Estudo da recepção com diversidade espacial em canais sem fio de natureza markoviana.

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: ALMEIDA, Danilo Brito Teixeira de.
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27077
Resumo: Projetar sistemas capazes de transmitir informação, de maneira confiável, de um ponto a outro, alocando a menor quantidade possível de recursos é uma tarefa difícil. A busca por novas faixas de frequência e o surgimento de novas aplicações oferecidas pela Internet modificaram a forma de enxergar o canal de comunicações. Modelar o canal de maneira mais dinâmica possi- bilita produzir um modelo mais realista do canal de comunicações. Neste trabalho, é avaliado o impacto da modelagem de alguns dos efeitos presentes no canal de comunicações, por meio de cadeias de Markov, na probabilidade de erro de bits do esquema de modulação digital M-QAM. Além disso, é avaliada a influência da utilização da técnica de diversidade espacial Combina- ção por Razão Máxima (Maximum Ration Combining – MRC) na probabilidade de erro para os modelos de desvanecimento e ruído propostos. Adicionalmente, são avaliadas técnicas para a estimação dos parâmetros do modelo de ruído markoviano por meio dos estimadores MoM (Method of Moments) e MLE (Maximum Likelihood Estimation). Todos os resultados analíti- cos são corroborados por meio de simulações de Monte Carlo. Por fim, a utilização de cadeias de Markov nos modelos de desvanecimento e ruído conferem ao canal de comunicações uma característica mais dinâmica e próxima do comportamento real.