Análise Comparativa de Algoritmos de Pré-Distorção Digital Baseados em Redes Neurais e em Polinômios de Memória para Enlaces de Rádio sobre-Fibra.

• Ano de defesa: 2026
• Autor(a) principal: SILVA, Carlos Daniel Fontes da.
• Orientador(a): SILVA, Edson Porto da.
• Banca de defesa: HERBSTER, Adolfo Fernandes., ASSIS, Francisco Marcos de., CRUZ JÚNIOR, José Hélio da.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Redes de Kolmogorov-Arnold; Polinômios de memória; Redes neurais; Pré-distorção digital; Rádio sobre-fibra; Kolmogorov-Arnold network; Memory polynomials; Neural networks; Digital predistortion; Radio over-fiber
• Área do conhecimento CNPq: Engenharia Elétrica
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/46713

Os enlaces de rádio sobre-fibra analógico têm sido amplamente aplicados em redes 5G para viabilizar a transmissão de sinais de alta frequência por longas distâncias, entretanto, distorções de natureza não-linear podem reduzir significativamente o alcance e o desempenho desses sistemas. Nesse contexto, este trabalho apresenta um estudo sobre a aplicação de algoritmos de pré-distorção digital (Digital Predistortion – DPD) em sistemas de rádio sobre- -fibra analógico para compensação de distorções não-lineares, sendo comparadas diferentes abordagens baseadas em redes neurais artificiais e em polinômios de memória, considerando métricas de desempenho de transmissão e complexidade computacional, além da proposição de modelos de DPD baseados em redes de Kolmogorov–Arnold (Kolmogorov–Arnold Networks – KAN). A metodologia consiste na implementação numérica dos modelos de DPD e em sua otimização em termos de desempenho e complexidade computacional, além disso, é realizado um teste experimental para a validação do modelo proposto em um cenário prático. Os resultados numéricos indicam que os modelos implementados compensam satisfatoriamente as distorções do enlace sob diferentes condições de não-linearidade e de dispersão cromática, com destaque para o baseado em polinômios de memória, que apresentou desempenho superior às redes neurais, mesmo demandando um menor número de operações numéricas. O modelo de DPD com KAN proposto apresentou desempenho similar aos outros baseados em redes neurais, porém com complexidade computacional próxima à do polinômio de memória. Os resultados experimentais apresentaram um padrão similar aos numéricos, em que se verificou que o modelo proposto teve um desempenho satisfatório no sistema real.