02 - Mestrado - Engenharia Elétrica
URI Permanente para esta coleção
Navegar
Navegando 02 - Mestrado - Engenharia Elétrica por Autor "Barbon Junior, Sylvio"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Artificial intelligence techniques to enable massive connectivity and XL-MIMO in the future wireless communication networksSouza, João Henrique Inacio de; Abrão, Taufik [Orientador]; Marinello Filho, José Carlos; Barbon Junior, Sylvio; Souza, Richard DemoResumo: As redes de comunicação sem-fio enfrentam um aumento exponencial da demanda dos usúarios, além de um rápido crescimento no número de dispositivos conectados, impulsionado principalmente pela revolução da Internet das coisas Visando atender à segunda necessidade, as redes sem-fio da quinta geração (5G) implementação o serviço masssive machine-type communications (mMTC), projetado para fornecer conectividade massiva para dispositivos que possuem atividade esporádica, são equipados com hardware simples, e são alimentados por baterias de baixa capacidade Por outro lado, as crescentes demandas por maior capacidade e taxa de dados serão assistidas por estações rádio-base equipadas com transceptores de múltiplas antenas Atender a estes cenários é uma tarefa desafiadora devido à escassez de recursos de rádio combinada com as dificuldades técnicas enumeradas a seguir Os esquemas de acesso à rede convencionais são extremamente ineficientes ao lidar com grandes números de tentativas de conexão Ao mesmo tempo, estações rádio-base equipadas com grandes números de antenas apresentam gargalos de implementação decorrentes da alta largura de banda de interconexão e da complexidade computacional Considerando os desafios mencionados, nesta Dissertação de Mestrado nós investigamos protocolos de acesso aleatório e o transceptor extra-large scale massive MIMO (XL-MIMO) para viabilizar, respectivamente, a conectividade massiva no serviço mMTC e a implementação de transceptores de múltiplas antenas Adicionalmente, examinamos técnicas de inteligência artificial para projetar protocolos de acesso aleatório livres de concessão e algoritmos de alocação de recursos Nossas contribuições são enumeradas a seguir Propomos protocolos de acesso livres de concessão baseados nas redes neurais convolucionais que atingem alta performance com baixa complexidade computational na detecção de dispositivos ativos Ao mesmo tempo, elaboramos uma análise compreensiva dos protocolos de acesso livres de concessão disponíveis na literatura Em se tratando do transceptor XL-MIMO, propomos procedimentos distribuídos e centralizados baseando-se nos algoritmos genéticos para, conjuntamente, selecionar as antenas ativas e alocar potência visando maximizar a eficiência espectral do sistema Os procedimentos propostos são adequados para implementações com número limitado de transceptores de rádio-frequência, atingindo largura de banda de interconexão e complexidade computacional reduzidas, quando comparados com os métodos de referênciaItem Método heterogêneo de detecção de faixas de trânsito em tempo real para sistemas embarcadosSilva, Guilherme Brandão da; Melo, Leonimer Flávio de [Orientador]; Granziera Junior, Francisco; Barbon Junior, Sylvio; Scalassara, Paulo RogérioResumo: A detecção e análise de faixas sobre as vias de trânsito destaca-se como uma das tecnolo gias fundamentais na implementação de veículos inteligentes e são essenciais em sistemas que auxiliam motoristas e veículos autônomos a dirigirem com segurança A queda no custo asso ciado ao aumento no desempenho das comodities da eletrônica, tais como sensores de visão e chips gráficos integrados, impulsionaram pesquisas e aplicações de direção autônoma e semi autônoma, onde a detecção de faixas de trânsito é uma das tecnologias fundamentais Este trabalho propõe a implementação heterogênea otimizada de um sistema de detecção de faixas em tempo real capaz de analisar e estimar as características geométricas e espaciais das faixas centrais observadas O sistema proposto, baseado em imagens de uma câmera monocular, fun ciona em uma sequência temporal de imagens Os quadros são pré-processados para a obtenção de uma imagem integrada em perspectiva aérea, onde características das sinalizações de faixa são extraídas para a formação de mapas de evidências Estes mapas combinados geram uma imagem binária robusta que contêm as marcações das faixas A estimativa final da faixa é modelada por um polinômio e é detectada via método de janelas deslizantes Para avaliação e validação do sistema proposto, o algoritmo foi implementado em um sistema embarcado con vencional, NVIDIA Jetson Nano, com um SoC Tegra X1 dotado de um processador ARM A57 e um chip gráfico NVIDIA com 128 núcleos CUDA São utilizadas e imagens reais de uma base de dados convencional para o problema de detecção de faixas de trânsito Foram analisadas métricas de acurácia, taxa de detecção e tempo de execução para diferentes cenários de vias Ademais, o método se mostrou eficiente para detectar as faixas de trânsito em diversos cená rios como estradas e rodovias, em diferentes condições, horários e trânsito O desempenho do método variou de 92,3% a 99,% de acurácia no melhor subconjunto, detectando até 97,9% das faixas centrais disponíveis com 8% dos pontos detectados válidos A implementação paralela otimizada foi capaz de executar, respectivamente, 14 vezes e 25 vezes mais rápido que a sua versão serial e híbrida, performando a uma taxa de 3 quadros por segundo, ultrapassando em dez vezes os requisitos de execução em tempo real