Análise de Desempenho de Modos de Transmissão do Wi-Fi 7 MLO no ns-3

William M. C. do Nascimento, Daniel R. de Luna, Alvaro A. Machado de Medeiros, Vicente Sousa

DOI: 10.14209/sbrt.2025.1571156259

Keywords: ns-3 MLO STR EMLSR

Abstract

O Multi-link Operation (MLO) é o novo recurso do Wi-Fi 7 que permite a utilização simultânea de múltiplos enlaces, sendo uma oportunidade para investigações que contribuam para sua compreensão e aperfeiçoamento. Este trabalho apresenta uma análise de desempenho do MLO por meio de simulações no network simulator 3 (ns-3), considerando os modos de operação Multi-link Simultaneous Transmit and Receive (STR) e Enhanced Multi-link-Single-Radio (EMLSR). O estudo tem como objetivo avaliar e comparar o desempenho entre os modos de operação em diferentes configurações da rede e variando o número de dispositivos conectados. As simulações validam o funcionamento dos modos STR e EMLSR disponíveis no ns-3, bem como contribuem para a compreensão do MLO e como sua customização pode beneficiar usuários do Wi-Fi. Os resultados demonstram os benefícios no MLO em termos de throughput, atraso e perda de pacotes; contudo, revelam o desafio de manter bom desempenho com muitos usuários na rede.

Download

Analyzing the Performance of Radiolocalization Algorithms using Data Augmentation

Matheus Rodrigues Bueno Godinho, Daniel C Cunha

DOI: 10.14209/sbrt.2025.1571156529

Keywords: Radiolocalization Machine learning Adversarial neural networks Data augmentation

Abstract

This work aims to investigate and compare the impact of different synthetic data generation techniques on the performance of fingerprint-based localization models. We conducted experiments on two databases, exploring conditional, non-conditional, selective, and non-selective synthetic data generation methods. Three machine learning-based localization models were utilized, resulting in a total of 90 models being trained-some using only real data while others incorporated synthetic data. The results indicate that synthetic data generation can enhance the performance of machine learning prediction models, particularly for those based on support vector regression. Additionally, the conditional and selective generation methods outperformed their non-conditional and non-selective counterparts.

Download

Desempenho do Long-Range Frequency Hopping Spread Spectrum em Cenários com Desvanecimento

Misael Rosa Da Costa, Paulo Henrick Marconato Zakalugem, Jamil Farhat, Glauber Brante

DOI: 10.14209/sbrt.2025.1571156530

Keywords: LR-FHSS Internet das Coisas Desvanecimento Nakagami-m Desvanecimento Rician

Abstract

O Long-Range Frequency Hopping Spread Spectrum (LR-FHSS) caracteriza-se como um esquema de modulação voltado para redes de Internet das Coisas com alta densidade de dispositivos. Neste trabalho, avaliamos sistematicamente o desempenho do LR-FHSS sob diferentes níveis de severidade de desvanecimento (fading), com ênfase nos Data Rates DR8 e DR9, empregando simulações baseadas em eventos discretos e validação por modelos teóricos. Utilizando como métricas a probabilidade de sucesso na transmissão e o goodput, demonstramos que o esquema apresenta degradação progressiva de desempenho proporcional à intensidade do desvanecimento. Os resultados não apenas corroboram os modelos teóricos, mas também evidenciam que a eficiência do sistema é criticamente afetada em ambientes adversos. Esses achados destacam a necessidade de técnicas de mitigação que possibilitem viabilizar a adoção do LR-FHSS em cenários diversos.

Download

Complexity-Reduced MUSIC Using Bicubic Interpolation to ISAC in Near-Field Region

Thiago Augusto Bruza Alves, Taufik Abrão, José Carlos Marinello, David William Marques Guerra

DOI: 10.14209/sbrt.2025.1571156550

Keywords: ISAC Localization

Abstract

Integrated sensing and communication (ISAC) systems rely on accurate localization algorithms, commonly implemented via computationally demanding methods such as the multiple signal classification (MUSIC) algorithm. Typically, finegrid searches required by MUSIC lead to high computational complexity, posing practical limitations for real-time implementations. This paper introduces bicubic interpolation applied to coarse-grid MUSIC pseudo-spectra to significantly reduce complexity without sacrificing localization accuracy. The search grid is initially defined over a uniformly spaced Cartesian coordinate system and subsequently transformed into polar coordinates to enable accurate steering vector evaluation within the MUSIC algorithm. This formulation allows for the direct application of interpolation techniques to the resulting pseudo-spectrum. The simulation results demonstrate that the proposed interpolation strategy substantially decreases the computational load while maintaining competitive precision compared to traditional finegrid MUSIC methods. Performance evaluations in terms of root mean square error (RMSE), computational time and computational complexity analysis (flops) support the effectiveness and potential application of the proposed approach in future ISAC deployments.

Download

IRS-Assisted Wireless Powered NOMA: A Multi-band Scenario

Gabriela A. dos Santos, Francisco X. A. Sobrinho, Francisco Rafael Marques Lima

DOI: 10.14209/sbrt.2025.1571156555

Keywords: IRS Wireless Powered Networks Multi-band NOMA

Abstract

Wireless Powered Communication Networks (WPCNs) enable low-cost devices to harvest energy and transmit data wirelessly, yet face coverage and efficiency limitations. Intelligent Reflecting Surfaces (IRSs) emerge as a promising solution to enhance both Downlink Wireless Power Transfer (DL WPT) and Uplink Wireless Information Transmission (UL WIT) by intelligently reconfiguring the propagation environment. This paper studies the deployment of a single IRS to enhance the performance of WPCNs operating at different frequencies. We propose a joint optimization framework for IRS phase-shift configuration and resource allocation using Non-Orthogonal Multiple Access (NOMA) with Successive Interference Cancellation (SIC). Our solution assigns a determined number of ideal phase-shifts per WPCN while fixing the remaining on 0/2π. Results show significant sum-rate gains and highlight performance gaps for future improvements.

Download

Detecção de Ataque de Apresentação em Imagens de Íris utilizando Descritores de Zernike

Georgio S. Colares, Waldir Silva, Celso Carvalho

DOI: 10.14209/sbrt.2025.1571156556

Keywords: Íris sintética Classificadores Momentos de Zernike Descritores circulares

Abstract

In this paper, we propose a spoofing detection framework for synthetic iris images applied in security authentication systems. Zernike moments were applied due to some of their properties, such as rotation invariance. We investigated the performance of Zernike descriptors on three classifiers, varying their respective parameters. The experiments resulted in the magnitude of the moments of the grayscale representation providing good overall recognition results on a variety of classifiers. The performance of the MLP, CNN, and ResNet network with Zernike moments obtained, respectively, the accuracy of 79.0%, 90.0%, and 93.0%.

Download

Detecção de Corrosão em Instalações Offshore de Óleo e Gás com Uso de Computação na Borda

Pedro Gil Oliveira de Magalhães Couto, Rodrigo S. Couto, Eduardo A. B. da Silva, Sergio Lima Netto

DOI: 10.14209/sbrt.2025.1571156587

Keywords: Processamento de Imagens Aprendizado de Máquina Visão Computacional Óleo e Gás

Abstract

Tratar corrosão é um dos grandes desafios da produção offshore na indústria de Óleo e Gás, pois demanda inspeções custosas. O objetivo deste trabalho é desenvolver uma ferramenta que acelere a análise de corrosão nesse cenário. Para isso, propõe-se uma base de dados de segmentação de corrosão e um método de segmentação baseado em transformers, adaptado para restrições típicas do cenário offshore. Resultados indicam a viabilidade dos métodos propostos e sua potencial aplicação em setores além do offshore, permitindo contribuições futuras para análises gerais de corrosão.

Download

Joint Channel and Symbol Estimation for Communication Systems with Movable Antennas

Josué Vasconcelos de Araújo, Jose Carlos Filho, Gilderlan Tavares de Araújo, Paulo Gomes, André L. F. de Almeida

DOI: 10.14209/sbrt.2025.1571156592

Keywords: Movable antennas Multiuser systems Tensor decomposition Semi-blind estimation

Abstract

Communication systems aided by movable antennas have been the subject of recent research due to their potentially increased spatial degrees of freedom offered by optimizing the antenna positioning at the transmitter and/or receiver. In this context, a topic that deserves attention is channel estimation. Conventional methods reported recently rely on pilot-assisted strategies to estimate the channel coefficients. In this work, we address the joint channel and symbol estimation problem for an uplink MU communication system, where the BS is equipped with a movable antenna array. A semi-blind receiver based on the PARAFAC2 model is formulated to exploit the tensor decomposition structure for the received signals, from which channel and symbol estimates can be jointly obtained via an alternating estimation algorithm. Compared with reference schemes, our preliminary numerical simulations yield remarkable results for the proposed method.

Download

Optimal Policies for Reinforcement Learning Applied to User Scheduling Tabular Environments

Caio B. Brasil, Cleverson Veloso Nahum, Aldebaro Klautau, Jasmine Priscyla Leite de Araújo, Ingrid Nascimento

DOI: 10.14209/sbrt.2025.1571156595

Keywords: Reinforcement learning User scheduling Baseline

Abstract

User scheduling is a fundamental task in shared systems where multiple users or processes compete for limited resources. Its main objective is to allocate these resources efficiently while ensuring fairness, high performance, and adherence to quality of service (QoS) requirements. In this paper, we explore the use of Reinforcement Learning (RL) methods to address the user scheduling problem in a simplified scenario. Our results show that when the problem is modeled as a fully observable finite Markov decision process (FMDP), deep reinforcement learning methods exhibit apparent training convergence. However, when compared to classical approaches such as Value Iteration, there remains noticeable room for policy improvement in these methods, making them suitable as baselines for further implementations.

Download

Monitoramento Unificado para Multiplataformas E2 em Sistemas Open RAN

Paulo E. da Silva Jr, Lucas Medeiros, Matheus F. de S. Dória, Antonio Campos, Augusto Venâncio Neto, Vicente Sousa

DOI: 10.14209/sbrt.2025.1571156610

Keywords: O-RAN Monitoramento RIC O-RAN Monitoramento RIC E2SM.

Abstract

A iniciativa O-RAN introduz uma arquitetura de telecomunicações mais flexível e interoperável, com abordagem desagregada e baseada em interfaces abertas. No entanto, o monitoramento contínuo, principalmente na interface E2, que liga os nós da rede de acesso de rádio aos controladores inteligentes fora da rede de telecomunicações, é essencial para garantir sua operação eficiente. Este artigo apresenta um arcabouço para monitoramento unificado de E2 Service Models (E2SMs) em arquiteturas O-RAN. A proposta utiliza Zabbix e Grafana integrados com scripts personalizados, para buscar e visualizar os E2SMs disponíveis na rede. Essa implementação permite o acompanhamento contínuo das capacidades expostas pela rede O-RAN, auxiliando no desenvolvimento de xApps e na configuração de testbeds.

Download