???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/8620
Full metadata record
DC FieldValueLanguage
dc.creatorSantos, Adriano Eustáquio-
dc.creator.Latteshttp://lattes.cnpq.br/6820009586520498eng
dc.contributor.advisor1Carvalho, Celso Barbosa-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8269546823033896eng
dc.contributor.referee1Mota, Edjair de Souza-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5771638576099195eng
dc.contributor.referee2Souza, Camilo Batista de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8431394342199952eng
dc.date.issued2021-12-01-
dc.identifier.citationSANTOS, Adriano Eustáquio. Algoritmo adaptativo para melhoria de desempenho do arranjo de antenas inteligentes 5G. 2021. 104 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2021.eng
dc.identifier.urihttps://tede.ufam.edu.br/handle/tede/8620-
dc.description.resumoO algoritmo LMS (Least Mean Squares) calcula recursivamente os pesos de um arranjo de antenas inteligentes. Em sua forma convencional, o LMS inicializa seu vetor de pesos com valor zero, realiza sua execução com o número de iterações configuradas e, após estas iterações, gera uma função de fator de arranjo de cobertura para os ângulos do usuário e interferência. Após isto, o algoritmo usa os valores dos pesos da última iteração da execução anterior, como pesos iniciais para a primeira iteração da execução atual, a fim de gerar os novos ângulos devido ao deslocamento do usuário. Teoricamente, quanto maior o número de iterações, mais tempo o algoritmo precisará para zerar ou convergir para o menor valor possível de erro médio quadrático mínimo (Minimum Mean Square Error - MMSE) entre a saída do algoritmo e o sinal de referência. Porém, essa premissa não ocorre de fato na prática após uma ou um conjunto de muitas iterações. De acordo com padrões de qualidade da comunicação fornecidos pela rede, sabe-se qual é o MMSE aceitável para que a comunicação entre usuário e rede ocorra, mesmo durante o deslocamento do usuário. Este trabalho de dissertação de mestrado propõe o algoritmo F-LMS (Fast - LMS), uma modificação do algoritmo LMS que encerra suas iterações no momento em que o valor de MMSE desejado é alcançado. Ao se parar as iterações no momento do MMSE, o valor do erro usado para o ajuste dos pesos será o menor possível dentro das requisições de qualidade da rede, até a iteração do momento, fazendo com que a saída e a cobertura do F-LMS apresentarem precisão superior em relação aos demais algoritmos. Devido ao deslocamento do usuário, o F-LMS adapta seu feixe de cobertura de acordo com as novas posições angulares e, através do critério de relação entre magnitude do sinal de cobertura no ângulo do usuário desejado e magnitude do sinal de cobertura no ângulo da interferência, decide se reduz ou aumenta o número de antenas em operação no arranjo com o objetivo de economizar tempo de processamento e diminuir a quantidade de operações matemáticas do algoritmo. Os resultados foram obtidos por meio de simulações na ferramenta computacional MATLAB. Os resultados obtidos a partir da utilização da proposta F-LMS foram comparados com os resultados obtidos a partir da utilização dos algoritmos LMS, L-LMS (Leaky - LMS) e VSS-LMS (Variable Step Size - LMS). O F-LMS mostrou-se mais rápido, mais preciso e com menor número de operações matemáticas do que os algoritmos LMS, L-LMS e VSS-LMS.eng
dc.description.abstractThe LMS (Least Mean Squares) algorithm recursively calculates the weights of an array of smart antennas. In its conventional form, the LMS initializes its weight vector with zero values, performs its execution with the number of configured iterations and, after these iterations, generates a coverage array factor function for user and interference angles. After that, the algorithm uses the weight values from the last iteration of the previous run, as initials weights for the first iteration of the current run, in order to generate the new angles due to the displacement of the user. Theoretically, the greater the number of iterations, the longer the algorithm will need to converge to zero or to the smallest possible minimum mean square error (MMSE) between the output of the algorithm and the reference signal. However, this premise does not actually occur in practice after one or a set of many iterations. According to communication quality standards provided by the network, it is known what is the acceptable MMSE for communication between user and network to occur, even during the displacement of the user. This master’s dissertation work proposes the F-LMS algorithm (Fast - LMS), a modification of the LMS algorithm that ends its iterations at the moment the desired MMSE value is reached. When stopping the iterations at the time of the MMSE, the error value used to adjust the weights will be the smallest possible within the requests for network quality, up to the moment iteration, causing the output and coverage of the F-LMS have superior precision in relation to other algorithms. Due to the displacement of the user, the F-LMS adapts its coverage beam according to the new angular positions and, through the criterion of relationship between the magnitude of the coverage signal at the desired user angle and magnitude of the coverage signal at the interference angle, decide whether to reduce or increase the number of operating antennas in the array in order to save time processing and decrease the number of mathematical operations of the algorithm. The results were obtained through simulations in the MATLAB computational tool. The results obtained from the use of the F-LMS proposal were compared with the results obtained from the use of LMS, L-LMS (Leaky - LMS) and VSS-LMS (Variable Step Size - LMS) algorithms. The FLMS proved to be faster, more accurate and with a smaller number of mathematical operations than the LMS, L-LMS and VSS-LMS algorithms.eng
dc.description.sponsorshipSamsung Eletrônica da Amazônia Ltdaeng
dc.formatapplication/pdf*
dc.thumbnail.urlhttps://tede.ufam.edu.br/retrieve/51963/Disserta%c3%a7%c3%a3o%20_AdrianoSantos_PPGEE.pdf.jpg*
dc.languageporeng
dc.publisherUniversidade Federal do Amazonaseng
dc.publisher.departmentFaculdade de Tecnologiaeng
dc.publisher.countryBrasileng
dc.publisher.initialsUFAMeng
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétricaeng
dc.rightsAcesso Aberto-
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/-
dc.subjectSistemas de telecomunicaçãopor
dc.subject.cnpqENGENHARIAS: ENGENHARIA ELETRICA: TELECOMUNICACOES: SISTEMAS DE TELECOMUNICACOESeng
dc.titleAlgoritmo adaptativo para melhoria de desempenho do arranjo de antenas inteligentes 5Geng
dc.typeDissertaçãoeng
dc.description.sugestaoFalta de exemplos no manual no campo de citaçãoeng
dc.subject.userArranjo de antenas inteligentes 5Gpor
dc.subject.userFeixe adaptativopor
dc.subject.userErro quadrático médiopor
dc.subject.userIteraçõespor
dc.subject.userConvergênciapor
dc.subject.userNúmero de operações matemáticaspor
dc.subject.user5G Smart antenna arrayeng
dc.subject.userMean square erroreng
dc.subject.userBeamformingeng
dc.subject.userIterationseng
dc.subject.userConvergenceeng
dc.subject.userNumer of mathematical operationseng
dc.subject.userLMSpor
dc.subject.userL-LMSpor
dc.subject.userVSS-LMSpor
Appears in Collections:Mestrado em Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Dissertação _AdrianoSantos_PPGEE.pdf1.55 MBAdobe PDFThumbnail

Download/Open Preview


This item is licensed under a Creative Commons License Creative Commons