Otimização da Eficiência Espectral em Arquitetura Cell-Free com Deep Reinforcement Learning

André Jordan Santos, Albert E. C. Santos, Reyso Cunha Teixeira, Matheus Gabriel Pantoja, Andre Mendes Cavalcante, Joao Weyl Costa, Diego L Cardoso

DOI: 10.14209/sbrt.2025.1571157305

Keywords:

Abstract

Com o crescimento exponencial de dispositivos conectados e a complexidade crescente das redes sem fio, sistemas Cell-Free (CF) Massive Multiple-Input Multiple-Output (MIMO) surgem como solução promissora para oferecer cobertura uniforme e eficiente. No entanto, a alocação de potência em ambientes densos impõe desafios de escalabilidade e justiça entre usuários. Este trabalho propõe uma abordagem baseada em aprendizado por reforço profundo, utilizando o algoritmo Proximal Policy Optimization (PPO) para alocação de potência. O método visa otimizar o problema do max-min em relação à SE dos usuários, garantindo justiça max-min e adaptabilidade dinâmica, mesmo em cenários com elevado número de usuários e pontos de acesso (APs).

Download

Estratégias de Qualidade de Transmissão Sob Ocupação Máxima em Redes Ópticas Elásticas

Matheus L. Santos, André Xavier, Raul Almeida Júnior

DOI: 10.14209/sbrt.2025.1571157309

Keywords: Fully-Loaded redes ópticas elásticas ocupação máxima

Abstract

Este trabalho investiga configurações Fully-Loaded em Redes Ópticas Elásticas Multibanda (EONs), considerando os impactos da amplificação em cascata com múltiplos spans. São analisadas três estratégias de amplificação (ideal, média e de pior canal) aplicadas a cenários de obtenção de pior caso para redes ópticas elásticas. A razão sinal-ruído generalizada (GSNR) é avaliada utilizando simulações com a biblioteca GNPy. Os resultados demonstram que abordagens mantêm margens de qualidade próximas às obtidas por alocação incremental realista, mesmo em cenários com maior complexidade física. Conclui-se que a modelagem proposta é robusta e aplicável ao planejamento conservador de EONs.

Download

Deep-Learning-Aided Joint Detection and Channel Estimation for Massive MIMO-OFDM Systems

Celio A Souza Junior, Jaime L. Jacob, Taufik Abrão

DOI: 10.14209/sbrt.2025.1571157310

Keywords:

Abstract

Accurate channel state information (CSI) and ef- ficient multi-user detection are critical for massive MIMO- OFDM. We present a frame-level deep-neural-network (DNN) receiver that jointly estimates the channel and detects symbols. Monolithic and spectrum-partitioned architectures are trained with Monte-Carlo data under EPA-7 frequency-selective fading channel model, AWGN, and QAM. Compared with least-squares (LS) and time-domain MMSE (TD-MMSE) followed by zero- forcing, the partitioned DNN achieves up to 10 dB bit-error-rate (BER) gain at 10−3 in a 64 × 64 uplink antenna while keeping latency comparable. The model is robust to cyclic-prefix (CP) suppression and to a 4× pilot reduction, indicating suitability for 5G/6G deployments. Keywords- Massive MIMO, OFDM, Channel estimation, Deep learning, 5G, 6G.

Download

Estudo da Inteligibilidade de Sinais com Interferência Acústica de Drones

Viviane Silva Souza Freitas, Rosângela Coelho, Paulo Rosa

DOI: 10.14209/sbrt.2025.1571157314

Keywords: Inteligibilidade Drones Ego-interferência Reverberação

Abstract

Este trabalho investiga o efeito de ego-interferências sobre a inteligibilidade de sinais de voz captados por drones. Três máscaras acústicas são utilizadas para prover ganho de inteligibilidade aos sinais de voz considerando dois cenários com reverberação e um cenário sem reverberação. A análise inclui ainda a comparação entre os impactos das ego-interferências e de ruídos ambientais reais com razão sinal-ruído variando de -10 dB a 5 dB. Duas medidas de predição de inteligibilidade de voz são adotadas para avaliar objetivamente as máscaras acústicas. Os resultados mostram que a máscara binária IRM, desenvolvida para sinais reverberantes, proporciona maior aprimoramento médio que a IBM em todos os cenários. Além disso, a máscara suave IRatioM alcança inteligibilidade superior em relação às máscaras binárias.

Download

Low-Cost Experimental Platform for AI-Based Beam Management Using WiFi Radios

Valdinei Rodrigues da Conceição, Flavio H F Nunes, João Paulo T Borges, Cleverson Veloso Nahum, Ilan S Correa, Silvia Lins, Aldebaro Klautau

DOI: 10.14209/sbrt.2025.1571157315

Keywords: Millimeter-wave Beam management Beamforming Robotic

Abstract

Millimeter-wave (mmWave) beam management is critical for 5G/6G networks to address high path loss and ensure reliable directional communication. However, experimental research in this domain faces challenges due to the high cost of specialized hardware, limited accessibility to low-level radio control, and the lack of automated, repeatable testing in dynamic environments. This work introduces a low-cost platform using modified commercial-of-the-shelf (COTS) WiFi radios for AI beam management. Custom firmware enables custom codebooks and real-time metrics like RSSI; a robotic platform automates mobility with synchronized multimodal data collection. Results show it effectively generates rich datasets, validates codebooks, and bridges simulation-reality gaps.

Download

Reconfigurable Intelligent Surfaces for Destructive Beamforming via Manifold Optimization

Luís Gustavo Zulai, José Carlos Marinello

DOI: 10.14209/sbrt.2025.1571157320

Keywords: Reconfigurable intelligent surface (RIS) destructive beamforming manifold optimization signal nulling

Abstract

Reconfigurable Intelligent Surfaces (RISs) are emerging as a key technology for future wireless systems, enabling control over the propagation environment. While most research focuses on enhancing desired signals, this paper inves- tigates the use of RIS for destructive beamforming - intentionally creating signal nulls at specific locations. This capability is crucial for applications like physical layer security, interference mitigation, and deliberate jamming. We formulate the problem of minimizing the signal-to-noise ratio (SNR) at a target user equipment (UE) in both single-input single-output (SISO) and multiple-input single-output (MISO) scenarios by optimizing the RIS phase shifts under practical unit-modulus constraints. For the MISO case, we propose an efficient method based on manifold optimization techniques, specifically the Trust-Region algorithm, to solve the non-convex optimization problem. This approach utilizes multiple random initializations to enhance the likelihood of finding a high-quality solution. Simulation results, considering realistic transmit power and a channel model incorporating Ri- cian fading, realistic path losses, and shadow fading, demonstrate that the proposed approach can significantly suppress the signal power at the target UE, with the suppression deepening as the number of RIS elements increases, validating the potential of RIS for precise destructive beamforming. For instance, with 256 RIS elements, a suppression of approximately 14.1 dB compared to the scenario without RIS is achieved.

Download

Antena Log-Periódica Compacta para Aplicações 5G de Longo Alcance

Anna Clara Almeida Pereira, Lucas M R Couto, Arismar Cerqueira Sodré Junior, Vinícius S Rosa

DOI: 10.14209/sbrt.2025.1571157321

Keywords: Miniaturização Antena Log-Periódica (LPDA) UHF Chanfros e Dobras

Abstract

Este trabalho tem como objetivo a miniaturização de uma antena Log-Periódica por meio da aplicação de Chanfros e Dobras em seus elementos radiantes. São comparadas três versões de antenas visando melhorar a integração de sistemas UHF em redes 5G para áreas remotas. A versão miniaturizada apresentou uma redução de tamanho de aproximadamente 10,32%, sem alterar a faixa de frequência (480-760 MHz) e mantendo desempenho semelhante às versões convencionais.

Download

Testbed Open RAN 5G: Uma Avaliação da Sensibilidade ao Atraso na Interface Open Fronthaul

Maykon Renan Pereira da Silva, Ezequiel Reis Tavares, Gustavo Dias de Oliveira, Flavio Vieira, Flávio G C Rocha

DOI: 10.14209/sbrt.2025.1571157323

Keywords: 5G Open RAN Open Fronthaul Testbed

Abstract

As redes Open RAN, com sua proposta de desagregação e interfaces abertas, são fundamentais para viabilizar a inovação e a interoperabilidade nas gerações pós-5G. Dentre suas interfaces, o fronthaul (O-FH) se destaca por sua sensibilidade à latência, sendo crítico para o desempenho global da rede. No entanto, há uma lacuna na literatura quanto a avaliações experimentais dessa interface em cenários realistas. Neste contexto, este trabalho apresenta o testbed Open RAN do Centro de Excelência em Redes Inteligentes Sem Fio e Serviços Avançados (CERISEUFG), que fornece uma infraestrutura para experimentação com redes desagregadas. Utilizando esse ambiente, foram realizados testes práticos que avaliam o impacto da latência na interface OFH, considerando diferentes configurações MIMO. Os resultados de vazão mostram que a degradação de desempenho varia conforme a configuração MIMO adotada. Os resultados de latência foram confrontados com os requisitos definidos nos padrões da O-RAN Alliance, confirmando o alto grau de exigência dessa interface para o sucesso de implementações práticas.

Download

Estudo da viabilidade da tecnologia LoRa na telemetria de foguetes e satélites

Felipe Pereira Pontes, Nathan Almeida, Rafael Farias Filho, Gilson Jerônimo da Silva Jr

DOI: 10.14209/sbrt.2025.1571157326

Keywords: LoRa telemetria experimentos comunicação sem fio

Abstract

Este artigo apresenta um estudo sobre o comportamento de um sistema de comunicação sem fio, baseado no módulo LoRa Ebyte E220-900T30D, aplicado à telemetria de foguetes e satélites suborbitais, e são aplicados em projetos de extensão da Universidade Federal de Pernambuco (UFPE). Testes foram realizados, em diferentes tipos de ambientes e com diferentes níveis interferência eletromagnética, na tentativa de simular condições reais de lançamento. Utiliza-se o software Hercules SETUP para recepção e análise dos dados transmitidos. Os resultados são apresentados e demonstram a robustez do módulo, com alcance de até 400 metros, mesmo na presença de diversos obstáculos, indicando uma possível viabilidade para aplicações aeroespaciais.

Download

Stemuc Audio Forge: AI-based Music Source Separation Using Demucs and CUDA Acceleration

Raphael Serraino Theil Meres, Thiago Silva de Souza, Rigel Procópio Fernandes, Cassius M. do C. Figueiredo

DOI: 10.14209/sbrt.2025.1571157327

Keywords:

Abstract

Audio source separation is a fundamental task in music information retrieval and is widely employed by musicians and audio engineers. This paper introduces Stemuc Audio Forge, a system that leverages the Demucs neural network to separate music into distinct stems (vocals, drums, bass, guitar, piano, and others). The system incorporates graphics processing unit (GPU) acceleration via CUDA, reducing the processing time from approximately five minutes on a CPU to less than 10 seconds on a GPU. Evaluation on the MUSDB18 dataset demonstrates high-quality stem separation and significant performance gains, making advanced music source separation feasible for real-world applications.

Download