2.5 minutes. Using the YOLOV7 deep neural network, nearly 100\% of accuracy was achieved using a test set disjoint from the training data.

Download

Low Complexity Algorithm for Antenna Selection using Hierarchical Matching Pursuit

Jonathan Gois, Vinicius Nunes Henrique Silva, Tadeu Ferreira

DOI: 10.14209/sbrt.2023.1570920483

Keywords: Massive MIMO Antenna Selection Matching Pursuit

Abstract

Massive MIMO systems have grown in popularity due to the implementations of 5G and the prospect of 6G technologies. Massive MIMO enables more efficient use of spectrum resources and larger data rates. When the number of antennas in a base station increases, so do the energy consumption and hardware cost. The high use of energy and processing can be managed through antenna selection. Among the structures proposed in the literature, this article presents hierarchical matching pursuit algorithm for antenna selection (HMPAS) that uses a combination of branch-and-bound with the matching pursuit antenna selection algorithm. In our experiments, the proposed algorithm presented considerable computational complexity reduction resulting in a shorter running time than the benchmark algorithms, while maintaining the error rate.

Download