Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/38884
Tipo: | Tese |
Título: | Aplicações de aprendizagem de máquina na estimação de qualidade de enlace em comunicações sem fio |
Título(s) alternativo(s): | Machine learning applications in link quality Estimation in wireless communications |
Autor(es): | Wendley Souza da Silva |
Primeiro Orientador: | José Marcos Silva Nogueira |
Primeiro Coorientador: | Daniel Fernandes Macedo |
metadata.dc.contributor.advisor-co2: | Michele Nogueira Lima |
Primeiro membro da banca : | Francisco Rodrigo Porto Cavalcanti |
Segundo membro da banca: | José Ferreira de Rezende |
Terceiro membro da banca: | Luiz Filipe Menezes Vieira |
Quarto membro da banca: | Marcos Augusto Menezes Vieira |
Resumo: | A popularização dos dispositivos embarcados e a sua comunicação direta sem fio, i.e. comunicação máquina a máquina (M2M), é uma tendência crescente nas redes atuais. Um número cada vez maior de dispositivos embarcados suporta diferentes tipos de aplicações, tais como cuidados de saúde, vigilância, monitoramento de gás entre outros, que exigem um nível elevado de confiabilidade de comunicação, devido à informação crítica que carregam. No entanto, o uso de muitos desses dispositivos aumenta a concorrência para o espectro de frequência, dificultando a obtenção de uma comunicação confiável. Para superar essas limitações, o uso de estimadores de qualidade de enlace (LQE – do inglês Link Quality Estimators) é crucial para proporcionar uma comunicação eficiente. Com o objetivo de possibilitar uma comunicação robusta e rápida sob condições adversas, tais como ruídos, este trabalho propõe dois novos LQE, chamados PRR2 e LQM, que utilizam múltiplas métricas de qualidade de enlace e diferentes estratégias para o cômputo da estimativa. O estimador PRR2 capta variações de qualidade do enlace no curto prazo, mas também considera as variações de longo prazo. O estimador LQM utiliza técnicas de aprendizado de máquina com detecção e tratamento de concept drift para prover uma estimativa precisa. Ambos estimadores propostos são comparados com o estado-daarte em um protótipo usando rádios USRPs (Universal Software Radio Peripheral), e os resultados mostram que as propostas aumentam a confiabilidade dos enlaces ao reduzir o número de retransmissões em até 61% e ao aumentar a taxa de entrega em até 43%. |
Abstract: | The popularization of embedded devices and their direct wireless communication, i.e., machine-to-machine (M2M) communication, is a growing trend in today’s networks. An increasing number of embedded devices support different types of applications, such as healthcare, surveillance, gas monitoring, among others, which require a high level of communication reliability due to the critical information they carry. However, the use of many of these devices increases competition for the frequency spectrum, making it difficult to achieve reliable communication. To overcome these limitations, the use of link quality estimators (LQE - Link Quality Estimators) is crucial to provide efficient communication. In order to enable a robust and fast communication under adverse conditions, such as noise, this work proposes two new LQE, called PRR2 and LQM, which use multiple link quality metrics and different strategies for calculating the estimate. The PRR2 estimator captures variations in link quality in the short term, but also considers long-term variations. The LQM estimatotors are compared with the state-of-the-art in a prototype using USRPs (Universal Software Radio Peripheral) radios, and the results show that the proposals increase the reliability of the links by reducing the number of retransmissions by up to 61% and by increase the delivery rate by up to 43%. |
Assunto: | Computação – Teses Estimação de qualidade de enlace – Teses Redes de sensores sem fio – Teses Aprendizado de máquina – Teses |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
Curso: | Programa de Pós-Graduação em Ciência da Computação |
Tipo de Acesso: | Acesso Aberto |
metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-sa/3.0/pt/ |
URI: | http://hdl.handle.net/1843/38884 |
Data do documento: | 26-Nov-2020 |
Aparece nas coleções: | Teses de Doutorado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Tese Wendley 2020 vF - ficha Belkiz.pdf | Tese Wendley - versao Final | 3.77 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons