Proposta de um Modelo ILP para Alocação de Funções na Arquitetura Open-RAN

Karcius Assis, Alex Santos, Raul Almeida Júnior

DOI: 10.14209/sbrt.2024.1571029805

Keywords: Telecomunicações Open-RAN Virtualização Otimização

Abstract

A 5ª geração de redes móveis (5G), baseadas em re- des de acesso de rádio virtualizadas, exigirá soluções econômicas e flexíveis para satisfazer os requisitos de alta taxa de transferência e limites de latência. Uma das principais candidatas para alcançar estes objetivos é a arquitetura de interface "fronthaul". Nessa arquitetura, conhecida Open RAN, que significa "Rede de Acesso de Rádio Aberta" (Open Radio Access Networks) ou (O-RAN), há uma desagregação dos componentes tradicionalmente integrados em uma estação base de celular; as funcionalidades da estação são virtualizadas como funções de rede e divididas ao longo dos nós de rede. Neste artigo, nós abordamos o problema de posicionamento de funções sujeitas à restrições de capacidade e latência em uma arquitetura O-RAN, com o objetivo de minimi- zar custos de ativação dessas funções. Para tanto, utilizamos um formulação de programação linear inteira (ILP), com caminhos pré-definidos, para modelar o problema de otimização e resolvê- lo. Para avaliar a eficácia do método ILP e analisar o desempenho da rede, executamos um amplo conjunto de experimentos em diferentes cenários de rede.

Download

Otimização de Sistemas WET baseada na Clusterização de Dispositivos IoT

Marcelo Satyro, Victoria Souto, Samuel Montejo-Sánchez, Richard Demo Souza

DOI: 10.14209/sbrt.2024.1571029898

Keywords: WET Beamforming Clusterização Aprendizado de Máquina

Abstract

Wireless energy transfer (WET) technology is fundamental to future wireless networks, as it can enable the uninterrupted operation of future Internet of Things (IoT) networks. Therefore, in this work, we proposed a novel approach to minimize the total recharge time based on the unsupervised machine learning technique K-means. Furthermore, since perfect knowledge of the channel state information (CSI) is a challenge for WET systems and is not available in most practical systems, in this work, we consider the design of the beamforming at the PB based only on the statistical CSI (SCSI) knowledge at the PB. Finally, we verified that the proposed approach based on a clustering strategy can reduce the total system recharge time by up to 75%. Furthermore, we demonstrate that the proposed solution achieves a close-to-optimal performance for different scenarios, demonstrating its robustness.

Download

Otimização Redes de Comunicações Sem Fio com RSMA e STAR-RIS

Victoria Souto, Richard Demo Souza, Bartolomeu F. Uchôa-Filho

DOI: 10.14209/sbrt.2024.1571029910

Keywords: STAR-RIS RSMA Beamsharing Otimização por Enxame de Partículas

Abstract

This article considers a wireless communication system assisted by a Simultaneous Transmission and Reflection Reconfigurable Intelligent Surface (STAR-RIS) considering the Rate Division Multiple Access technique (RSMA). STAR-RIS is a novel technology that, unlike traditional RIS, is capable of not only reflecting but also transmitting the incident signal. However, due to the large number of elements at the STAR-RIS, the accurate acquisition of Channel State Information (CSI) requires considerable training overhead, which is limiting in practical scenarios. Therefore, in this work, a novel solution based on the Particle Swarm Optimization (PSO) technique is proposed to maximize the achievable sum-rate of the system by jointly optimizing the rate allocation vector, the beamforming vector at the BS, and the transmission and reflection coefficients of the STAR-RIS without any knowledge of the CSI. The results show that the proposed solution outperforms orthogonal (OMA) and non-orthogonal (NOMA) multiple access techniques assisted by STAR-RIS.

Download

Machine Learning como Ferramenta para Otimização de Redes Ópticas WDM: Análise de Perdas e Predição de Qualidade

Yosdan Martínez Camejo Sr., Ana Valeska Pessoa Fernandes, Vanessa Barbosa Deniz, Rogean Costa Silva, Joacir Soares Andrade, Glendo de Freitas Guimarães

DOI: 10.14209/sbrt.2024.1571030117

Keywords: Machine Learning Redes Ópticas WDM Perdas Inteligência Artificial

Abstract

Este trabalho apresenta uma investigação abrangente sobre a aplicação de algoritmos de Machine Learning para otimizar o desempenho de redes ópticas WDM (Wavelength Division Multiplexing) existentes no Ceará. Através de simulações computacionais no software OptiSystem, foram coletados dados de redes reais, variando parâmetros de entrada relacionados ao gerenciamento de perdas, como potência do sistema WDM e bombeamento de amplificadores EDFA (Erbium Doped Fiber Amplifiers). Os modelos de Machine Learning, treinados com algoritmos de regressão como Boosted Decision Tree Regression (BDTR), Decision Forest Regression (DFR) e Histogram Gradient Boosting Regression (HGBR), buscaram prever indicadores de qualidade da transmissão (QoT), incluindo potência total, ganho total, máximo Fator Q e mínimo BER (Bit Error Rate). Os resultados demonstram que o Machine Learning se mostra uma ferramenta poderosa para a predição de QoT em redes ópticas, com o algoritmo HGBR alcançando maior precisão na maioria dos casos. A correlação entre os parâmetros de entrada e saída se mostrou um fator crucial para a eficácia das predições, com maior precisão observada para parâmetros com alta correlação. A predição do mínimo BER, um indicador crítico para a qualidade da transmissão, apresentou desafios devido à menor correlação com os parâmetros de entrada, abrindo caminho para futuras pesquisas com modelos mais robustos, como Deep Learning, e a inclusão de parâmetros de dispersão na análise. As conclusões deste estudo contribuem para o desenvolvimento de sistemas de gerenciamento de redes ópticas mais inteligentes e eficientes, minimizando a necessidade de margens de segurança excessivas e otimizando o uso dos recursos da rede.

Download

Classificação de Sinais de Sensores Acústicos Seletivos de Drones

Raoni Alcântara, Rosângela Coelho

DOI: 10.14209/sbrt.2024.1571031117

Keywords: Acoustic source classification surrogates adaptive learning drone

Abstract

This article presents a study on the classification of acoustic source signals captured by drones. The main contributions are the use of the ALSS technique and the alpha-GMM classifier in this scenario. Experiments were conducted with six environmental sources and two ego-noises with different degrees of stationarity. The results showed that both techniques separately provided an increase in classification accuracy and that the best results with alpha-GMM occurred for alpha=-2. Furthermore, it was demonstrated that the joint use of alpha-GMM and ALSS surpassed the accuracy of the techniques individually.

Download

Impacto da Acurácia de Classificação de Métodos de Decodificação da Atenção Auditiva no Desempenho do Filtro de Wiener Multicanal

Lucian Soares Schiavon, Marcio H Costa, Jose Carlos Moreira Bermudez

DOI: 10.14209/sbrt.2024.1571031120

Keywords: Decodificação de atenção auditiva Aparelho auditivo Inteligibilidade da fala

Abstract

Este trabalho apresenta uma investigação sobre o impacto da acurácia de classificação e da duração da janela de decisão de métodos de decodificação de atenção auditiva (AAD) sobre o desempenho do filtro de Wiener multicanal. Simulações computacionais em cenários acústicos compostos por dois locutores simultâneos resultaram em evidências de que acurácias de classificação maiores que 85% são suficientes para propiciar inteligibilidade adequada para conversação. Foram propostas duas formas de simulação de erros de classificação e utilizadas métricas objetivas para estimação de inteligibilidade e qualidade. Os resultados obtidos estabelecem um ponto de partida para auxiliar a escolha do método AAD em aparelhos auditivos.

Download

A Polynomial Neural Network Approach for the Outdated CQI Feedback Problem in 5G Networks

Peterson Marcelo Santos Yoshioka, Jose dos Santos, Marcos Falcão, Andson M Balieiro, Elton Alves, Siba Narayan Swain

DOI: 10.14209/sbrt.2024.1571031978

Keywords: Outdated CQI Feedback Problem 5G Networks GMDH Polynomial Neural Network

Abstract

Accurately reporting a Channel Quality Indicator (CQI) value that denotes the current channel condition is fundamental for 5G networks. However, the time elapsed between the channel condition measurement and its effective use by the base station may render the CQI obsolete, negatively affecting the UE communication. This paper proposes a Polynomial Neural Network solution that considers the Signal-to-Interference plus Noise Ratio (SINR) and user context to estimate the updated SINR for translation into a CQI value. It is based on a self-organizing algorithm (the Group Method of Data Handling - GMDH) that combines the concepts of black-box modeling, connectionism, and induction for computer-based mathematical modeling of multi-variable systems and automatically optimizes its structure with minimal analyst intervention. The results show that our solution presents a high level of accuracy and performance similar to the ideal one, with an absolute difference of only 0.001 in both throughput and spectral efficiency metrics, demonstrating its feasibility to address the outdated CQI feedback problem.

Download

1-Bit Reconfigurable Metasurfaces for Frequency and Polarization Control in 5G FR2 Band

William O. F. Carvalho, Osvaldo Novais Oliveira Jr, Jorge Ricardo Mejia Salazar

DOI: 10.14209/sbrt.2024.1571031992

Keywords: Metasurfaces Reconfigurable Metasurfaces Wavefront Manipulation

Abstract

Reconfigurable metasurfaces can be used for manipulating wavefronts, but their scalability using available fabrication methods is limited owing to their complex geometries. This study presents a simplified metasurface with dynamic tunability in frequency and polarization within the 5G frequency range 2 (FR2) band. The meta-cells are made of square-ring resonators with PIN diode connections only in x-axis, which can manipulate wavefronts based on diode 1-bit switch (ON and OFF). Numerical simulations demonstrate high extinction ratios of up to 21.5 dB and cross-talk peaks of 22.3 dB, making this design promising for future 5G applications with 1-bit reconfigurable metasurfaces.

Download

Redução de Ruído em Imagem de Ressonância Magnética Cerebral utilizando Limiarização Wavelet baseado no Fator de Predição Linear

Ananias Neto

DOI: 10.14209/sbrt.2024.1571032016

Keywords: Transformada Wavelet Limiarização Wavelet Redução de ruído de imagem

Abstract

As técnicas de limiarização wavelet, através de ajustes dos coeficientes wavelets, têm como função básica reduzir ou eliminar efeitos indesejados em meios de comunicação de dados, em especial aplicativos computacionais, armazenamento digital, em alguma etapa desse processo as informações podem ser modificadas por diversas interferências, principalmente devido ao ruído. Este trabalho propõe um método de redução de ruído de imagem de ressonância magnética cerebral, na proposta, utiliza-se a limiarização wavelet adaptativa reduzindo ou anulando os coeficientes ruidosos da transformada wavelet que são considerados irrelevantes para a imagem processada, além do ajuste do limiar com base no Fator de Predição Linear, que considera a correlação entre a imagem original e ruidosa. A técnica proposta foi comparada com técnicas tradicionais na literatura. Os resultados experimentais mostram que o método apresenta melhorias significativas em métricas de MSE, PSNR e SSIM.

Download

Detector Baseado no Índice de Theil para Sensoriamento Espectral Cooperativo

Dayan A. Guimarães

DOI: 10.14209/sbrt.2024.1571032128

Keywords: Sensoriamento espectral Rádio cognitivo Índice the Theil Índice de Gini

Abstract

Recentemente foi desenvolvida uma nova aborda- gem de projeto de detectores para sensoriamento espectral, na qual se aplica um índice de desigualdade de receita, normalmente utilizado em Economia, objetivando construir uma estatística de teste que opera os elementos da matriz de covariância amostral do sinal recebido. O primeiro detector projetado sob esta abordagem foi o detector de índice de Gini (Gini index detector, GID). Este artigo propõe o detector baseado no índice de Theil (Theil index detector, TID), que supera o GID em muitas situações, com o atributo especial de ter complexidade temporal que cresce com menor taxa em função do número de usuários secundários.

Download