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

William M. C. do Nascimento, Daniel R. de Luna, Vicente Sousa

DOI: 10.14209/sbrt.2025.1571151955

Keywords: Wi-Fi 7 Multi-link Operation ns-3

Abstract

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, baseado no padrão IEEE 802.11be, e também conhecido como Extremely High Throughput. Uma de suas principais inovações é o Multi-Link Operation (MLO), que permite a conexão simultânea em múltiplos canais sem fio, com o objetivo de oferecer maior volume de dados transmitidos e menor atraso na recepção - aspectos fundamentais para aplicações imersivas e em tempo real. Este trabalho explora o uso da ferramenta de simulação ns-3 como alternativa para prototipagem de serviços e funcionalidades do Wi-Fi 7 com o uso do Multi-Link Operation. Foram realizadas investigações comparativas de capacidade de transmissão das diferentes gerações do Wi-Fi, assim como simulações que mediram o ganho de taxa de transmissão do MLO e sua sensibilidade à distância do ponto de acesso. O estudo contribui para adoção do ns-3 como ferramenta de prototipagem de redes Wi-Fi 7, uma vez que a ferramenta apresentou um desempenho coerente para os testes realizados.

Download

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

DOI: 10.14209/sbrt.2025.1571151988

Keywords: software-defined networking optical networks optical-mobile convergence artificial intelligence

Abstract

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, and quantum communication into a cohesive framework. It leverages advanced enablers such as artificial intelligence, software-defined networking, and evolutionary computing to enhance modeling, scalability, and efficiency. These networks are designed to support emerging applications requiring ultra-low latency, high bandwidth, and robust security, such as next-generation radio access, IoT, hyperscale data centers, critical-application optical links, and edge computing. By facilitating seamless convergence across heterogeneous technologies, the multi-diversity ecosystem enables intelligent, adaptive, and sustainable connectivity, paving the way for transformative innovations in global communication infrastructure.

Download

Arquitetura Embarcada com TinyML e Modelos Linguísticos para Monitoramento Veicular Inteligente

Rejanio Moraes, Morsinaldo Medeiros, Fellipe Nogueira, Marianne Silva, Ivanovitch Silva

DOI: 10.14209/sbrt.2025.1571151990

Keywords: Iot Automotiva TinyML Agente Linguístico

Abstract

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 localmente, ganham destaque. Este trabalho propõe uma abordagem embarcada em Raspberry Pi, integrando dados via protocolo OBD-II, GPS e acelerômetro a um pipeline de inferência contextual. A solução estima estilo de direção, emissão de CO2, tipo de via e anomalias, usando um agente linguístico para relatar eventos detectados com baixa latência.

Download

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

DOI: 10.14209/sbrt.2025.1571151994

Keywords: Grafeno Óxido de Grafeno Reduzido Dispositivos de RF e Micro-Ondas

Abstract

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 behavior of the sample over multiple measurement cycles were evaluated. The results demonstrate that RGO nanoplatelets undergo a resistivity relaxation process, which significantly reduces the variation in the sample's resistance and transmittance across multiple measurement cycles.

Download

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

DOI: 10.14209/sbrt.2025.1571152005

Keywords: CFAR SSA OFDM radio propagation

Abstract

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 delay profile (PDP) was obtained via inverse Fourier transform of the channel impulse response (CIR). Multipath components were identified and compared using the constant false alarm rate (CFAR) and singular spectrum analysis (SSA) techniques. The results showed that the SSA technique is effective for multipath component identification.

Download

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

DOI: 10.14209/sbrt.2025.1571152006

Keywords: comunicação por linha de energia in-band full duplex cancelamento de eco least mean squares recursive least squares

Abstract

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 distintos mostram que o RLS apresenta taxa de convergência superior ao LMS, tornando o processo de cancelamento de eco mais eficiente.

Download

Solução para Gerenciamento de Largura de Banda usando Aprendizado por Reforço

Eriberto Souto Silva, Iago Rego, Dario Vieira, Augusto Venâncio Neto, Vicente Sousa

DOI: 10.14209/sbrt.2025.1571152017

Keywords:

Abstract

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 agravar a ICI. As investigações foram efetuadas utilizando o simulador de redes ns-3. O impacto do hotspot é discutido à luz da distribuição de banda entre borda e centro da célula. Pelos resultados de caracterização do problema, é possível verificar a necessidade de, além do uso de ICIC, alocar de forma dinâmica sua distribuição de banda. Levando em consideração essa dinamicidade do ambiente, propõe-se como solução a utilização da técnica Multi Armed Bandit (MAB) para otimização do gerenciamento da largura de banda das técnicas de ICIC. Os experimentos de prova de conceito demonstram que a solução proposta supera, em termos de capacidade de transmissão, a configuração estática de distribuição de largura de banda, comprovando ganhos significativos.

Download

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

DOI: 10.14209/sbrt.2025.1571152018

Keywords: Fusão de Imagens Imagens multiespectrais imagens Sentinel Classificação de áreas cafeeiras

Abstract

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 analysis (PCA), discrete wavelet transform (DWT), and spectral pyramid, aiming to reduce dimensionality while preserving relevant information. U-Net achieved the best results, with 92.3% accuracy and a Kappa index of 0.78 using PCA, highlighting the effectiveness of spectral fusion in agricultural mapping.

Download

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

DOI: 10.14209/sbrt.2025.1571152029

Keywords: Antena de microfita Dupla polarização Alto ganho 5G

Abstract

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 superiores a 40 dB na banda passante. Um protótipo foi fabricado, apresentando largura de banda de 1,41% (3,52-3,57 GHz), com discreto deslocamento de frequência em relação aos resultados simulados (3,48-3,52 GHz).

Download

Efficient Methods for Selective Classification under Balanced Error Rate

Pedro A F Castro, Robson Ricardo da Silva, Danilo Silva

DOI: 10.14209/sbrt.2025.1571152051

Keywords: Machine Learning Deep Learning Imbalanced Data Uncertainty Estimation

Abstract

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 unsuited for imbalanced data. Recent work has proposed an algorithm that minimizes the balanced error rate, which is an appropriate metric for this case. Yet, their solution presents high complexity and suffers from poor scalability, restricting the application range due to computational costs. This work establishes sufficient conditions for an optimal selective classifier under the balanced error rate and proposes three novel methods that are fast and highly scalable. Experimental results show that the methods match or outperform the state-of-the-art algorithm on synthetic and real-world imbalanced datasets.

Download