Rice e Hoyt: Parâmetros sob uma Abordagem Via Razão de Uniformes

Carlos R. N. da Silva, Michel Daoud Yacoub

DOI: 10.14209/sbrt.2025.1571157017

Keywords:

Abstract

A variabilidade espaço-temporal dos parâmetros de desvanecimento em modelos que descrevem a propagação de sinais em ambientes sem fio é amplamente reconhecida na literatura como um processo aleatório. No entanto, os impactos diretos dessa flutuação sobre as características estatísticas do sinal recebido permanecem pouco investigados. Tais variações podem explicar, por exemplo, por que determinados modelos ajustam-se adequadamente à envoltória do sinal, mas não à sua fase, ou o contrário. Neste trabalho, são examinados os impactos dessas flutuações nos modelos de desvanecimento de Rice e Hoyt, considerando que a amplitude da componente dominante (Rice) e das espalhadas (Rice e Hoyt), compondo os parâmetros κ (Rice) e η (Hoyt) variam segundo uma distribuição uniforme. A distribuição uniforme modela uma situação crítica em que esses parâmetros podem assumir quaisquer valores dentro do intervalo com igual probabilidade.

Download

Comunicação Distribuída para Robôs Autônomos via DDS: Uma Abordagem Cooperativa com Deep-Q Networks

Carlos Daniel de Sousa Bezerra, Flavio Vieira, Alisson Cardoso

DOI: 10.14209/sbrt.2025.1571157021

Keywords: Middleware DDS Deep Reinforcement Learning Multi-Agent

Abstract

Este artigo propõe uma arquitetura de comunicação para sistemas multi-robôs, permitindo a troca eficiente de informações durante o processo de aprendizado por reforço aplicado à navegação autônoma. A solução desenvolvida emprega comunicação distribuída baseada em middleware, utilizando o Data Distribution Service (DDS) para o compartilhamento de transições de estado entre os agentes, por meio de uma abordagem denominada MARL-Q DDS. A proposta é validada por meio de simulações no ambiente CoppeliaSim, integradas ao ROS2, e os resultados demonstram um ganho de aproximadamente 23,33% na taxa de sucesso em tarefas de navegação autônoma, quando comparado ao modelo DDQN sem comunicação entre agentes.

Download

Robust Multimodal Narration for Long-Form Videos Using Efficient LLMs and Adaptive Evaluation Under Degraded Conditions

Lucas de G. M. Castro, Edma Urtiga de Mattos, Diego A. Amoedo, Waldir Silva, Agemilson Pimentel, Ruan Belem, Rômulo Fabrício Jr., Alexandre Miranda, Celso Carvalho

DOI: 10.14209/sbrt.2025.1571157035

Keywords: Multimodal Narration Long-Form Video Description Large Language Models (LLMs).

Abstract

This work introduces a modular and efficient framework for generating coherent long-form video descriptions using lightweight Large Language Models (LLMs) fine-tuned with LoRA. The system integrates visual embeddings from CLIP and audio transcriptions from Whisper to restore narrative consistency in videos degraded by blocking artifacts or slice losses. Evaluation combines classical lexical metrics with semantic and segment-level measures to capture narrative fluency and coherence. Experiments using the MSR-VTT dataset demonstrate improvements in generation speed, descriptive quality, and multimodal coverage, establishing the framework's potential for accessibility, summarization, and live captioning applications.

Download

Método de Calibração de Alcance em Radar FMCW de 77 GHz para Aplicações Automotivas

Híterson Oliveira Silva, João R Paula, Rafael Rodrigues, Evandro Leonardo Silva Teixeira, Daniel Araújo, Sébastien Roland Marie Joseph Rondineau

DOI: 10.14209/sbrt.2025.1571157066

Keywords: Calibração de radar FMCW Processamento de sinais

Abstract

Este trabalho apresenta um método de calibração de alcance para radares automotivos FMCW, utilizando o radar AWR2944EVM da Texas Instruments. A abordagem empírica envolve um ambiente de teste aberto, com baixa reflexão, em que as distâncias medidas pelo radar são comparadas às reais, obtidas com trena a laser. Um algoritmo em Python estima o viés médio, reduzindo o erro médio a zero após a compensação. O desvio padrão residual, de 0,1254 metros, indica a persistência de ruídos e variações no hardware. A calibração foi eficaz, mas requer aprimoramentos para mitigar a dispersão dos erros em ambientes não controlados.

Download

Experimentation of online models for scalability of 5G network functions

Abrahão Ferreira, Kauan Miranda Tavares, Douglas Almeida Vidal, Silvia Lins, Aldebaro Klautau, Cristiano Bonato Both, Glauco Estácio Gonçalves

DOI: 10.14209/sbrt.2025.1571157085

Keywords: 5G Core Online Learning Proactive scaling

Abstract

The increasing evolution of 5G networks and the growing demands of new devices, poses significant challenges to the proactive scalability of network functions. Deployed on a non-stationary environment, performance of conventional predictive models drops as new concepts appears, making it necessary to use techniques as online learning, which are still underexplored. This work evaluates and compares eighteen online learning strategies for the scalability of the AMF function. Using real data in scenarios with concept drift, this paper contributes to identifying the more effective approaches. Results indicate that model efficacy is contingent on both predictive accuracy and adaptation latency.

Download

Qualidade de Serviços em Telecomunicações e Desigualdades Territoriais: Uma Abordagem Explicável com Clusterização Espacial

Marco Antonio de Almeida Fidos Jr, Renato Machado, Dimas Irion Alves, Bartolomeu F. Uchôa-Filho, Lucio P Amaro Sr.

DOI: 10.14209/sbrt.2025.1571157091

Keywords: Inteligência Artificial Explicável SHAP Clusterização Qualidade em Telecomunicações

Abstract

Este trabalho propõe uma abordagem explicável para análise espacial da qualidade dos serviços de telecomunicações no Brasil. Utilizando dados do sistema RQUAL (Anatel) e indicadores do IBGE, foram aplicadas técnicas de clusterização para identificar perfis municipais e SHAP para ranquear variáveis explicativas. Os resultados revelam padrões de desigualdade técnica e destacam municípios com desempenho atípico. A abordagem contribui para decisões regulatórias mais justas e baseadas em evidência.

Download

Digital Twin of a Beam Selection Procedure in an Indoor Scenario

Genivaldo C Silva, Gabriel F Vieira, Valdinei Rodrigues da Conceição, Cleverson Veloso Nahum, Ilan S Correa, Aldebaro Klautau, Silvia Lins

DOI: 10.14209/sbrt.2025.1571157127

Keywords: Digital Model Ray-tracing Beam Selection RSS

Abstract

Millimeter waves (mmWave) communication, vital for 5G/6G, addresses sub-6 GHz congestion but needs directional beamforming due to high path loss. Machine learning (ML) for beam selection faces scarce indoor/near-field training data limitations. Digital Twin (DT) frameworks mitigate this by generating realistic datasets, often validated by simplified digital model (DM)s. This work presents a validated methodology to construct accurate DMs from low-cost radio measurements. An indoor mmWave multiple input single output (MISO) DM, using Wireless Insite (WI) ray tracing (RT), achieved 100% top-1 beam accuracy and strong received signal strength (RSS) correlation in Boresight line-of-sight (LoS) condition.

Download

Análise de Recorrência na Classificação de ECGs: Um Estudo com Modelos Profundos e Clássicos

João Pagnan, Romis Ribeiro Attux, Diogo Soriano, Levy Boccato

DOI: 10.14209/sbrt.2025.1571157136

Keywords: Eletrocardiogramas Processamento de Sinais Análise de Recorrência Aprendizado Profundo

Abstract

A detecção precoce de arritmias a partir de eletrocardiogramas (ECGs) pode ser decisiva para o tratamento de doenças cardiovasculares, que ainda são a principal causa de mortes no mundo. Muitos trabalhos têm explorado técnicas de processamento de sinais e aprendizado de máquina neste problema, havendo já iniciativas que empregam gráfioos de recorrência para a caracterização dos sinais cardíacos. Porém, poucos trabalhos realizaram uma comparação mais ampla com outras estratégias de representação dos ECGs junto a diferentes classificadores. Neste trabalho, aplicamos a análise de recorrência para descrever os ECGs da base MIT-BIH ARR, avaliando seu impacto sobre modelos tradicionais e profundos (e.g., ResNet) de classificação. Além disso, avaliamos também as representações temporais e os espectrogramas (SPGs). Os resultados obtidos indicam que TS com k-vizinhos mais próximos alcançaram a melhor F-medida (0,7980), enquanto os gráficos de distância (DPs) com KNN fornecem a maior precisão e especificidade, além de superarem consistentemente os desempenhos atingidos com os gráficos de recorrência (RPs).

Download

Performance Evaluation of Beyond Diagonal RIS under Hardware Impairments

Jose Carlos Filho, Josué Vasconcelos de Araújo, Bruno Sokal, André L. F. de Almeida

DOI: 10.14209/sbrt.2025.1571157140

Keywords: Beyond diagonal RIS Hardware impairments Channel estimation

Abstract

Beyond diagonal reconfigurable intelligent surface (BD-RIS) improves the traditional reconfigurable intelligent surface (RIS) architecture functionality by interconnecting elements for advanced wave control. However, real-world implementations face hardware imperfections, such as impedance mismatches and varactor nonidealities, which can degrade overall system performance. In this paper, we propose three hardware impairment models that directly affect the BD-RIS scattering matrix structure and evaluate their impact on the channel estimation accuracy using the normalized mean square error (NMSE) as a performance metric. The proposed impairment models consider imperfections affecting self-impedances, mutual impedances, or both. Our results reveal how each impairment type degrades the system performance, allowing us to identify scenarios where the traditional RIS can outperform the BD-RIS.

Download

Coleta e Visualização de KPIs em Redes 5G Privadas Utilizando Ferramentas Open Source

Maria da Conceição Patrício, Michel Dias, Rilbert Lima da Silva, Ruan Gomes

DOI: 10.14209/sbrt.2025.1571157144

Keywords: 5G Privado Monitoramento KPIs

Abstract

Este trabalho propõe uma arquitetura de rede 5G privada e monitoramento privada para aplicações industriais, baseada nas aplicações Open5GS, OAI5G, Prometheus e Grafana. Foram monitorados KPIs como BLER, RSRP, throughput e sessões N4 em um ambiente baseado em contêineres Docker. O cenário incluiu uma USRP B210 e o OAI5G como RAN e uma Raspberry Pi como UE. Os resultados demonstram a viabilidade da solução para observabilidade dos dados da rede 5G em tempo real.

Download