Towards Artificial Intelligence in Visible Light Communication Systems
Nome: WESLEY DA SILVA COSTA
Tipo: Tese de doutorado
Data de publicação: 20/04/2023
Orientador:
Nome |
Papel |
|---|---|
| JAIR ADRIANO LIMA SILVA | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| ALEXANDRE DE ALMEIDA PRADO POHL | Examinador Externo |
| HELDER ROBERTO DE OLIVEIRA ROCHA | Coorientador |
| JAIR ADRIANO LIMA SILVA | Orientador |
| MARCELO EDUARDO VIEIRA SEGATTO | Examinador Interno |
| MARIA JOSE PONTES | Examinador Interno |
Páginas
Resumo: Nos últimos anos, o uso crescente de dispositivos inteligentes e aplicações em Internet das Coisas (IoT) acelerou a demanda por largura de banda. No entanto, os sistemas sem fio de radiofrequência (RF) não podem atender a essas necessidades futuras devido ao congestionamento do espectro em áreas urbanas e largura de banda insuficiente, principalmente em ambientes internos. Esses fatos abrem caminho para alternativas para reduzir a pressão do espectro de RF, em tais condições, e também garantir altas taxas de
dados, baixa latência, confiabilidade e baixo custo. O avanço da tecnologia em diodos emissores de luz (LED, do inglês Light Emitting Diode) proporcionou iluminação de alta eficiência energética com comutação de intensidade de luz de alta velocidade. Estes fatos, juntamente com a possível crise de espectro, deram origem a interesses de pesquisa em Comunicação via Luz Visível, em que os dados são transmitidos usando a infraestrutura de iluminação existente. O VLC oferece uma alternativa complementar à RF, com espectro óptico não licenciado (aproximadamente 400 THz), segurança na camada física, baixa potência, alta velocidade e imunidade à interferência eletromagnética. Alta taxa de dados pode ser alcançada com a combinação do canal VLC de banda larga e esquemas de modulação multiportadoras. A modulação ortogonal por divisão de frequência (OFDM) é amplamente estudada devido à sua promoção de eficiência espectral e capacidade de lidar com multipercursos. No entanto, a não linearidade introduzida pela fonte de luz luminosa representa um desafio para a parametrização do OFDM, devido à sua alta relação de potência pico-média (PAPR). Este trabalho aborda o desafio de transmitir o sinal OFDM considerando a distorção de intermodulação (IMD) produzida pelos efeitos não lineares do LED. Esta Tese estuda os efeitos não lineares do LED, parâmetros VLC e seu desempenho para OFDM convencional e de envoltória constante (CE-OFDM). O sistema VLC é modelado e algoritmos de otimização são usados para atingir parâmetros que garantem eficiências de potência e espectral, limitadas pelas figuras de mérito de comunicação: taxa de erro de bit e magnitude do vetor de erro. Este trabalho também apresenta a aplicação de redes neurais artificiais na camada física de sistemas VLC. A rede neural de memória de longo e curto prazo (LSTM) é aplicada para prever posições, bem como ganho de canal, e também prever parâmetros otimizados. Além disso, é proposta uma investigação sobre a equalização OFDM usando arquiteturas de aprendizado profundo para um canal VLC multicaminhos de única entrada e única saída (SISO). As arquiteturas de redes neurais convolucionais (CNN) são aplicadas em equalização direta de símbolos mapeados OFDM, sem estimativa de canal, interpolação, nem divisão elementar, denominada CNN-Direct Equalization (CNN-DE). Resultados mostram que a otimização baseada em meta-heurísticas foi capaz de determinar os parâmetros do VLC para atender às restrições de comunicação. Além disso, enfatizam o trade-off de potência e eficiência espectral no VLC: maior eficiência espectral é alcançada com o aumento da corrente de compensação (potência) para lidar com o IMD, em contraste, para obter maior eficiência de potência, uma menor eficiência espectral é obtida. Os resultados das otimizações usando CEOFDM superam o OFDM convencional, com a escolha adequada do índice de modulação de fase. O LSTM mostrou-se poderoso para a previsão de roteamento e avaliação dos parâmetros otimizados. O CNN-DE (regressão) foi capaz de detectar os símbolos corretos para valores baixos de SNR (< 10 dB). No entanto, a
equalização CNN-DE baseada na classificação foi capaz de detectar os símbolos mapeados de forma semelhante à equalização baseada em mínimos quadrados.
