Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede.mackenzie.br/jspui/handle/tede/3847
Tipo do documento: Dissertação
Título: Otimização da escolha de modelo de propagação por medição de campo e inteligência artificial
Autor: Botelho, Alberto Leonardo Penteado 
Primeiro orientador: Akamine, Cristiano
Primeiro membro da banca: Omar, Nizam
Segundo membro da banca: Casella, Ivan Roberto Santana
Resumo: O modelo de propagação a ser escolhido no projeto de uma estação de televisão terrestre é um ponto crítico para a predição da área de cobertura. Existem diversos modelos, com características específicas que podem ser melhores que outros em determinadas situações. A dissertação apresenta um estudo para a escolha do modelo de propagação, através da utilização de inteligência artificial (IA). É apresentada uma breve revisão do padrão SBTVD (Sistema Brasileiro de Televisão Digital), da complexidade de operação em SFN (Single Frequency Network, em português Rede de Frequência Única) e dos principais modelos de propagação utilizados na literatura. O comparativo dos modelos de propagação foi elaborado com medições de campo e simulações pelo software de predição de cobertura Progira, que funciona sobre a plataforma de geoprocessaomento ArcGis. O comparativo considerou o critério de menor erro médio (desvio médio absoluto, desvio padrão e erro médio quadrático) entre a medição de campo e a simulação de software. O modelo de propagação ITUR P. 1812-3 teve o melhor desempenho médio. Para otimizar a análise de escolha dos modelos de propagação, foi desenvolvido um método de IA por aprendizagem de máquina por classificação para que o computador possa formular aspectos da inteligência humana e ter a capacidade de escolher o melhor modelo de propagação para cada área de estudo, não restrito aos sites medidos em campo. Os modelos de aprendizagem de Máquinas de Vetores de Suporte e de Classificadores Vizinhos mais Próximos apresentaram uma melhora significativa do erro médio em comparação ao modelo de propagação de menor erro médio.
Abstract: The propagation model to be chosen in the design of a digital terrestrial broadcast station is a critical point for predicting the coverage area. There are several models, with specific characteristics that may be better than others in certain situations. This dissertation presents a study of the choice of propagation model, through the use of artificial intelligence (AI). A brief review of the SBTVD (Brazilian System of Digital Television), the complexity operation in SFN (Single Frequency Network) and the most widely used propagation models in the literature. The comparison of propagation models was elaborated with the field measurements and simulations by the Progira coverage prediction software, which works on an ArcGis geoprocessing platform that considered the criterion of smallest average error (absolute mean deviation, standard deviation and root mean square error) between the field measurement and the software simulation. The propagation model ITUR P. 1812-3 had the best average performance. To optimize the analysis of choice of propagation models, an AI method was developed by machine learning, classification learning, so that the computer can formulate aspects of human intelligence and have the ability to choose the best propagation model for each study area, not restricted to sites measured in the field. The Support Vectors Machines and Nearest Neighbor Classifiers learning models displayed a significant improvement of the average error in comparison to the model of propagation of smallest average error.
Palavras-chave: televisão digital
SBTVD
modelo de propagação
rede de frequência única
predição de cobertura
medição de campo
inteligência artificial
aprendizagem de máquina
aprendizagem por classificação
Área(s) do CNPq: CNPQ::ENGENHARIAS
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
Idioma: por
País: Brasil
Instituição: Universidade Presbiteriana Mackenzie
Sigla da instituição: UPM
Departamento: Faculdade de Computação e Informática (FCI)
Programa: Engenharia Elétrica
Citação: BOTELHO, Alberto Leonardo Penteado. Otimização da escolha de modelo de propagação por medição de campo e inteligência artificial. 2019. 163 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.
Tipo de acesso: Acesso Aberto
Endereço da licença: http://creativecommons.org/licenses/by-nc-nd/4.0/
URI: http://tede.mackenzie.br/jspui/handle/tede/3847
Data de defesa: 5-Fev-2019
Aparece nas coleções:Mestrado - Engenharia Elétrica e Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Alberto Leonardo Penteado Botelho.pdfAlberto Leonardo Penteado Botelho12.77 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Este item está licenciada sob uma Licença Creative Commons Creative Commons