Defesa Pública de Dissertação de Mestrado do Engenheiro Eletricista Rogério Victório Fernandes Ballestrin
Data: 16/09/2024 – segunda-feira
Horário: 09h00min
Local: A defesa será realizada por videoconferência, através da plataforma Mconf no link: https://mconf.ufrgs.br/webconf/00025557
Banca Examinadora:
Prof. Dr. André Lima Férrer de Almeida – Departamento de Engenharia de Teleinformática (DETI) – UFC
Prof. Dr. Valner João Brusamarello – PPGEE – UFRGS
Prof. Dr. Tiago Oliveira Weber – PPGEE – UFRGS
Presidente da banca/Orientador: Prof. Dr. Ivan Müller – PPGEE – UFRGS
Titulo: “AVALIAÇÃO DE MODELOS DE PROPAGAÇÃO INTELIGENTES EM UM SIMULADOR DE REDE LORA”
Resumo: “A evolução das redes de comunicação sem fio tem sido um tópico relevante nas últimas décadas, impulsionada pela crescente demanda por aplicações de Internet das Coisas (IoT) em ambientes urbanos e rurais. Essas aplicações abrangem desde o monitoramento remoto até a automação industrial, agricultura de precisão e cidades inteligentes. As redes de sensores sem fio, especialmente aquelas baseadas na tecnologia LoRa, destacam-se por sua capacidade de fornecer comunicações de longo alcance com baixo consumo de energia. No entanto, um dos principais desafios enfrentados no uso dessas redes é a perda de percurso (path loss), que afeta diretamente a capacidade de comunicação e o consumo de energia dos dispositivos. Em ambientes urbanos densamente povoados, obstáculos como edifícios altos e estruturas metálicas podem causar atenuação significativa do sinal. Já em áreas rurais, a propagação pode ser afetada por terrenos acidentados ou vegetação densa. Embora existam vários modelos de propagação para prever a perda de percurso, muitos não conseguem lidar com a complexidade dos ambientes reais. Nesta pesquisa, foram implementados e testados modelos clássicos e de Inteligência Artificial usando dois conjuntos de dados: MCLAB, contendo dados de nós móveis, e Medellín, contendo dados de nós fixos. Os melhores modelos identificados foram aqueles derivados da árvore de decisão, como a Floresta Aleatória e o XGBOOST. No conjunto MCLAB, a Floresta Aleatória obteve erro médio quadrático de 6,82 dB, comparado a 9,78 dB do modelo log-distance. Já no conjunto Medellín, a Floresta Aleatória apresentou erro médio quadrático de 1,89 dB, comparado a 2,00 dB do modelo log-distance. Apesar do significativo esforço computacional na busca pela melhor topologia, nenhuma rede neural superou os modelos baseados em árvore. Em cenários simulados, constatou-se que os modelos clássicos tendem a superestimar as perdas de propagação, podendo levar a um dimensionamento incorreto das redes.
Palavras-chave: Perda por propagação, LoRa, Simulador de Rede, Inteligência Artificial.”
