Otimização da escolha de modelo de propagação por medição de campo e inteligência artificial

Página do item simplificado
dc.contributor.advisorAkamine, Cristiano
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0394598624993168por
dc.contributor.authorBotelho, Alberto Leonardo Penteado
dc.creator.Latteshttp://lattes.cnpq.br/1933062035071291por
dc.date.accessioned2019-04-02T17:56:45Z
dc.date.accessioned2020-05-28T18:08:55Z
dc.date.available2020-05-28T18:08:55Z
dc.date.issued2019-02-05
dc.description.abstractO 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.por
dc.formatapplication/pdf*
dc.identifier.citationBOTELHO, 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.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24488
dc.keywordsdigital televisioneng
dc.keywordsSBTVDeng
dc.keywordspropagation modeleng
dc.keywordssingle frequency networkeng
dc.keywordscoverage simulationeng
dc.keywordsfield measurementeng
dc.keywordsartificial intelligenceeng
dc.keywordsmachine learningeng
dc.keywordsclassification learningeng
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjecttelevisão digitalpor
dc.subjectSBTVDpor
dc.subjectmodelo de propagaçãopor
dc.subjectrede de frequência únicapor
dc.subjectpredição de coberturapor
dc.subjectmedição de campopor
dc.subjectinteligência artificialpor
dc.subjectaprendizagem de máquinapor
dc.subjectaprendizagem por classificaçãopor
dc.subject.cnpqCNPQ::ENGENHARIASpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOESpor
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/18333/Alberto%20Leonardo%20Penteado%20Botelho.pdf.jpg*
dc.titleOtimização da escolha de modelo de propagação por medição de campo e inteligência artificialpor
dc.typeDissertaçãopor
local.contributor.board1Omar, Nizam
local.contributor.board1Latteshttp://lattes.cnpq.br/2067336430076971por
local.contributor.board2Casella, Ivan Roberto Santana
local.contributor.board2Latteshttp://lattes.cnpq.br/3350119903495479por
local.publisher.countryBrasilpor
local.publisher.departmentFaculdade de Computação e Informática (FCI)por
local.publisher.initialsUPMpor
local.publisher.programEngenharia Elétricapor
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Alberto Leonardo Penteado Botelho.pdf
Tamanho:
12.47 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis