1. TEDE PUCRS
  2. Teses e Dissertações dos Programas de Pós-Graduação da PUCRS
  3. Programa de Pós-Graduação em Engenharia Elétrica
Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tede2.pucrs.br/tede2/handle/tede/2980
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCarboni Júnior, Sirlesio-
dc.creator.Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4713782T4por
dc.contributor.advisor1Castro, Maria Cristina Felippetto de-
dc.contributor.advisor1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4763071T9por
dc.date.accessioned2015-04-14T13:56:08Z-
dc.date.available2008-04-15-
dc.date.issued2008-03-07-
dc.identifier.citationCARBONI 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.por
dc.identifier.urihttp://tede2.pucrs.br/tede2/handle/tede/2980-
dc.description.resumoEsta 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.por
dc.description.provenanceMade available in DSpace on 2015-04-14T13:56:08Z (GMT). No. of bitstreams: 1 400271.pdf: 11368284 bytes, checksum: 64b864abea528fe9464688d47d43a721 (MD5) Previous issue date: 2008-03-07eng
dc.formatapplication/pdfpor
dc.thumbnail.urlhttp://tede2.pucrs.br:80/tede2/retrieve/7392/400271.pdf.jpg*
dc.languageporpor
dc.publisherPontifícia Universidade Católica do Rio Grande do Sulpor
dc.publisher.departmentFaculdade de Engenhariapor
dc.publisher.countryBRpor
dc.publisher.initialsPUCRSpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapor
dc.rightsAcesso Abertopor
dc.subjectENGENHARIA ELÉTRICApor
dc.subjectTELECOMUNICAÇÕESpor
dc.subjectTECNOLOGIA DA INFORMAÇÃOpor
dc.subjectINTELIGÊNCIA ARTIFICIALpor
dc.subjectCOMUNICAÇÕES SEM FIOpor
dc.subjectCOMUNICAÇÃO DIGITALpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApor
dc.titleEstimação de canal concorrente para sistemas wireless multiportadora baseada em inteligência artificialpor
dc.typeDissertaçãopor
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
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


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