Alocação de potência e posicionamento de drones usando aprendizagem por reforço

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Parisotto, Rafaela de Paula
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: 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:
Engenharia elétrica
Drone
Link de acesso: https://repositorio.ufsc.br/handle/123456789/206385
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.
id UFSC_956a1fadcd4b89abd806de9a5678e096
oai_identifier_str oai:repositorio.ufsc.br:123456789/206385
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Alocação de potência e posicionamento de drones usando aprendizagem por reforçoEngenharia elétricaDroneDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.Desastres naturais de grande escala podem causar perdas imprevisíveis de vidas humanas e também de infraestruturas. Isso pode dificultar a capacidade dos sobreviventes, bem como das equipes de busca e salvamento, para se comunicar. Nesses casos, é crucial que uma rede de comunicação provisória seja implementada o mais rápido possível, a fim de restabelecer a comunicação e evitar novas vítimas. Como tal, uma solução promissora para redes de comunicação de emergência e adaptáveis é a implementação de drones equipados com estações rádio-base para atuar como pequenas células temporárias. Neste trabalho, uma solução inteligente baseada em aprendizagem por reforço é proposta para determinar a melhor alocação de potência de transmissão e posicionamento 3D de pequenas células em um cenário de emergência. O objetivo principal é maximizar o número de usuários cobertos pelos drones, considerando a mobilidade do usuário e as restrições da rede de acesso ao rádio. Os resultados mostram que o algoritmo proposto pode reduzir o número de usuários em outage quando comparado a uma abordagem de potência de transmissão fixa e mostra que também é capaz de fornecer a mesma cobertura, com menor potência média de transmissão e utilizando apenas metade dos drones necessários no caso de potência de transmissão fixa.Abstract: Large scale natural disasters can cause unpredictable losses of human lives and man-made infrastructure. This can hinder the ability of both survivors as well as search and rescue teams to communicate, decreasing the probability of finding survivors. In such cases, it is crucial that a provisional communication network is deployed as fast as possible in order to re-establish communication and prevent additional casualties. As such, one promising solution for mobile and flexible emergency communication networks is the deployment of drones equipped with base stations to act as temporary small cells. In this work, an intelligent solution based on reinforcement learning is proposed to determine the best transmit power allocation and 3D positioning of multiple drone small cells in an emergency scenario. The main goal is to maximize the number of users covered by the drones, while considering user mobility and radio access network constraints. Results show that the proposed algorithm can reduce the number of users in outage when compared to a fixed transmit power approach and that it is also capable of providing the same coverage, with lower average transmit power and using only half of the drones necessary in the case of fixed transmit power.Souza, Richard DemoUniversidade Federal de Santa CatarinaParisotto, Rafaela de Paula2020-03-31T15:30:13Z2020-03-31T15:30:13Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis52 p.| il., gráfs., tabs.application/pdf367870https://repositorio.ufsc.br/handle/123456789/206385porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2020-03-31T15:30:13Zoai:repositorio.ufsc.br:123456789/206385Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-03-31T15:30:13Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Alocação de potência e posicionamento de drones usando aprendizagem por reforço
title Alocação de potência e posicionamento de drones usando aprendizagem por reforço
spellingShingle Alocação de potência e posicionamento de drones usando aprendizagem por reforço
Parisotto, Rafaela de Paula
Engenharia elétrica
Drone
title_short Alocação de potência e posicionamento de drones usando aprendizagem por reforço
title_full Alocação de potência e posicionamento de drones usando aprendizagem por reforço
title_fullStr Alocação de potência e posicionamento de drones usando aprendizagem por reforço
title_full_unstemmed Alocação de potência e posicionamento de drones usando aprendizagem por reforço
title_sort Alocação de potência e posicionamento de drones usando aprendizagem por reforço
author Parisotto, Rafaela de Paula
author_facet Parisotto, Rafaela de Paula
author_role author
dc.contributor.none.fl_str_mv Souza, Richard Demo
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Parisotto, Rafaela de Paula
dc.subject.por.fl_str_mv Engenharia elétrica
Drone
topic Engenharia elétrica
Drone
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019
2020-03-31T15:30:13Z
2020-03-31T15:30:13Z
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 367870
https://repositorio.ufsc.br/handle/123456789/206385
identifier_str_mv 367870
url https://repositorio.ufsc.br/handle/123456789/206385
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 52 p.| il., gráfs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1785187753791586304

Registros relacionados