Noise Power Density Estimation Based on Deep Learning Using Spectrograms Extracted from Wireless Signals

Myke D. M. Valadão, André L. A. Costa

DOI: 10.14209/sbrt.2024.1571036528

Keywords: Noise Power Density Spectrogram Deep Learning

Abstract

In communication systems, noise is almost invariably present, originating from a multitude of sources and variables. These sources include thermal effects, interference, quantization, and channel imperfections, contributing to the random nature of noise. Determining noise levels is crucial and remains a pervasive challenge in communication systems, especially in recent times when better utilization of spectrum sensing is required. In this paper, we propose a noise prediction method based on deep learning using spectrograms extracted from wireless signals. The proposed method achieved promising results using several state-of-art computer vision architectures.

Download

Análise de Propagação de Dispositivos LoRa em Área de Mata Atlântica

Samara Ruthielle da Silva, Gabriel N. Lira, Iviny Maria S. Cavalcante, Fabricio Braga Soares de Carvalho, Waslon T. A. Lopes

DOI: 10.14209/sbrt.2024.1571036544

Keywords: LoRa IoT Mata Atlântica Rede de Sensores sem Fio

Abstract

Este artigo apresenta uma análise da propagação de sinais de radiofrequência em um ambiente de mata Atlântica, visando a implementação de uma rede de sensores sem fio LoRa para aquisição e monitoramento de diferentes parâmetros ambientais de interesse. As medições realizadas foram baseadas em um par de módulos LoRa, responsável pela transmissão e recepção dos dados. Os resultados deste estudo consistem na análise do indicador de Intensidade do Sinal Recebido (RSSI -- Received Signal Strength Indicator), visando a implementação de um Smart Campus no Campus I da Universidade Federal da Paraíba, em João Pessoa-PB.

Download

Análise de Tamanho de Clusters em Sistemas Cell-Free usando Receptores MMSE e Zero-Forcing

Vitória Hellen Feitosa Coelho, Sezanildo da Silva Paula Filho, Walter da Cruz Freitas Jr.

DOI: 10.14209/sbrt.2024.1571036548

Keywords: cell-free mMIMO MMSE zero-forcing

Abstract

In the scenario of sixth-generation (6G) architectures, cell-free networks represent the future of mobile communications. In this study, we investigate the impact of cell-free cluster sizes by comparing two receivers in an interference scenario: MMSE and ZF. The results indicate that the MMSE receiver outperforms the ZF in relation to the SINR metric.

Download

Estudo Numérico do Impacto da Adição de TiO2 no substrato de Al2O3 em Antenas de Microfita

Samuel C Santos, Raphael Victor Barros Campos, Joacir Soares Andrade, Antônio Sombra

DOI: 10.14209/sbrt.2024.1571036549

Keywords: Antenas de Microfita Matriz Cerâmica HFSS

Abstract

Este estudo investigou o impacto da adição de TiO2 em substratos de Al2O3 na fabricação de antenas de microfita operando em 5,2 GHz. Foram avaliadas diferentes concentrações de dopagem (2,5%, 5,0%, 7,5% e 10,0%). Utilizando simulações no HFSS, observou-se que a adição de TiO2 influenciou o desempenho das antenas. A perda de retorno aumentou, a largura de banda diminuiu e tanto o ganho quanto a eficiência de radiação reduziram à medida que a concentração de TiO2 aumentou. A antena com 2,5% de TiO2 apresentou a melhor performance.

Download

Aplicação do RPL em VANETs Para Aviso Pós Colisão

Fábio G Oliveira, Carlos Marcelo Pedroso

DOI: 10.14209/sbrt.2024.1571036569

Keywords: RPL VANET Contiki COOJA

Abstract

O presente trabalho tem como objetivo avaliar o desempenho do protocolo de roteamento RPL (IPv6 Routing Protocol for Low-Power and Lossy Networks) em cenários de notificação pós colisão veicular, realizando uma variação sistemática dos parâmetros de configuração da função objetivo e do trickle timer a fim de verificar o seu impacto na aplicação

Download

Generalização de Modelo de Rede Convolucional Multi-Coluna em Contagem de Multidão

Lucas Costa Favaro, Rodrigo S. Couto

DOI: 10.14209/sbrt.2024.1571036573

Keywords: Contagem de Multidão Generalização

Abstract

A contagem de multidão é um problema de visão computacional com diversas aplicações, como monitoramento de espaços públicos e gestão de tráfego. Apesar da grande quantidade de modelos propostos na literatura, poucos estudos abordam a generalização dos modelos na contagem de multidão. Este trabalho busca analisar a generalização da contagem de multidão utilizando um modelo de rede convolucional multi- coluna. Os resultados indicam dificuldade na generalização. Nos experimentos com o dataset de imagens de câmeras de segurança de shopping, nos cenários em que o conjunto de testes é de um dataset diferente daquele utilizado durante o treinamento, o desempenho é duas vezes pior no melhor caso e 50 vezes pior no pior caso

Download

Estimação de Percentual de Gordura Corporal por Visão Computacional e Aprendizado de Máquina

Lucas Tiné, Amaro de Lima, Eduardo A. B. da Silva, Sergio Lima Netto, Luiz Lannes Loureiro, Bryan Ávila, Gabriel Araujo

DOI: 10.14209/sbrt.2024.1571036585

Keywords: Visão computacional Percentual de gordura corporal Medidas antropométricas Aprendizado de máquina

Abstract

Este trabalho descreve uma solução de visão com- putacional para a estimação do índice de gordura corporal. Duas redes neurais são usadas na análise dos dados: DensePose para segmentação semântica de partes do corpo; PyTorch Keypoints RCNN para detectar pontos-chave. Um processamento visual per- mite o cálculo de medidas do corpo do indivíduo analisado. Um regressor usa as medidas para estimar o percentual de gordura. O método foi aplicado numa base de dados com 220 voluntários e os resultados indicam um erro absoluto médio de 4,25 ± 1,66 e 3,71 ± 1,00 para homens e mulheres, respectivamente.

Download

Combining ML Regression and Classification for Reliable QoT-Aware Lightpath Provisioning in Elastic Optical Networks

Carlos Natalino, Piotr Lechowicz, Farhad Arpanaei, Paolo Monti

DOI: 10.14209/sbrt.2024.1571036652

Keywords: Machine learning Artificial intelligence Quality of transmission Elastic optical networks

Abstract

The dynamic provisioning of lightpaths in elastic optical networks (EONs) requires the decision of which modulation format (MF) to be used by the lightpath. This involves estimating the quality of transmission (QoT) of the unestablished lightpath. Machine learning (ML) has been used as an effective QoT estimator in the presence of uncertain physical layer parameters. However, minor inaccuracies in the estimation may lead to the incorrect modulation format selection, which degrades the reliability of decisions during lightpath provisioning. In this paper, we analyze this issue and propose the use of two ML models, i.e., regression for generalized signal- to-noise ratio (GSNR) estimation, and multi-class modulation format classification. Combined, the models reduce the incorrect modulation format selection compared to the cases using a single model.

Download

Low-Complexity Angle Estimation for Integrated Sensing and Communication

Pedro Victor Martins Castro, Francisco R. P. Cavalcanti, Walter da Cruz Freitas Jr., Gabor Fodor

DOI: 10.14209/sbrt.2024.1571036691

Keywords: integrated sensing and communication (ISAC) multiple input multiple output (MIMO) multiple signal classification (MUSIC) orthogonal frequency division multiplexing (OFDM)

Abstract

This paper has two objectives. The first objective is to propose the creation of a codebook for low-complexity angular estimation of targets in a monostatic radar configuration employing a fifth generation (5G) physical layer based on multiple input multiple output orthogonal frequency division multiplexing. The second objective is to characterize the performance of the proposed angle estimation algorithm so as to verify its suitability for integrated sensing and communication under a resource allocation policy, based on the number of allocated subcarriers to the sensing task and a desired estimation accuracy. Comparisons with the classical multiple signal classification algorithm via simulations show that the proposed estimation algorithm achieves good overall accuracy with reduced computational complexity.

Download

Predição de Qualidade de Serviço em Redes V2X Utilizando Técnicas de Aprendizado de Máquina

Luis A. Correia Filho, André L. C. Ottoni, Marcela Novo

DOI: 10.14209/sbrt.2024.1571036704

Keywords: inteligência artificial aprendizado de máquina veículo-para-tudo qualidade de serviço

Abstract

As redes de comunicação Vehicle-to-Everything (V2X) são essenciais para integrar sistemas de transporte de forma inteligente. Neste contexto, a previsão de parâmetros de qualidade de serviço (QoS) auxilia na tomada de decisões para melhorar a conectividade e garantir a segurança operacional. Este trabalho consiste em analisar técnicas de aprendizado de máquina aplicadas à predição de QoS em redes V2X. Os experimentos foram realizados em um conjunto de dados público considerando a separação dos dados por área e rodadas de medição. Os resultados indicam que o gradient boosting apresenta o melhor desempenho entre os algoritmos analisados tanto do ponto de vista de métricas de erro quanto de custo computacional.

Download