Exportação concluída — 

Prediction of communication signals strength with UAVs using artificial neural networks

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Silva, Jaqueline dos Santos
Orientador(a): García Fernández, Evelio Martín
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais (Computação)
Sistemas de comunicação sem fio
Drone
Engenharia Elétrica
Link de acesso: https://hdl.handle.net/1884/94256
Resumo: Orientador: Prof. Dr. Evelio Martín García Fernández
id UFPR_3aa6faecac32a11265e07f0ba8cf8ee2
oai_identifier_str oai:acervodigital.ufpr.br:1884/94256
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Zimmer, Alessandro, 1969-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaGarcía Fernández, Evelio MartínSilva, Jaqueline dos Santos2025-01-09T13:39:22Z2025-01-09T13:39:22Z2024https://hdl.handle.net/1884/94256Orientador: Prof. Dr. Evelio Martín García FernándezCoorientador: Prof. Dr. Alessandro ZimmerDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 19/08/2024Inclui referênciasResumo: Reconhecendo a crescente importância dos veículos aéreos não tripulados, mais especificamente drones, nas operações de vigilância de tráfego urbano, este projeto de pesquisa busca abordar os desafios associados à comunicação sem fio em ambientes propensos a interferências no sinal de comunicação. Propõe-se o desenvolvimento de uma rede neural artificial para prever a intensidade do sinal Wi-Fi durante voos de drones, fornecendo suporte em cenários de emergência que envolvam operações de resgate em locais de acidentes de trânsito. O algoritmo desenvolvido é um perceptron multicamadas com uma camada oculta e as seguintes características de entrada: altitude, ângulo de elevação, tipo de terreno, distância entre o drone e seu controlador, velocidade e porcentagem de bateria. Para validar a confiabilidade da solução proposta, os resultados obtidos com a rede neural foram comparados com simulações de voo de drones utilizando o modelo Longley-Rice, por meio do Radio Mobile, um software amplamente utilizado para o planejamento e modelagem de redes de comunicação sem fio. Na região rural, o perceptron multicamadas obteve um RMSE de 1,95 dB, enquanto o modelo Longley-Rice mostrou um RMSE significativamente maior de 8,23 dB. Na região suburbana, o perceptron multicamadas apresentou um RMSE de 2,93 dB, em comparação com o RMSE de 10,88 dB do modelo Longley-Rice. Na região urbana, o perceptron multicamadas teve um RMSE de 2,39 dB, enquanto o modelo Longley-Rice exibiu um RMSE de 12,84 dB. Esses resultados destacam o perceptron multicamadas como uma alternativa promissora para a previsão da intensidade do sinal em voos de drones em áreas com diferentes níveis de urbanizaçãoAbstract: Recognizing the growing importance of unmanned aerial vehicles, specifically drones, in urban traffic surveillance operations, this research project aims to address the challenges associated with wireless communication in environments prone to signal interference. The development of an artificial neural network is proposed to predict Wi-Fi signal strength during drone flights, providing support in emergency scenarios involving rescue operations at traffic accident sites. The developed algorithm is a multilayer perceptron with one hidden layer and the following input features: altitude, elevation angle, terrain type, distance between the drone and its controller, speed, and battery percentage. To validate the reliability of the proposed solution, the results obtained with the neural network were compared with drone flight simulations using the Longley-Rice model, through Radio Mobile, a widely used software for planning and modeling wireless communication networks. In the rural area, the multilayer perceptron achieved an RMSE of 1.95 dB, while the Longley-Rice model showed a significantly higher RMSE of 8.23 dB. In the suburban area, the multilayer perceptron presented an RMSE of 2.93 dB, compared to the RMSE of 10.88 dB from the Longley-Rice model. In the urban area, the multilayer perceptron had an RMSE of 2.39 dB, while the Longley-Rice model exhibited an RMSE of 12.84 dB. These results highlight the multilayer perceptron as a promising alternative for predicting signal strength in drone flights in areas with varying levels of urbanization1 recurso online : PDF.application/pdfRedes neurais (Computação)Sistemas de comunicação sem fioDroneEngenharia ElétricaPrediction of communication signals strength with UAVs using artificial neural networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - JAQUELINE DOS SANTOS SILVA.pdfapplication/pdf5302698https://acervodigital.ufpr.br/bitstream/1884/94256/1/R%20-%20D%20-%20JAQUELINE%20DOS%20SANTOS%20SILVA.pdf6ebcc3be2c0f4aec2fa03a084514e5d8MD51open access1884/942562025-01-09 10:39:22.394open accessoai:acervodigital.ufpr.br:1884/94256Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082025-01-09T13:39:22Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Prediction of communication signals strength with UAVs using artificial neural networks
title Prediction of communication signals strength with UAVs using artificial neural networks
spellingShingle Prediction of communication signals strength with UAVs using artificial neural networks
Silva, Jaqueline dos Santos
Redes neurais (Computação)
Sistemas de comunicação sem fio
Drone
Engenharia Elétrica
title_short Prediction of communication signals strength with UAVs using artificial neural networks
title_full Prediction of communication signals strength with UAVs using artificial neural networks
title_fullStr Prediction of communication signals strength with UAVs using artificial neural networks
title_full_unstemmed Prediction of communication signals strength with UAVs using artificial neural networks
title_sort Prediction of communication signals strength with UAVs using artificial neural networks
author Silva, Jaqueline dos Santos
author_facet Silva, Jaqueline dos Santos
author_role author
dc.contributor.other.pt_BR.fl_str_mv Zimmer, Alessandro, 1969-
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.advisor1.fl_str_mv García Fernández, Evelio Martín
dc.contributor.author.fl_str_mv Silva, Jaqueline dos Santos
contributor_str_mv García Fernández, Evelio Martín
dc.subject.por.fl_str_mv Redes neurais (Computação)
Sistemas de comunicação sem fio
Drone
Engenharia Elétrica
topic Redes neurais (Computação)
Sistemas de comunicação sem fio
Drone
Engenharia Elétrica
description Orientador: Prof. Dr. Evelio Martín García Fernández
publishDate 2024
dc.date.issued.fl_str_mv 2024
dc.date.accessioned.fl_str_mv 2025-01-09T13:39:22Z
dc.date.available.fl_str_mv 2025-01-09T13:39:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/94256
url https://hdl.handle.net/1884/94256
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/94256/1/R%20-%20D%20-%20JAQUELINE%20DOS%20SANTOS%20SILVA.pdf
bitstream.checksum.fl_str_mv 6ebcc3be2c0f4aec2fa03a084514e5d8
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526346895392768

Registros relacionados