Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tede2.pucrs.br/tede2/handle/tede/2980
Tipo do documento: Dissertação
Título: Estimação de canal concorrente para sistemas wireless multiportadora baseada em inteligência artificial
Autor: Carboni Júnior, Sirlesio 
Primeiro orientador: Castro, Maria Cristina Felippetto de
Resumo: Esta dissertação apresenta uma nova técnica de estimação e compensação de canal baseada em inteligência artificial, capaz de adaptar um receptor wireless às mais diversas variações no tempo e em freqüência da função de transferência do canal de broadcast. Essa nova técnica é aplicada a sistemas OFDM (Orthogonal Frequency Division Multiplexing) e baseia-se em uma Matriz de Identificação e Compensação de Canal constituída por filtros FIR (Finite Impulse Response) adaptativos, um para cada portadora do sistema em questão, baseados nos algoritmos CMA (Constant Modulus Algorithm) e DD (Direct Decision) e ajustados através de um processo concorrente que minimiza simultaneamente duas funções de custo. O controle da minimização simultânea das duas funções de custo é feito através de um elo não-linear, que estabelece o paralelo com a técnica de inteligência artificial conhecida como aprendizado competitivo. A nova técnica apresentou grande robustez tanto para canais com multipercurso estático, ao ponto de poder serem considerados como canais AWGN (Additive White Gaussian Noise), como também para canais com multipercurso dinâmico.
Palavras-chave: ENGENHARIA ELÉTRICA
TELECOMUNICAÇÕES
TECNOLOGIA DA INFORMAÇÃO
INTELIGÊNCIA ARTIFICIAL
COMUNICAÇÕES SEM FIO
COMUNICAÇÃO DIGITAL
Área(s) do CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma: por
País: BR
Instituição: Pontifícia Universidade Católica do Rio Grande do Sul
Sigla da instituição: PUCRS
Departamento: Faculdade de Engenharia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Citação: CARBONI JÚNIOR, Sirlesio. Estimação de canal concorrente para sistemas wireless multiportadora baseada em inteligência artificial. 2008. 142 f. Dissertação (Mestrado em Engenharia Elétrica) - Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 2008.
Tipo de acesso: Acesso Aberto
URI: http://tede2.pucrs.br/tede2/handle/tede/2980
Data de defesa: 7-Mar-2008
Aparece nas coleções:Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
400271.pdfTexto Completo11,1 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.