Técnicas de filtragem adaptativa e aprendizado de máquina para redução de erros sistemáticos em modelos climáticos

Diogo de Souza Magalhães, Sin Chan Chou, Lisandro Lovisolo, Michel Pompeu Tcheou

DOI: 10.14209/sbrt.2025.1571157250

Keywords: Aprendizado de máquina Filtros adaptativos Modelos climáticos Temperatura de superfície do mar

Abstract

Neste trabalho, técnicas de filtragem adaptativa e aprendizado de máquina são aplicadas com o objetivo de reduzir o viés presente nas previsões do modelo climático BESM (Brazilian Earth System Model), desenvolvido pelo INPE (Instituto Nacional de Pesquisas Espaciais). A acurácia do modelo é avaliada em relação ao conjunto de dados de reanálise ERA5 produzido pelo ECMWF (European Centre for Medium-Range Weather Forecasts). Os métodos de filtragem adaptativa Affine Projection e Recursive Least Squares, juntamente com abordagens de aprendizado de máquina como Random Forest Regression e Multilayer Perceptrons, são utilizados para pós-processar a previsão da temperatura da superfície do mar (TSM) do BESM, visando aumentar sua acurácia e reduzir o erro de previsão do modelo. Os resultados de redução dos erros de previsão da TSM do modelo BESM com os diferentes métodos são comparados. Assim, este trabalho contribui para o desenvolvimento de metodologias de aprimoramento de previsões climáticas e de eventos extremos usando técnicas de filtragem adaptativa e aprendizado de máquina.

Download

Análise de vulnerabilidades em aplicações que usam API REST

Marcelo Diniz Leite, Francisco Santana, Iguatemi E. Fonseca

DOI: 10.14209/sbrt.2025.1571157257

Keywords: OpenRAN API REST OWASP TOP 10 API SECURITY SDN

Abstract

Cada vez mais sistemas críticos e de alta escala estão se conectando e a interoperabilidade entre sistemas nunca foi tão desenvolvida. As APIs REST são uma forma de expor serviços web e estão sendo fortemente utilizadas para a comunicação de sistemas heterogêneos. Entretanto, a falta de boas práticas tanto no seu uso quanto no desenvolvimento desses serviços está expondo falhas de segurança, comprometendo assim os sistemas aos quais esses serviços estão sendo expostos. Este trabalho apresenta uma análise na exploração de vulnerabilidades nas APIs REST e faz, como estudo de caso, diversos testes experimentais na arquitetura do controlador SDN ONOS (Open Network Operating System) de uma rede 5G OpenRAN

Download

FSS-Based Smart Dataglove for Hand Gesture Recognition: Design and Implementation

João Guilherme Domingos de Oliveira, Amanda M. D. Oliveira, Valdemir PRAXEDES Neto, Adaildo G D'Assunção

DOI: 10.14209/sbrt.2025.1571157261

Keywords: Embroidered structure full textile wearable Technologies

Abstract

This letter presents a fully textile band-stop frequency selective surface (FSS) designed to wearable technologies applications. The proposed structure features a center frequency of 3.6 GHz and a bandwidth of 150 MHz. It consists of two semicircles connected by a central conductive line and was prototyped using a conductive thread on a cotton textile dielectric. The structure was experimentally validated in the laboratory, analyzing its performance for angles of incidence and polarization ranging from 0o to 45o. Additionally, the FSS was integrated into a data glove to investigate its capability for gesture recognition. Variations in the S21 magnitude and phase at the resonance frequency were successfully correlated with distinct hand gestures, showcasing its potential for applications in human motion monitoring. The results, obtained through both simulation and experimental measurements, demonstrate the versatility and feasibility of the proposed structure for flexible and wearable applications. All findings are presented and thoroughly discussed in this study.

Download

Assessing Power Allocation Efficiency for RAN in Cloud-based Systems for 5G Networks

João Pedro Albuquerque, Glauco Estácio Gonçalves, Aldebaro Klautau

DOI: 10.14209/sbrt.2025.1571157263

Keywords: 5G Radio Access Network Power Allocation Cloud

Abstract

Deploying edge and cloud computing architectures in 5G networks offers significant advantages, including reduced latency, lower core network traffic, and distributed processing capabilities. However, relocating latency-sensitive Radio Resource Management (RRM) functions, such as power allocation, to edge or cloud nodes may degrade the channel capacity and performance of User Equipments (UEs). This paper evaluates the impact of allocating a power allocation function at different network levels-Radio Access Network (RAN), Mobile Edge Computing (MEC), and cloud-using the ns-3 simulator with the 5G-Lena module. We implemented a simple, memoryless power allocation algorithm to assess channel capacity variations under varying cloud-distance latency conditions. We analyzed key performance indicators, including the Round-Trip Time (RTT) of control packets and channel capacity over time, to investigate the impact of latency on power allocation efficiency. The results reveal that allocating the power allocation function closer to the RAN achieves superior performance, with mean capacity values and variations meeting 3GPP standards. In contrast, placing the function at the MEC or cloud led to increased latency, insufficient capacity levels for some UEs, and more significant deviations from 3GPP requirements.

Download

Predicting Operational Failure and Security Risks in DL04 QSDC protocol via Machine Learning

Myke Valadão

DOI: 10.14209/sbrt.2025.1571157268

Keywords: Quantum Key Distribution DL04 Protocol Quantum Communication Machine Learning

Abstract

Quantum communication protocols offer theoretically unbreakable security by leveraging the fundamental principles of quantum mechanics. Among them, the DL04 protocol enables direct, deterministic secure communication without requiring a pre-shared key. However, practical implementations remain vulnerable to performance degradation due to channel losses, detector inefficiencies, and increased QBER, which may compromise security. This paper presents a machine learning-based framework for predicting operational failures and assessing security risks in DL04 QSDC systems. A dataset of 48 simulated scenarios was generated, varying key physical parameters such as attenuation, depolarization, and detector efficiency over a range of transmission distances. Using regression models-including ensemble methods such as Gradient Boosting and Random Forest-we achieved highly accurate predictions of secure key rate and QBER. These models enable real-time monitoring, anomaly detection, and dynamic adjustment of protocol parameters, enhancing both performance and security. Results demonstrate that machine learning can effectively anticipate system behavior under different conditions, providing a foundation for intelligent, adaptive QKD systems. This approach represents a significant step toward resilient quantum communication architectures, particularly under realistic noise and hardware constraints.

Download

Proposta de Arquitetura de Rede utilizando MQTT e WebSocket para aplicação em Gêmeo Digital com Minecraft

Thiago de Stecca Prado, Lucas Vinicius De Lima Assis, Higor Ferreira Silva, Elizeu Andrade De Jesus, Paulo Sergio Reis Fraga, Jeohvana Vaz, Gustavo Souto De Sá E Souza, Gilberto Lopes Filho, Alisson Cardoso

DOI: 10.14209/sbrt.2025.1571157277

Keywords: Gêmeos Digitais Jogos Eletrônicos Comunicação bi-direcional

Abstract

Este trabalho apresenta uma rede de comunicação para a implementação de um Gêmeo Digital no Minecraft. Essa plataforma é proposta como uma alternativa acessível para a criação de Gêmeos Digitais e foi aplicada à modelagem do laboratório do grupo InComm. A arquitetura viabiliza a transferência bidirecional de dados entre dispositivos IoT e o Gêmeo, empregando os protocolos MQTT e WebSockets, além de uma interface que integra ambas as comunicações. Os resultados demonstram a viabilidade do intercâmbio de dados entre o Minecraft e dispositivos IoT, comprovando a eficácia da abordagem para a implementação de um Gêmeo Digital nesse ambiente.

Download

Desenvolvimento de ferramenta de contagem de pessoas com esp32-cam e yolov3-tiny para controle inteligente de ar-condicionado

Isaac Barros Silva, Valdez Aragão, Diego de Azevedo Gomes, Diorge Lima

DOI: 10.14209/sbrt.2025.1571157278

Keywords: ESP32-CAM YOLOv3-tiny Energy Efficiency. Computer Vision

Abstract

Este artigo apresenta o desenvolvimento de um algoritmo baseado em YOLOv3-tiny para detecção de pessoas em imagens capturadas por ESP32-CAM. O pipeline engloba pré-processamento, inferência e pós-processamento para gerar o campo people_count em JSON. Esse dado aciona, de forma reativa, centrais de ar-condicionado via ESP32, sem polling. Testado em diversas condições, o sistema mostrou baixa latência, operação estável e viabilidade para otimização energética em salas de aula.

Download

Saúde sem Fios: Monitoramento Não Invasivo Utilizando Seleção de Subportadoras OFDM

Wilson Conegundes de Freitas Filho, Flávio G C Rocha, Henrique Pires Corrêa

DOI: 10.14209/sbrt.2025.1571157279

Keywords: CSI OFDM WiFi Sinal de respiração

Abstract

O monitoramento de sinais vitais é tradicionalmente realizado por meio de sensores corporais ou dispositivos vestíveis, o que pode ser incômodo e resultar em baixa adesão, especialmente entre pessoas que necessitam de acompanhamento contínuo, como idosos e pessoas com doenças crônicas. Além disso, as soluções atuais costumam exigir um dispositivo por indivíduo, o que limita o monitoramento simultâneo de múltiplas pessoas. Com o uso de redes de comunicação sem fio, como o Wi-Fi, torna-se possível detectar sinais vitais, como a respiração, utilizando ondas de radiofrequência, sem contato físico e sem a necessidade de dispositivos vestíveis. Este trabalho apresenta uma abordagem baseada na seleção de subportadoras a partir das informações do estado do canal (CSI) do Wi-Fi, permitindo a detecção simultânea da frequência respiratória de dois indivíduos.

Download

GondoCheck: A Vision-Based Backend for Automated Shelf Auditing

Leonardo Brito, Jonas Silva, Andrea Maria N. C. Ribeiro, João Teixeira

DOI: 10.14209/sbrt.2025.1571157280

Keywords: Retail computer vision out-of-stock detection metric learning ResNet-152

Abstract

The persistent out-of-stock problem in Brazilian retail erodes revenue and customer loyalty. We present GondoCheck, a cloud backend that receives a single photo of a gondola, detects the stocked items, matches them to a target stock-keeping-unit (SKU) list through deep metric learning and returns real-time shelf-share analytics. Using 96 real supermarket images and six dishwashing-liquid SKUs, the system achieves 85.8% global accuracy and 0.77 macro F1, with 100% precision on two shelves after fine-tuning a ResNet-152 embedding. The approach shows that combining off-the-shelf object detectors with metric-learning embeddings can deliver practical, scalable shelf auditing without planograms or store calibration.

Download

Photonic Space Switch with Semiconductor Optical Amplifier Using FIR-based Filter and PID Controller

Pedro A Bessa Leão, Jonathan Aguiar Soares, Mareli Rodigheri, Tiago Sutili, Arismar Cerqueira Sodré Junior, Evandro Conforti

DOI: 10.14209/sbrt.2025.1571157281

Keywords:

Abstract

This paper presents the proposal and validation of an algorithm to solve equivalent circuits of semiconductor optical amplifiers (SOAs). The developed simulator shows strong agree ment with Ansys Circuit results. Building upon this simulator, we investigate the use of two FIR-based filters and a PID controller to reduce switching time and equalize the SOA output signal. Comparisons in terms of rise time and overshoot are presented for all three methods.

Download