Sociedade Brasileira de Telecomunicações · desde 1983 secretaria@sbrt.org.br
← Todos os eventos
SBrT2025 · 2025

XLIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais

231 artigos · página 10 de 24
DOI 10.14209/sbrt.2025.1571151955

Estudo Exploratório do Wi-Fi 7 Multi-Link Operation no ns-3

William M. C. do Nascimento, Daniel R. de Luna, Vicente Sousa
Serviços como realidade virtual e jogos em nuvem têm crescido de forma significativa nos últimos anos, impulsionados por avanços tecnológicos, mudanças no comportamento dos consumidores e o aumento da conectividade global. Para atender às novas exigências desses serviços, especialmente em relação à taxa de transmissão e à latência, surge o Wi-Fi 7,...
Wi-Fi 7Multi-link Operationns-3
DOI 10.14209/sbrt.2025.1571151988

Connectivity Solutions for Next-Generation Convergent Optical Networks

Luis Gustavo Maciel Riveros, Tiago Sutili, Rafael C. Figueiredo, Carine Mineto, Júlia Aline Sousa Maciel, Evandro Conforti
The next generation of communication networks represents a paradigm shift toward a multi-diversity ecosystem, integrating various technologies to meet the demands of an increasingly connected world. This paper addresses key technologies to create an unified ecosystem for data center interconnections, optical transport and access networks, mobile xHaul,...
software-defined networkingoptical networksoptical-mobile convergenceartificial intelligence
DOI 10.14209/sbrt.2025.1571151990

Arquitetura Embarcada com TinyML e Modelos Linguísticos para Monitoramento Veicular Inteligente

Rejanio Moraes, Morsinaldo Medeiros, Fellipe Nogueira, Marianne Silva, Ivanovitch Silva
A Internet das Coisas (IoT) no contexto automotivo impulsiona o desenvolvimento de soluções embarcadas que realizam inferência local e comunicação em tempo real. Nesse cenário, técnicas como TinyML, que executa modelos de aprendizado de máquina em dispositivos com recursos limitados, e Small Language Models (SLMs), que geram descrições interpretáveis...
Iot AutomotivaTinyMLAgente Linguístico
DOI 10.14209/sbrt.2025.1571151994

Caracterização Elétrica de Nano Plaquetas Comerciais de Óxido de Grafeno Reduzido para Aplicações em Dispositivos de RF e Micro-ondas

Luís Henrique Farias Schneider dos Santos, Candice Muller, Fernando de Castro, Ricardo da Silva
This article presents the electrical characterization of different samples of commercially available reduced graphene oxide (RGO) nanoplatelets with distinct physical features. The electrical response was evaluated in terms of resistivity and transmittance variation as a function of the applied DC voltage. The reproducibility of the results and the...
GrafenoÓxido de Grafeno ReduzidoDispositivos de RF e Micro-Ondas
DOI 10.14209/sbrt.2025.1571152005

Characterization of the 5.8 GHz V2I Radio Channel in an Underground Parking Garage

Pedro Armando Vieira, Pedro Gonzalez Castellanos, Leni Matos, Rodrigo Amitrano Bilobran, Paulo Victor G Sampaio, Luiz da Silva Mello, Rodrigo David
This study investigates radio signal propagation at 5.8 GHz in an underground parking garage for vehicle-to-infrastructure (V2I) communication. Broadband measurements were conducted using orthogonal frequency-division multiplexing (OFDM), enabling the characterization of the radio channel in terms of path loss (PL) and temporal dispersion. The power...
CFARSSAOFDMradio propagation
DOI 10.14209/sbrt.2025.1571152006

Estudo Comparativo dos Algoritmos LMS e RLS em PLC In-Band Full Duplex Banda Larga

Matheus Teixeira Perenciolo, Yan F Coutinho, Túlio F. Moreira, Moises Vidal Ribeiro
Este trabalho discute uma comparação entre dois filtros adaptativos convencionais-least mean squares (LMS) e recursive least squares (RLS)-utilizados para cancelamento de eco em sistemas de comunicação in-band full duplex. Resultados baseados em um sistema de comunicação banda larga por linha de energia, utilizando dois canais com níveis de atenuação...
comunicação por linha de energiain-band full duplexcancelamento de ecoleast mean squaresrecursive least squares
DOI 10.14209/sbrt.2025.1571152017

Solução para Gerenciamento de Largura de Banda usando Aprendizado por Reforço

Eriberto Souto Silva, Iago Rego, Dario Vieira, Augusto Venâncio Neto, Vicente Sousa
Este trabalho propõe uma solução de aprendizado por reforço para automação de técnicas de coordenação de interferência entre células (ICIC) voltadas à mitigação de um dos principais desafios do projeto de redes móveis: a interferência co-canal (ICI). A solução é testada em um cenário dinâmico com a presença de hotspots, um aglomerado de usuários que pode...
DOI 10.14209/sbrt.2025.1571152018

Classificação de Monoculturas de Café via Redes Neurais com Redução de Dados utilizando Fusão Espectral de Imagens Sentinel

Fernanda Esteves Coelho Chaves, Renato R Lopes, João Romano
This work proposes an approach for fusing multispectral Sentinel-2 images and radar data (synthetic aperture radar) from Sentinel-1 to classify coffee-growing areas in Machado, Brazil, using universal network (U-Net) and long short-term memory (LSTM) neural networks. The image bands were combined using techniques such as averaging, principal component...
Fusão de ImagensImagens multiespectraisimagens SentinelClassificação de áreas cafeeiras
DOI 10.14209/sbrt.2025.1571152029

Antena de microfita em forma de cruz de alto ganho e polarização dupla para aplicações em 5G

Fábio Silva Borges, Andreus Emanuel Saldanha De Deus, Pedro Bertarini, Rafael Abrantes Penchel, Guilherme Simon da Rosa, Tales Cleber Pimenta, Renan Santos
Este artigo apresenta uma antena de microfita de alto ganho (12,7 dBi) e dupla polarização, destinada a redes 5G na faixa de 3,5 GHz, baseada em um ressonador em forma de cruz operando no modo TM30-like. Simulações indicam supressão de lóbulos laterais (SLL < −18 dB) e excelente desempenho em termos de isolamento entre portas e polarização cruzada, ambos...
Antena de microfitaDupla polarizaçãoAlto ganho5G
DOI 10.14209/sbrt.2025.1571152051

Efficient Methods for Selective Classification under Balanced Error Rate

Pedro A F Castro, Robson Ricardo da Silva, Danilo Silva
Deploying deep learning models in safety-critical tasks, like medical diagnosis, demands classifiers that can abstain from high-uncertainty samples to mitigate errors, which are known as selective classifiers. However, while these tasks often exhibit class imbalance, most existing approaches are based on conventional metrics such as accuracy, which are...
Machine LearningDeep LearningImbalanced DataUncertainty Estimation