Caracterizacaocanalutilizando Leite 2019

U NIVERSIDADE F EDERAL DO R IO G RANDE DO N ORTE
C ENTRO DE T ECNOLOGIA
P ROGRAMA DE P ÓS -G RADUAÇÃO EM E NGENHARIA E LÉTRICA E
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
DE C OMPUTAÇÃO
Caracterização de canal utilizando Veículo

Aéreo Não Tripulado
Deyvid Lucas Leite
Orientador: Prof. Dr. Pablo Javier Alsina
Co-orientador: Prof. Dr. Vicente Angelo de Sousa Junior
Dissertação de Mestrado apresentada ao

Programa de Pós-Graduação em Engenharia
Elétrica e de Computação da UFRN (área de
concentração: Engenharia de Computação)
como parte dos requisitos para obtenção do
título de Mestre.
Número de ordem PPgEEC: M603

Natal, RN, outubro de 2019
Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Central Zila Mamede
Leite, Deyvid Lucas.

Caracterização de canal utilizando Veículo Aéreo Não Tripulado
/ Deyvid Lucas Leite. - 2019.
138f.: il.
Dissertação (Mestrado)-Universidade Federal do Rio Grande do

Norte, Centro de tecnologia, Programa de Pós-Graduação em
Engenharia Elétrica e de Computação, Natal, 2019.
Orientador: Dr. Pablo Javier Alsina.
Coorientador: Dr. Vicente Angelo de Sousa Junior.
1. VANT - Dissertação. 2. Desvanecimento - Dissertação. 3.

Doppler - Dissertação. 4. Multipercurso - Dissertação. 5.
Sombreamento - Dissertação. I. Alsina, Pablo Javier. II. Sousa
Junior, Vicente Angelo de. III. Título.
RN/UF/BCZM CDU 621.3:004

Aos meus pais, Joailton Eloi Leite e
Telma Lucas Leite, pelo apoio
durante a realização deste trabalho.
Agradecimentos
Ao meu orientador Prof. Dr. Pablo Javier Alsina, sou grato pela confiança depositada
nesse trabalho e toda orientação.
Ao meu co-orientador Prof. Dr. Vicente Angelo de Sousa Junior, sou grato pela orientação
e pela confiança depositada neste trabalho.
À minha família pelo apoio durante esta jornada.
À CAPES, pelo apoio financeiro.

Resumo
A utilização de Veículo Aéreo Não Tripulado (VANT) para prover serviços como
internet, entregas de mercadorias e táxi aéreo vem se tornando realidade nos últimos
anos. A utilização dessas aeronaves exige uma comunicação segura entre a estação
de controle e o VANT, tarefa facilitada ao se conhecer as características do canal de
comunicação. Este trabalho se destina a apresentar um setup de medição utilizando uma
aeronave não tripulada, e usar os dados medidos para a caracterização do canal de RF.
As medições foram realizadas com um VANT Dji Phantom 3 standard equipado com um
módulo XBee PRO 900HP para a comunicação entre o VANT e a estação de controle em
terra. Os dados coletados foram analisados de modo a caracterizar o desvanecimento
de larga escala (perda de percurso e sombreamento) e o desvanecimento de pequena
escala (multipercurso e doppler) em cenários de caatinga, sobre um lago e uma região
mista com os dois ambientes anteriores. O trabalho a seguir apresenta os dados coletados
nas campanhas de medição, o processamento realizado pelos scripts desenvolvidos e os
resultados da caracterização do Canal RF.
Palavras-chave: VANT, Canal, Desvanecimento, Doppler, Multipercurso,

Sombreamento.
Abstract
The use of Unmanned Aerial Vehicle (UAV) to provide services such as internet,
goods delivery and air taxi has become a reality in recent years. The use of these
aircraft requires secure communication between the control station and the UAV, a task
made easier by knowing the characteristics of the communication channel. This work
is intended to present a measurement setup using an unmanned aircraft, and to use the
measured data for RF channel characterization. The collected data were analyzed in
order to characterize the large scale fading (path loss and shadowing) and the small scale
fading (multipath and doppler) in caatinga scenarios, over a lake and a region mixed
with the two previous environments. The following work presents the data collected in
the measurement campaigns, the processing performed by the developed scripts and the
results of the RF Channel characterization.
Keywords: UAV, Channel, Fading, Doppler, Multipath, Shadowing.

Sumário
Sumário i
Lista de Figuras v
Lista de Tabelas ix
Lista de Símbolos e Abreviaturas xi
1 Introdução 1
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Trabalhos relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Fundamentação teórica 11
2.1 Sistema de comunicação móvel . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Desvanecimento de larga escala . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Modelagem da perda de percurso . . . . . . . . . . . . . . . . . 14
2.2.2 Modelagem do sombreamento . . . . . . . . . . . . . . . . . . . 17
2.3 Desvanecimento de pequena escala . . . . . . . . . . . . . . . . . . . . . 17
3 Metodologia 23
3.1 Setup de medição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1.1 Veiculo aéreo não tripulado - VANT . . . . . . . . . . . . . . . . 25
3.1.2 Sistema de transmissão de dados Ar-Terra . . . . . . . . . . . . . 26
3.1.3 Configuração do setup . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 Estação de controle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
i
3.3 Pós-processamento dos dados de RF . . . . . . . . . . . . . . . . . . . . 33
3.3.1 Análises do desvanecimento de larga escala . . . . . . . . . . . . 35
3.3.2 Análise do desvanecimento de pequena escala . . . . . . . . . . . 36
3.3.3 Teste de Kolmogorov - Smirnov . . . . . . . . . . . . . . . . . . 38
4 Teste de validação: resultados simulados 41
4.1 Descrição do Experimento . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.1.1 Desvanecimento de Larga Escala . . . . . . . . . . . . . . . . . 43
4.1.2 Desvanecimento de Pequena Escala: Análise do multipercurso . . 45
4.1.3 Desvanecimento de Pequena Escala: Análise da Doppler . . . . . 47
5 Resultados Experimentais 53
5.1 Cenários de Medição . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1.1 Cenário 1: Região de lago . . . . . . . . . . . . . . . . . . . . . 55
5.1.2 Cenário 2: Região de vegetação da Caatinga . . . . . . . . . . . . 58
5.1.3 Cenário 3: Região mista . . . . . . . . . . . . . . . . . . . . . . 60
5.2 Resultados do desvanecimento de larga escala . . . . . . . . . . . . . . . 61
5.3 Desvanecimento de pequena escala . . . . . . . . . . . . . . . . . . . . . 67
5.3.1 Estatísticas de segunda ordem . . . . . . . . . . . . . . . . . . . 72
5.4 Simulação da antena do módulo XBee . . . . . . . . . . . . . . . . . . . 76
5.5 Discussões sobre os resultados . . . . . . . . . . . . . . . . . . . . . . . 79
6 Conclusões 83
6.0.1 Sugestões de trabalhos futuros . . . . . . . . . . . . . . . . . . . 84
Referências bibliográficas 85
Anexo 94
A Informações adicionais 95
I Sobre os softwares usados 105
I.1 Configuração do software . . . . . . . . . . . . . . . . . . . . . . . . . . 105
I.1.1 Código usado para aquisição dos valores de RSSI . . . . . . . . . 113
Anexo 104
Lista de Figuras
2.1 Componentes básicos do sistema de transmissão. . . . . . . . . . . . . . 12
2.2 Componentes básicos do sistema de recepção. . . . . . . . . . . . . . . . 12
2.3 Mecanismos relacionados à propagação da onda de rádio frequência. . . . 14
2.4 Manifestações canal móvel: Desvanecimentos de larga (perda de percurso

e sombreamento) e pequena escalas. . . . . . . . . . . . . . . . . . . . . 18
2.5 Ilustração do efeito dos Multipercursos. . . . . . . . . . . . . . . . . . . 19
2.6 Ilustração do efeito do deslocamento Doppler. . . . . . . . . . . . . . . . 20
3.1 Ilustração do setup de medição. . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Módulo XBee. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 XBee explorer USB adapter. . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4 Comunicação do módulo XBee e o microcontrolador Arduino. . . . . . . 30
3.5 Estação de recepção para o teste de validação. . . . . . . . . . . . . . . . 32
3.6 VANT Phantom 3 Standard equipado com o módulo XBee e Power bank. 33
3.7 CDF teórica estimada e medida. . . . . . . . . . . . . . . . . . . . . . . 39
4.1 Fluxograma da geração do sinal e filtragem. . . . . . . . . . . . . . . . . 42
4.2 Processo para gerar o desvanecimento de pequena escala do canal Rayleigh. 42
4.3 Fluxograma para estimar o doppler via às estatísticas de LCR e AFD. . . 43
4.4 Separação do desvanecimento de larga escala. . . . . . . . . . . . . . . . 44
4.5 Sombreamento para dois sinais. . . . . . . . . . . . . . . . . . . . . . . 45
4.6 Desvanecimento de pequena escala. . . . . . . . . . . . . . . . . . . . . 46
4.7 A CDF teórica e medida. . . . . . . . . . . . . . . . . . . . . . . . . . . 46
v
4.8 PDF teórico e medido. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.9 LCR teórica e medida para frequência máxima Doppler de 4,3 Hz. . . . . 48
4.10 AFD teórico e medido para frequência Doppler máxima de 4,3 Hz. . . . . 48
4.11 Estimação da frequência Doppler. . . . . . . . . . . . . . . . . . . . . . 49
4.12 LCR teórico do canal Weibull para diferentes β. . . . . . . . . . . . . . . 50
4.13 AFD teórico do canal Weibull para diferentes β. . . . . . . . . . . . . . . 51
5.1 Voo sobre o lago a 8 metros. . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 Voo sobre o lago a 80 metros. . . . . . . . . . . . . . . . . . . . . . . . . 56
5.3 Área de voo sobre o lago. . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4 Região de Caatinga que o VANT sobrevoo. . . . . . . . . . . . . . . . . 58
5.5 Região de Caatinga que o VANT sobrevoo a altura de 80 metros. . . . . . 59
5.6 Região de ambiente misto a 80 metros de altura. . . . . . . . . . . . . . . 60
5.7 Região de ambiente misto. . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.8 Perda de percurso para diferentes alturas e velocidades. . . . . . . . . . . 62
5.9 Perda de percurso para região mista. . . . . . . . . . . . . . . . . . . . . 63
5.10 Perda de percurso para ambiente de Caatinga. . . . . . . . . . . . . . . . 64
5.11 Resultado da filtragem do desvanecimento de larga escala. . . . . . . . . 66
5.12 CDF para o ambiente de lago com altura de 8 metros. . . . . . . . . . . . 68
5.13 CDFs para o ambiente de lago com altura de 80 metros. . . . . . . . . . . 69
5.14 CDFs para o ambiente de lago com velocidade de 1 km/h. . . . . . . . . . 69
5.15 CDFs para o ambiente de lago com velocidade de 3 km/h. . . . . . . . . . 70
5.16 CDFs para o ambiente misto com altura de 80 metros. . . . . . . . . . . . 71
5.17 CDFs para o ambiente de mata com altura de 80 metros. . . . . . . . . . 71
5.18 Máxima frequência Doppler para ambiente de lago. . . . . . . . . . . . . 73
5.19 Máxima frequência Doppler para ambiente de Caatinga e misto. . . . . . 73
5.20 Estimação da velocidade para voo sobre o lago. . . . . . . . . . . . . . . 75

5.21 Estimação da velocidade para voos sobre os ambientes de Caatinga e Misto. 75
5.22 Lóbulo de radiação da antena em 3D. . . . . . . . . . . . . . . . . . . . . 77
5.23 Diagrama de radiação da antena em 2D. . . . . . . . . . . . . . . . . . . 77
5.24 Perda de retorno e coeficiente de reflexão. . . . . . . . . . . . . . . . . . 78
5.25 Comportamento dos lóbulos das antenas em relação a altura de 8 metros. . 78
5.26 Comportamento dos lóbulos das antenas em relação a altura de 80 metros. 79
A.1 CDFs para o ambiente de lago a 8 m de altura com velocidade de 1 km/h. 95
A.2 CDFs para o ambiente lago a 8 m de altura com velocidade de 3 km/h. . . 96
A.3 CDFs para ambiente lago a 80 m de altura com velocidade de 1 km/h. . . 96
A.4 CDFs para ambiente lago a 80 m de altura com velocidade de 3 km/h. . . 97
A.5 CDFs para ambiente de caatinga a 80 m de altura com velocidade de 1 km/h. 97
A.6 CDFs para ambiente de caatinga a 80 m de altura com velocidade de 3 km/h. 98
A.7 CDFs para ambiente Misto a 80 m de altura com velocidade de 1 km/h. . 98
A.8 CDFs para ambiente Misto a 80 m de altura com velocidade de 3 km/h.. . 99
A.9 PDFs para ambiente Misto a 8 m de altura com velocidade de 1 km/h. . . 99
A.10 PDFs para ambiente lago a 8 m de altura com velocidade de 3 km/h. . . . 100
A.11 PDFs para ambiente lago a 80 m de altura com velocidade de 1 km/h. . . 100
A.12 PDFs para ambiente lago a 80 m de altura com velocidade de 3 km/h. . . 101
A.13 PDFs para ambiente de caatinga a 80 m de altura com velocidade de 1 km/h.101
A.14 PDFs para ambiente de caatinga a 80 m de altura com velocidade de 3 km/h.102
I.1 Interface do software XCTU. . . . . . . . . . . . . . . . . . . . . . . . . 106
I.2 Interface do XCTU para configuração da porta serial/USB. . . . . . . . . 107
I.3 Interface para adicionar os módulos XBee. . . . . . . . . . . . . . . . . . 108
I.4 Interface mostrando o local que indica que o módulo XBee foi reconhecido.108
I.5 Interface para verificar os pacotes gerados, enviados e recebidos. . . . . . 109
I.6 Interface de configuração geral do módulo XBee. . . . . . . . . . . . . . 110
I.7 Interface mostrando as ferramentas disponíveis para análise. . . . . . . . 110
I.8 Interface para geração de pacotes. . . . . . . . . . . . . . . . . . . . . . 111
I.9 Interface para adicionar um módulo XBee local. . . . . . . . . . . . . . . 112
I.10 Interface para aceitar o módulo XBee local. . . . . . . . . . . . . . . . . 113
I.11 Interface com nível de potência recebida em cada terminal XBee. . . . . . 113
Lista de Tabelas
1.1 Trabalhos em caracterização de canal com VANTs. . . . . . . . . . . . . 6
2.1 Parâmetros de Fórmula de Friss . . . . . . . . . . . . . . . . . . . . . . 15

2.2 Valores do expoente da perda de percurso para diferentes ambientes. . . . 16
5.1 Tabela de temperatura e velocidade média do vento no dia da medição. . . 54

5.2 Tabela dos diferentes cenários. . . . . . . . . . . . . . . . . . . . . . . . 54
5.3 Cenário 1: parâmetros das medições e número de amostras. . . . . . . . . 57
5.6 Expoente de perda de percurso para diferentes ambientes. . . . . . . . . . 65
5.7 Medidas de sombreamento. . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.8 Parâmetros das distribuições. . . . . . . . . . . . . . . . . . . . . . . . . 67
5.9 Variação máxima e mínima do espalhamento Doppler teórico. . . . . . . 74
ix
Lista de Símbolos e Abreviaturas
ACK Acknowledgement
AFD Average Fade Duration
BER Bit Error
Bc Banda de Coerência
CDF Cumulative Distribution Function
FFT Fast Fourier Transform
GPS Global Positioning System
IFFT Inverse Fast Fourier Transform
LCR Level Crossing Rate
LNA Low Noise Amplifier
LoS Line of Sight
MAC Media Access Control
MLE Maximum likelihood estimation
MSE Mean Squared Error
NACK Negative Acknowledgment
PDF Probability Density Function
xi
RF Rádio Frequência
RSSI Received Signal Strength Indicator
SNR Signal-to-Noise Ratio
SW R Standing Wave Ratio
UART Universal Asynchronous Receiver/Transmitter
URLLC Ultra Reliable Low Latency Communication
USB Universal Serial Bus
VANT Veículo Aéreo Não Tripulado
fm Máxima Frequência Doppler

Capítulo 1
Introdução
1.1 Introdução
Veículo aéreo não tripulado (VANT) é um termo genérico dado a aeronaves que
voam sem tripulação. Esse tipo de aeronave vem ganhando notoriedade com aplicações
em diferentes ambientes. Por serem aeronaves que variam em porte, diversos modelos
estão disponíveis para o público, se encaixando em diferentes aplicações. Segundo
(Otake, 2017), (Azambuja, 2016), e (Abade et al., 2016), os VANTs já desempenham
papel importante na agricultura, coleta de dados ambientais, monitoramento de regiões
de floresta, monitoramento de queimadas, sensoriamento remoto, aplicações militares,
entre outras áreas.
Diversos projetos de grande porte utilizando VANTs têm sido desenvolvidos no

mundo.
Alguns VANTs têm baixo custo e encontram aplicações em áreas diferentes das
tradicionais. Grandes empresas e centros de pesquisa vem testando a viabilidade do uso
de drones para entrega de mercadorias. Por exemplo, a empresa Amazon já testou um
sistema de entrega utilizando VANTs. O foco é utilizar as aeronaves para fazerem o
serviço em regiões distantes e montanhosas (Kimchi et al., 2017).
O mercado para drones tem apresentado grande competitividade em relação aos

fabricantes. Por exemplo, em 2014 o Facebook comprou a empresa britânica Ascenta,
2 CAPÍTULO 1. INTRODUÇÃO
e manteve os funcionários que participaram do desenvolvimento do VANT Zephyr at

QinetiQ (Alves and Morais, 2009). O intuito foi desenvolver o projeto de um grande
VANT, chamado de Aquila, com envergadura de 42 m e 400 kg equipado com painéis
solares para recarregar as baterias. Assim, ele poderia voar a uma altura de 18 à 27 km
por 3 meses. Esperava-se que esse projeto pudesse distribuir Internet a regiões remotas e
áreas rurais (Simonite, 2015), porém o projeto foi descontinuado em 2018.
Em 2016, a empresa Uber Technologies lançou um documento intitulado "Avanço

Rápido para um Futuro do Transporte Aéreo Urbano Sob Demanda" (Holden and
Goel, 2016). O objetivo foi delinear seus planos para o transporte em carros voadores
para os passageiros até 2026. O projeto prevê a criação de uma rede de veículos aéreos
acessíveis à pessoas comuns que desejam se livrar do trânsito. Estima-se que com essas
aeronaves, em uma cidade do tamanho de São Francisco, nos Estados Unidos da América,
um percurso de 2 horas poderia ser feito em 15 minutos. Esse tipo de VANT tem um apelo
comercial que envolve milhões em dinheiro. Mais detalhes do projeto são encontrados
em (Popa et al., 2017; Holden and Goel, 2016).
Em (Naqvi et al., 2018), é proposto um sistema de comunicação assistida por

drone como principal facilitador de segurança pública na era 5G. É apresentado um
estudo de caso que prevê que os drones operem ao lado da infraestrutura de telefonia
celular, permitindo que os usuários estabeleçam um enlace de comunicação utilizando as
aeronaves como ponto de acesso.
A rede 5G também será usada para controlar os VANTs. Essa aplicação exige
uma comunicação ultra confiável e de baixa latência. No 5G, essas redes estão sendo
chamadas de Ultra Reliable Low Latency Communication (URLLC) (Sybis et al., 2016).
A implementação da URLLC tem introduzido uma infinidade de desafios em termos
de projeto do sistema de comunicação (Popovski et al., 2017). O sistema de banda
larga móvel atual tem como objetivo a eficiência espectral, podendo utilizar esquemas
de retransmissão de pacotes para obter alta confiabilidade. Este, no entanto, não é o
1.1. INTRODUÇÃO 3
caso do URLLC devido às restrições de latência. O requisito de baixa latência pode ser
alcançado ao desburocratizar a arquitetura da rede 5G e permitir oportunidades de acesso
ao meio mais frequentes. Já a confiabilidade do 5G URLLC pode ser viabilizada por
estratégias avançadas de codificação de canal e diversidade de transmissão e recepção.
Tais estratégias, especialmente a segunda, necessitam de conhecimento prévio do canal
de comunicação para atingir seu ganho máximo.
O conhecimento do canal permite ao projetista, ou até mesmo ao sistema de maneira

autônoma, conhecer a principal barreira a se vencer para o sucesso na transmissão da
informação. Teoricamente, ao se conhecer com precisão as características do canal, é
possível explorar por completo a capacidade do enlace de comunicação.
O sistema de RF utilizado pelos VANts enfrenta problemas relacionados ao efeito

Doppler (devido a velocidade) e aos multipercursos (devido aos espalhadores da onda).
Em 2013, foi criado um comitê especial nos Estados Unidos (SC-228) formado pela
Comissão Técnica de Rádio para Aeronáutica (RTCA) para definir padrões mínimos
de desempenhos para os VANTs (Dalamagkidis et al., 2008). Assim, a comunicação
entre o VANT e a estação de controle deve ser confiável garantindo parâmetros mínimos
de exigência para voos. Em 2016, a RTCA também estabeleceu o comitê consultivo
de VANTs para garantir a introdução segura de VANTs no sistema nacional de espaço
aéreo dos Estados Unidos (Federal Aviation Administration, 2017). Além disso, a
Administração Nacional de Aeronáutica e Espaço (NASA) e a Administração Federal
de Aviação (FAA) lançaram uma iniciativa de pesquisa conjunta para integrar os VANTs
no sistema nacional de espaço aéreo dos Estados Unidos (Rios et al., 2016).
Como os VANTs estão sujeitos ao efeito Doppler devido à velocidade relativa com
que se movimentam em relação à estação terrestre, é de grande importância modelar esse
efeito. O efeito Doppler atua espalhando o sinal no domínio da frequência, acarretando
seletividade no domínio do tempo. Nessa situação de desvanecimento, é possível que
o tempo de coerência seja menor que o tempo de símbolo, mesmo para transmissões
com alta taxa. Isso acarreta desvanecimento rápido que traz como consequência a
variação severa de amplitude e fase do sinal. Já para o processo de recepção, a principal
consequência é o piso de BER (Bit Error Rate), sendo uma situação em que mesmo
aumentando a SNR do sistema, não existe melhora efetiva na BER.
A comunicação com drone também está sujeita ao efeito do multipercurso (multipath),

pois existe uma mudança muito rápida na disposição dos espalhadores do sinal entre a
estação de controle e a aeronave. Essa situação, além de influenciar no efeito Doppler
(devido ao movimento dos espalhadores), causa um perfil variante dos múltiplos sinais
que chegam no receptor. O multipath atua espalhando o sinal no domínio do tempo,
acarretando seletividade no domínio da frequência. Nessa situação de desvanecimento,
a banda de coerência tem a chance de ser menor que a banda do sinal, mesmo para
transmissões com baixa taxa. Isso acarreta desvanecimento seletivo em frequência, que
traz como consequência a interferência inter-simbólica, e mais uma vez, o piso de BER.
Assim, a caracterização de canal permite identificar a quais efeitos (e com qual

intensidade) o sinal transmitido está sujeito, para que, as contra-medidas corretas sejam
empregadas na recepção. Isso pode ocorrer ainda na fase de escolha do sistema (escolha
pelo que atende minimamente os requisitos), como também em sistemas já instalados
(escolha adaptativa dos parâmetros de transmissão e recepção para minimizar a BER e/ou
diminuir o atraso).
O ambiente de caatinga e o espelho d’água trazem especificidades distintas que podem

influenciar diferentemente os resultados da caracterização do canal de rádio frequência.
A Caatinga é um bioma brasileiro que predomina na região nordeste e possui uma área de
850.000 km2 . A sua vegetação se modifica no período das chuvas ganhando folhas, e volta
a perde-las no período de seca, que pode durar mais de 6 meses (Giulietti et al., 2004).
Essas características podem contribuir para uma mudança do perfil dos espalhadores do
sinal. Já a comunicação sobre o espelho d’água pode ser tratada como um caso de
propagação em um espaço aberto, com refletividade e rugosidade diferentes da superfícies
1.2. TRABALHOS RELACIONADOS 5
do solo. Geralmente esta região tem um número menor de obstáculos que a região
de Caatinga, como consequência, podem apresentar um perfil mais curto de atraso do
sinal (Khawaja et al., 2019).
Este trabalho utilizou um VANT do modelo Phantom 3 Standard para realizar

medições do sinal eletromagnético sobre as regiões citadas. Foram obtidas medidas do
sinal com o VANT em movimento no canal Ar - Terra utilizando os módulos XBee. Um
dos módulos foi fixado na estrutura da aeronave e o outro ficou em terra. Os dados
medidos serviram para caracterizar o canal em função de desvanecimento de pequena e
grande escala, usando estatística de primeira e segunda ordem.
1.2 Trabalhos relacionados
Foi realizado um levantamento de trabalhos sobre caracterização de canal utilizando

VANTs. Para tal, foram utilizados os dois principais bancos de dados de trabalhos
científicos (Web of Science e Scorpus), bem como uma busca livre no Google. Como
resultado inicial, foi encontrado um trabalho recente (Khuwaja et al., 2018), do tipo
survey, que catalogou os principais estudos feitos até 2018. A Tabela 1.1 foi reproduzida
baseada em (Khuwaja et al., 2018).
Verifica-se na Tabela 1.1 que a grande parte dos trabalhos se concentra no estudo
do desvanecimento plano. São feitos caracterização da perda de percurso, alguns dos
estudos identificam a função de distribuição acumulada (CDF - Cumulative Distribution
Function) e a função densidade de probabilidade (PDF - Probability Density Function)
que melhor descrevem o canal. Poucos estudos utilizaram estatística de segunda ordem.
Também é perceptível a falta de trabalhos sobre regiões de Caatinga e espelho d’água.
As características de propagação para sistemas celulares terrestres são frequentemente

corroboradas por modelos empíricos e analíticos bem estabelecidos (Panagopoulos
et al., 2004; Chini et al., 2010). No entanto, estes modelos muitas vezes podem não ser
Tabela 1.1: Trabalhos em caracterização de canal com VANTs.

Estatísticas
Trabalho Frequência UAV Cenário Altitude
do Canal
PDF, CDF, AFD,
(Simunek, Fontán and Pechac, 2013) 2 GHz Dirigível Urbano 100-170 m
LCR, PSD, AF
(Simunek et al., 2011) 2 GHz Dirigível Urbano 150-300 m PL
5.76 GHz PL, SF, K, RMS,
(Cai et al., 2017) Hexacoptero Suburbano 0-50 m
1,817 GHz CDF
Campo Aberto, PL, SF, µ, ε, PDF,
(Khawaja et al., 2016) 4,3 GHz Quadricoptero 4-16 m
Suburbano CDF, RMS, BC
Laboratório, PL, PAS, K,
(Goddemeier and Wietfeld, 2015) 2.4 GHz Hexacoptero 10-40 m
Ar Livre PDF
(Yanmaz et al., 2013) 802.11a Quadricoptero Campo aberto 15-110 m PL, PAS, CDF
Campo aberto,
(Yanmaz et al., 2011) 802.11a Quadricoptero 20-100 m PL
Área de campo
(Cheng et al., 2006) 802.11a Asa Fixa Aeródromo 46 m PL
802.11a/g, 46 m,
(Hague et al., 2006) Asa Fixa Aeródromo, Rural PL
900 MHz 107-274 m
Asa Fixa,
(Goddemeier et al., 2010) GSM, UMTS Urbano, Rural 0-500 m PL
Balão de captação
GSM, UMTS,
(Tavares et al., 2015) Balão meteorológico Urbano 11-18 m PL
LTE
(Amorim et al., 2017) LTE (800 MHz) Hexacoptero Rural 15-100 m PL, SF
(Al-Hourani and Gomez, 2018) LTE (850 MHz) Quadricoptero Suburbano 15-120 m PL, SF
CDF, DG,
(Simunek, Fontan, Pechac and Otero, 2013) 2 GHz Dirigível Urbano,Região Arborizada 100-170 m
AFD, LCR
(Simunek, Pechac and Fontan, 2013) e RMS, DS,
5,8 GHz Octocoptero Residential -
(Gutierrez et al., 2017) CDF
(Kung et al., 2010) 802.11b/g Asa Fixa Região agrícola 75 m AF, DG
PCS, AWS,
(Qualcomm, 2017) Quadricoptero Mix suburbano 122 m PL, CDF
700 MHz
EDGE, HSPA+,
(Afonso et al., 2016) Hexacoptero - 10-100 m RTT, J
LTE
Campo Aberto,
(Teng et al., 2017) 909 MHz Quadricoptero 40-60 m PL, PES
Vila Simulada
AF: Correlation function, AFD: Average fade duration, BC: Coherence bandwidth,
CDF: Cumulative distribution function, DG: Diversity gain, DS: Doppler spread, J: Jitter, K: Rician factor,
LCR: Level crossing rate, PAS: Power azimuth spectrum, PDF: Probability density function,
PDP: Power delay profile, PES: Power elevation spectrum, PL: Path loss, RMS: RMS delay spread,
RTT: Round trip time, SF: Shadow fading, e µ, ε: Mean and standard deviation of Nakagami m factor.
Fonte: (Khuwaja et al., 2018)
adequados para caracterizar o canal de propagação dos VANTs, devido as características

exclusivas dos mesmos. Os sistemas de comunicações móveis usados por VANTs podem
apresentar as seguintes características:
• Canais distintos: Canais terra-ar e ar-ar;

• Altitude do VANT;
• Vegetação;
• Espelho d’água;
• Mudança brusca de velocidade;
• A presença do sombreamento causado pela estrutura drone;
• Mudança no desvanecimento de pequena escala devido à capacidade de rotação do
VANT.
Similar aos sistemas celulares, modelos analíticos (e/ou empíricos) confiáveis são
necessários para avaliar o desempenho de diferentes técnicas de comunicação sem fio para
VANTs. No contexto dos canais Ar-Terra de VANTs, as abordagens para a caracterização
do canal podem ser classificadas em três abordagens:
• A primeira abordagem é desenvolver modelos determinísticos que se valem de

leis do eletromagnetismo para estimar o nível da potência do sinal de RF na
recepção. Especificamente para drones, são considerados a altitude do VANT
e o ângulo de elevação do solo. Alguns trabalhos exploram os modelos com
estas características como (Daniel et al., 2010; Feng, McGeehan, Tameh and
Nix, 2006), enquanto outros, as condições de propagação (Feng, Tameh, Nix
and McGeehan, 2006; Al-Hourani, Kandeepan and Jamalipour, 2014). Outros
trabalhos fornecem uma análise de cobertura para o posicionamento ideal dos
VANTs (Al-Hourani, Kandeepan and Lardner, 2014; Akram et al., 2016). Tais
análises usam ferramentas matemáticas como: GTD (Geommetrical Theory of
Diffraction), UTD (Uniform Theory of Diffraction), FEM (Finite Element Method)
e FDTD (Finite Difference Time-Domain). O maior problema desses modelos é alto
poder computacional necessário para os cálculos (Pinheiro, 2012);
• A segunda abordagem é desenvolver um modelo TDL (Tapped Delay Line)
para caracterizar os componentes do multipercurso. Isso fornece os parâmetros
para classificar os canais como seletivos em frequência, e obter sua resposta ao
impulso (Matolak and Ruoyu, 2017a; Matolak and Ruoyu, 2017b);
• Na terceira abordagem, se considera que modelos analíticos isolados nem sempre
descrevem o comportamento real do canal de propagação, devido à suposições
realistas deficientes. Portanto, estudos empíricos iniciados por campanhas
de medição são essenciais. A maioria dos trabalhos relatados na literatura
(Holzbock and Senninger, 1999; Rice et al., 2004) é pertinente à caracterização

do canal Ar-Terra com base em campanhas de medição lançadas com aeronaves
tripuladas. É evidente a partir dos estudos em (Simunek, Fontán and Pechac, 2013;
Al-Hourani and Gomez, 2018), que o impacto das aeronaves é significativo para as
características do canal de comunicações por VANTs. Além disso, menos esforços
de pesquisa têm sido feitos para lidar com o sombreamento induzido nos canais
Ar-Terra pela estrutura e manobras do VANT.
Embora encontrada uma vasta literatura disponível sobre a caracterização de canal

utilizando drones, os trabalhos estão concentrados em regiões urbana e suburbana. Há
falta de contribuições que discutam a caracterização de canal para área com presença de
água, como lagos, e com vegetação da Caatinga (poucas folhas no período sem chuvas, e
com árvores cobertas de folhas no período chuvoso). Nesse contexto, este trabalho busca
contribuir com a discussão das seguintes questões:
1. Qual a melhor função distribuição de probabilidade (CDF) para caracterizar o

desvanecimento de pequena escala nos ambientes medidos?
2. O canal segue uma única CDF, mesmo para diferentes altitudes do VANT?
3. O canal segue uma única CDF, mesmo para ambientes distintos (Caatinga e espelho
d’água)? Se sim, quão diferentes são os parâmetros da distribuição para os
diferentes ambientes?
4. A velocidade do VANT influencia na escolha da CDF?
5. Qual comportamento da perda de percurso em uma região com espelho d’água e
Caatinga, considerando velocidades e alturas diferentes?
6. Modelos clássicos como o LCR e o AFD conseguem estimar a frequência Doppler
máxima do canal com precisão, e consequentemente, a velocidade do VANT? a
precisão da estimativa muda com o ambiente?
7. As conclusões mudam quando o VANT sobrevoa uma região mista (Caatinga e
espelho d’água)?
Este documento é divido nos seguintes capítulos:
• Capítulo 1: Aborda a introdução ao problema, a importância de modelar canal

de comunicação móvel, bem como apresenta os trabalhos relacionados e as
contribuições esperados do trabalho;
• Capítulo 2: Aborda a fundamentação teórica da propagação em um sistema de
comunicação móvel, destacando a caracterização de canal do desvanecimento de
larga e pequena escalas;
• Capítulo 3: Aborda a metodologia utilizada neste trabalho. São apresentados o
setup de medição, o VANT utilizado no trabalho, a configuração dos softwares
necessários e algumas métricas que se pretende explorar no pós-processamento dos
dados coletados;
• Capítulo 4: Apresenta os testes de validação e os resultados simulados.
• Capítulo 5: Aborda a realização da campanha de medição em seus diferentes
cenários, o processamento dos dados e os resultados obtidos.
• Capítulo 6: São apresentadas as principais conclusões a respeito das questões
levantadas no inicio deste trabalho.
Capítulo 2
Fundamentação teórica
Este capítulo apresenta a fundamentação teórica sobre caracterização de canal sem fio
móvel, focando nas principais manisfestações físicas e modelos.
2.1 Sistema de comunicação móvel
Um sistema de comunicação móvel sem fio se caracteriza pelo movimento do

transmissor e/ou do receptor no momento da comunicação. Além do efeito Doppler
causado pela mobilidade, a presença de obstáculos entre transmissor e receptor também é
um fator importante, pois causa espalhamento no sinal transmitido. Esses dois fatores
não atuam isoladamente, pois mesmo sem a mobilidade dos nós de comunicação, é
possível verificar consequências similares ao Doppler, se os objetos que espalham o sinal
estiverem em movimento. Dessa forma, a envoltória do sinal no ponto da recepção tem
amplitude aleatória e de difícil predição (Silva, 2004).
De maneira clássica, um sistema de comunicação pode ser visto como uma sequência
encadeada de camadas, em que cada camada desempenha processos específicos e com
objetivos distintos. Essa maneira de organizar o sistema de comunicação traz a vantagem
de dividir as especificações para cada bloco do sistema, modularizando as soluções. De
forma geral, um sistema de comunicação móvel pode ser ilustrado como nas Figuras 2.1
e 2.2.
12 CAPÍTULO 2. FUNDAMENTAÇÃO TEÓRICA
Figura 2.1: Componentes básicos do sistema de transmissão.
Fonte: Figura adaptada de (Haykin and Moher, 2011).
Figura 2.2: Componentes básicos do sistema de recepção.
Fonte: Figura adaptada de (Haykin and Moher, 2011).
Tanto no transmissor quanto no receptor, o bloco Pilha de protocolos é responsável

por tarefas vinculadas à transmissão da informação em rede (por meio de vários nós
de comunicação). Em um sistema baseado em chaveamento de pacotes, esse bloco é
responsável pela organização lógica da informação, seu empacotamento e identificação,
por empregar protocolos de garantia de entrega de pacotes, e pela padronização da
comunicação entre os aplicativos do sistema e a interface de rádio. Além de organizar
os dados em pacotes de tamanho fixo, o bloco Pilha de protocolos entrega dados a serem
transmitidos pelo sub-sistema de RF, o qual é destacado separadamente na ilustração da
Figura 2.11 . Já nos demais blocos (do Modulador à Antena), a informação é impressa
sobre uma portadora de frequência específica, resultando em um sinal elétrico. Tal sinal
é amplificado e alimentado em uma antena. Esses blocos processam o sinal de maneira a
1 Na
verdade, os processos de Modulação, Conversão ascendente e filtro, Amplificação e Estágio
de RF fazem parte de uma das camadas da pilha de protocolos, a Camada Física. Nas Figuras 2.1 e 2.2,
decidiu-se destacar separadamente alguns blocos dessa camada, principalmente aqueles mais vinculados ao
tema da dissertação.
2.2. DESVANECIMENTO DE LARGA ESCALA 13
ser adequadamente transportado pelo meio de transmissão, que neste caso, é o ar (Haykin
and Moher, 2011).
No receptor (Figura 2.2), percebe-se que muitos dos componentes realizam funções
inversas das suas respectivas contrapartes do transmissor. A antena coleta o sinal na
banda desejada, geralmente degradado por ruído e distorcido pela interação da onda
eletromagnética com o meio de transmissão (canal móvel). O sinal é amplificado com
um amplificador de baixo ruído (LNA - Low-Noise Amplifier), elevando a potência do
sinal com o mínimo de amplificação do ruído. A conversão descendente é responsável
por filtrar e trasladar o sinal para uma frequência adequada a demodulação. O bloco
Compensação do canal tem o objetivo de contrabalancear as anomalias que foram
impostas no canal móvel (e.g., equalização, codificação de canal). Finalmente, o sinal
demodulado é entregue as camadas superiores da Pilha de protocolos, a qual recupera a
informação ou escalona a retransmissão de pacotes recebidos com erro.
2.2 Desvanecimento de larga escala
Tradicionalmente, os modelos de propagação tem focado na predição de uma

intensidade média do sinal rebebido a determinada distância do transmissor, além da
variabilidade da intensidade do sinal. “Os modelos de propagação que preveem a
intensidade média do sinal para estimar a área de cobertura de um sistema de comunicação
são chamados de modelos de propagação em larga escala” (Rappaport, 2009). A
grande parte dos estudos baseado em medições do canal Ar-Terra concentra-se no
desvanecimento em larga escala, buscando determinar o expoente de perda de percurso e
o desvio padrão do sombreamento log-normal.
A Perda de percurso (path loss) é uma manifestação em larga escala, pois uma
variação significativa do sinal é percebida com o deslocamento por volta de centenas
ou milhares de comprimentos de onda, sendo assim diretamente associada a distância
entre transmissor e receptor. A intensidade do sinal diminui devido a fatores como:

característica do sistema irradiante, frequência de operação do sistema, ambiente de
propagação, fatores climáticos, entre outros. Adicionalmente, um fator aleatório, devido
a ambientes com obstáculos, afeta a potência média do sinal em larga escala (Costa and
others, 2006). A Figura 2.3 mostra os principais mecanismos e efeitos responsáveis por
tal variação em torno da perda de percurso. Esse efeito é chamado de Sombreamento
(shadowing).
Figura 2.3: Mecanismos relacionados à propagação da onda de rádio frequência.
Fonte: Própria autoria.
2.2.1 Modelagem da perda de percurso
Os modelos da perda de percurso podem variar em sua complexidade, em algumas

situações à modelagem via Equações de Maxwell pode ser tornar impraticável devido
a complexidade matemática. Contudo, com algumas simplificações, pode ser derivado o
Modelo de Propagação no Espaço Livre, que serve de referência para alguns modelos
de propagação mais sofisticado. Com ajuda da computação gráfica, é possível modelar
com mais precisão os mecanismos de propagação da onda transmitida (Figura 2.3) em um
ambiente com obstáculos. Chamado de Traçado de Raios (Ray tracing), essa modelagem
pode ser bem precisa, mas requer muito poder computacional (e tempo) para predição.
Por outro lado, a Modelagem Empírica baseada em medições de campo é uma alternativa
para modelagem do desvanecimento de larga escala. Tais modelos pode ser bem precisos
2.2. DESVANECIMENTO DE LARGA ESCALA 15
para um ambiente específico, mas nem sempre generalizam vários ambientes. Em

suma, o Modelo de propagação no espaço livre pode ser determinado por equações
analíticas já bem determinadas, com a limitação de considerar um ambiente livre de
obstáculos e antenas bem alinhadas. Para ambientes mais específicos e com a presença
de obstáculos, Modelos Empíricos baseados em medições são uma alternativa muito
eficiente em termos de compromisso entre a precisão da predição e o poder computacional
para obtê-la (Damasso and Correia, 1999; Hata, 1980; Maciel et al., 1993).
O modelo de propagação no espaço livre é usado para predizer a potência do sinal

recebido para um caso de visada direta (LoS - Line of Sight) em que não existem
obstáculos entre o transmissor e o receptor do sinal. Também considera o uso de uma
antena isotrópica (radiação uniforme em todas as direções) perfeitamente omnidirecional.
A Equação 2.1 (Equação de Friis) permite determinar a potência do sinal em função

de sua frequência, do ganho das antenas do transmissor e do receptor, e da distância
entre transmissor e receptor (Yong et al., 2010). Seus parâmetros são apresentados na
Tabela 2.1. Esse modelo é comumente utilizado em sistemas de satélite e enlaces de
microondas dedicados.
Pt Gt Gr λ2
Pr (d) = , (2.1)
(4π)2 d 2
Tabela 2.1: Parâmetros de Fórmula de Friss
Parâmetro Significado Unidade

Pr Potência recebida W
Pt Potência transmitida W
Gt Ganho da antena transmissora dB
Gr Ganho da antena receptora dB
λ Comprimento de onda do sinal m
d Distância entre transmissor e receptor m
A equação de Friis mostra que a potência do sinal cai com um fator quadrático da
distância entre transmissor e receptor. A perda por propagação é definida como:
2
λ
Lfs = , (2.2)
4πd
ou na forma equivalente em dB:
L f s = 32, 44 + 20log10 ( fc ) + 20log10 (d), (2.3)
sendo fc a frequência da portadora dada em MHz e d a distância entre transmissor e

receptor dado em km.
Inspirado no modelo de Friis, pode-se escrever o Modelo de perda de percurso

log-distância como na Equação 2.4 (Rappaport, 2009).

d
PL(dB) = PL(d0 ) + 10nlog (2.4)
d0
Tal modelo indica que a potência média do sinal recebido diminui logaritmicamente
com a distância, sendo expressa usando um expoente de perda de percurso n, que depende
do ambiente de propagação. Geralmente, o valor de n é definido empiricamente baseado
em medições. Já a variável d0 é uma distância referência logo depois do limite do campo
próximo da antena (dentro do campo distante), e d > d0 é a distância entre transmissor e
receptor.
É interessante ver a Tabela 2.2, que relaciona alguns valores do expoente de perda de
percurso com o ambiente de propagação.
Tabela 2.2: Valores do expoente da perda de percurso para diferentes ambientes.
Ambiente Expoente de perda de percurso

Espaço livre 2
Rádio celular em área urbana 2,7 a 3,5
Rádio celular urbano sombreado 3,5 a 5
Linha de visada interna de edifícios 1,6 a 1,8
Obstrução interna de edifícios 4a6
Obstruções em fábricas 2a3
Fonte: (de Dieu and Vianney, 2016)
2.3. DESVANECIMENTO DE PEQUENA ESCALA 17
2.2.2 Modelagem do sombreamento
O sombreamento, parte importante do desvanecimento de larga escala, tem um

comportamento aleatório que pode ser representado por uma variável aleatória log-normal
de desvio padrão específico, que depende do ambiente de propagação (Sampei, 1997).
Esse comportamento modela a presença de obstáculos como edificações, árvores, carros
e outros.
As equações de perda de percurso precisam ser modificadas para incluir o

sombreamento, pois os espalhadores do sinal podem ser muito diferentes em dois locais
distintos, mesmo tendo a mesma separação entre transmissor e receptor. Isso leva a
valores de potência recebida que variam aleatoriamente em torno das equações de perda
de percurso. Medições têm mostrado que para um valor genérico d, o desvanecimento
de larga escala em determinado local é aleatório com distribuição log-normal em torno
do valor médio dependente da distância (perda de percurso) (Sampei, 1997). Assim, a
Equação 2.4 pode ser reescrita como:

d
PL(dB) = PL(d0 ) + 10nlog + Xσ , (2.5)
d0
sendo Xσ o sombreamento log-normal e tendo como principal parâmetro o desvio padrão

σ, que mais uma vez é obtido a partir de dados medidos (Rappaport, 2009).
2.3 Desvanecimento de pequena escala
O desvanecimento de pequena escala (small scale fading) é um modelo que descreve

as mudanças rápidas de amplitudes, fase e atraso causadas por múltiplos caminhos que o
sinal percorre até o ponto de medição (receptor). Como descrito anteriormente, o efeito do
movimento, seja do receptor, do transmissor ou dos obstáculos, também é modelado pelo
desvanecimento de pequena escala. Esse modelo é dito de pequena escala porque uma
variação severa de amplitude (deep fading) pode ser percebida para um deslocamento na
escala do comprimento de onda (Rappaport, 2009).
A Figura 2.4 mostra o comportamento do desvanecimento de larga escala (perda
de percurso e sombreamento) bem como do desvanecimento de pequena escala. É
possível verificar que o sinal recebido tem como média a perda de percurso, experimenta
uma variação lenta causada pelo sombreamento e, finalmente, tem variações rápidas e
profundas com a presença do desvanecimento de pequena escala.
Figura 2.4: Manifestações canal móvel: Desvanecimentos de larga (perda de percurso e

sombreamento) e pequena escalas.
Os múltiplos caminhos (multipercursos) e o Doppler causam efeitos importantes,

entre eles:
• Espalhamento (dispersão) do sinal em frequência devido ao efeito Doppler;

• Espalhamento (dispersão) do sinal no tempo causado pelo atraso de propagação dos
múltiplos caminhos.
A Figura 2.5 ilustra a propagação por multipercursos. É possível perceber que cada
cópia do sinal percorre caminhos com distância diferentes, causando atrasos distintos em
cada cópia recebida. Dessa forma, com a composição de todas as cópias do sinal no
receptor, o sinal resultante é alargado temporalmente, o que pode causar interferência

inter-simbólica (ISI). Adicionalmente, as fases e as amplitudes aleatórias das diversas
cópias do sinal resultam em mudanças intensas e bruscas (em pequena escala temporal)
na energia do sinal, causando perda importante de Relação Sinal-Ruído (SNR).
Figura 2.5: Ilustração do efeito dos Multipercursos.
A Figura 2.6 ilustra o efeito do espalhamento Doppler causado pelo movimento

relativo entre transmissor e receptor. Esse movimento resulta em uma modulação em
frequência aleatória por causa dos variados deslocamentos Doppler em cada cópia do
sinal. Como as cópias do sinal podem sofrer Doppler positivo ou negativo, o sinal
recebido sofre um espalhamento em frequência em formato de U (U-shaped power
spectrum), como também ilustrado na Figura 2.6. Dessa forma, o efeito Doppler pode
ser modelado por um filtro, com formato bem definido e frequência de corte igual à
frequência Doppler fm .
Considerando a Figura 2.6, em que uma estação móvel (drone) percorre uma linha
reta com velocidade constante v ao longo do segmento d, entre os pontos X e Y, enquanto
recebe sinais de uma fonte S (rádio controle) , como ilustrado na Figura 2.6. A diferença
nas extensões do caminho atravessado pela onda da origem S até a estação móvel nos
pontos X e Y é dada por: ∆l = dcos(θ) = v∆tcos(θ), sendo ∆t o tempo para o drone se
deslocar do ponto X ao Y. Dessa forma, a diferença de fase é dada por:
Figura 2.6: Ilustração do efeito do deslocamento Doppler.
2π∆l 2πv∆t
∆φ = = cos(θ) (2.6)
λ λ
Consequentemente, a frequência Doppler ( fm ) é calculada como:
1 ∆φ v
fm = = cos(θ) (2.7)
2π ∆t λ
Assim, quanto maior a velocidade v, maior será a frequência Doppler fm , alargando

o U-shaped power spectrum. Como consequência, o sinal experimenta uma variação
temporal significativa, que pode, assim como o efeito do multipercurso, causar piso de
BER.
Algo interessante a comentar é que esse efeito pode ser observado mesmo quando
v = 0, mas se existir movimento dos obstáculos que circundam transmissor e receptor.
Esse movimento pode induzir um deslocamento Doppler devido às variações aleatórias e
dinâmicas de fase e amplitude das várias cópias do sinal que chegam ao receptor.
Uma definição importante para caracterização de canal é o conceito de seletividade.

Nesse contexto, o sendo antônimo de coerência, um canal é dito seletivo se ele varia em
função do tempo e/ou frequência dentro de uma janela de interesse. Um dos desafios do
trabalho de caracterização de canal é classificar o canal como coerente ou seletivo, pois

a contra-medida para mitigar os efeitos nocivos do canal é fortemente dependente de sua
seletividade ou coerência.
A seletividade em frequência do canal está vinculada à banda de coerência (Bc ) e
sua comparação com a banda do sinal transmitido (janela de interesse). A banda de
coerência mede a faixa de frequência que o canal permanece correlacionado, i.e., a janela
de frequência que o canal pode ser considerado invariante (ou pouco variante).
Já a seletividade temporal do canal está vinculada ao tempo de coerência e sua
comparação com o tempo de símbolo (janela de interesse). O tempo de coerência mede a
duração que o canal permanece correlacionado, i.e., a janela de tempo que o canal pode
ser considerado invariante (ou pouco variante).
Assim, o canal pode ser classificado como (Yong et al., 2010; Rappaport, 2009):
• Quanto à presença de multipercursos:
– Canal com desvanecimento seletivo em frequência: Banda de coerência é

menor que a taxa de símbolo (banda do sinal). Consequência: ISI, mutilação
do pulso, piso de BER (mesmo aumentando a SNR a BER continua a mesma);
– Canal com desvanecimento plano (coerente em frequência): Banda de
coerência é maior que a taxa de símbolo (banda do sinal). Consequência:
Perda de SNR.
• Quanto à presença de Doppler:
– Canal com desvanecimento rápido (seletivo no tempo): Tempo de coerência

do canal é menor que o tempo de símbolo. Consequência: Distorção na forma
do pulso; piso de BER; problemas de sincronização de fase nos receptores;
– Canal com desvanecimento lento (coerente no tempo): Tempo de coerência
do canal é maior que o tempo de símbolo. Consequência: perda de SNR.
Esta dissertação de mestrado se concentrou na caracterização do canal com a presença

do efeito Doppler. O ambiente de medição ar-terra em um enlace de comunicação de

banda estreita2 , com efeito Doppler, devido ao deslocamento do drone.
O desvanecimento rápido está relacionado ao efeito Doppler. O deslocamento
Doppler está presenta nas medições usando o VANT que se locomove a uma velocidade
determinada. Adicionalmente, a região geográfica do voo pode ser rica em espalhadores,
causando multipercursos. Assim, um ponto importante desse trabalho foi criar scripts
para caracterizar o desvanecimento de pequena escala.
A caracterização do desvanecimento de pequena escala pode ser feita por estatística de
segunda ordem. Duas importantes estatísticas são comumente utilizadas para caracterizar
o efeito Doppler nos canais móveis. O primeiro é a taxa de cruzamento do sinal (LCR
- Level Crossing Rate) que corresponde à frequência em que a potência do sinal cruza
um determinado liminar no sentido positivo, a segunda estatística é o tempo que sinal
permanece abaixo do limiar definido (AFD - Average Fade Duration) definido como o
tempo médio que o sinal fica abaixo de um limiar definido (Parsons and Parsons, 1992).
Estas estatísticas ressaltam elementos temporais da variação do sinal, como citados
previamente, e estão atreladas ao efeito Doppler. Tais estatísticas permitem gerar uma
analise qualitativa do comportamento do sistema. Por exemplo, um canal que apresenta
um elevado valor de AFD tem influência direta na quantidade de pacotes recebidos
com erros. Este tipo de informações ajuda o projetista a especificar o melhor tipo
de sistema para enfrentar determinadas situações que possam envolver problemas de
comunicação (Abdi et al., 2000).
2 Umsistema pode ser classificado como banda estreita ou banda larga pelo Fator de Banda Fracionária
(FBF). O FBF é definido pela razão entre a largura de banda do sinal e a frequência da portadora.
Conforme classificação adotada pela Comissão Federal de Comunicações (FCC), dos Estados Unidos, e
as recomendações da ITU-R (ITU-R, 2006), define-se como Banda Estreita, BL e UWB os sinais com FBF
menor que 1%, entre 1 − 20% e maior que 20%, respectivamente, sendo considerados UWB também os
sinais com banda maior que 500 MHz.
Capítulo 3
Metodologia
Esse capítulo aborda a metodologia utilizada neste trabalho. São apresentados o setup
de medição, o VANT utilizado nas medições , a configuração dos softwares necessários e
algumas métricas que se pretende explorar no pós-processamento dos dados coletados.
3.1 Setup de medição
O setup de medição consiste em um conjunto de equipamentos de hardware e de

aparatos de software para aquisição de informações (sinal e outras métricas) sobre o
enlace de comunicação entre uma estação em terra e o VANT. O sistema pode ser dividido
em duas partes, como mostra a Figura 3.1: A rede de controle do VANT e a rede
comunicação ar-terra. As medições são realizadas por meio da rede de comunicação
ar-terra, o qual consiste de dois módulos XBee, um deles posicionado junto a um
computador (em terra) e o outro módulo remoto a bordo da aeronave. A rede de controle
do VANT é usada para programar os percursos de medição, como definido posteriormente
na Seção 5.1.
A comunicação entre o rádio controle e a aeronave pode ser feita nas frequências
2,4 GHz ou 5,8 GHz, escolhida antes de a aeronave voar. Os comandos enviados pelo
rádio controle permitem controlar direção, altura e ângulo de orientação da aeronave
manualmente. Rotas podem ser automaticamente traçadas. Para a comunicação entre
24 CAPÍTULO 3. METODOLOGIA
Figura 3.1: Ilustração do setup de medição.
os módulos XBee, a faixa de frequência disponível vai de 902 à 928 MHz, com 64 canais
disponíveis, sendo 63 selecionáveis para transmissão. Cada canal tem uma banda de
200 kHz o que caracteriza um canal de banda estreita como explicado anteriormente e
banda de guarda de mesma largura .
Aplicações comerciais que usam o módulo XBee têm crescido ao longo do tempo
pela diversidade de configurações existentes para os módulos. Por exemplo, o produto
Waspmote, da empresa Libelium, utiliza módulos XBee para soluções com diversas
aplicações de monitoramento (Applications XBee, 2018). Esse sistema de monitoramento
foi utilizado em uma rede de sensores capazes de detectar luz na faixa do infravermelho e
ultravioleta, bem como aptos a verificar compostos de CO e CO2 para monitorar incêndios
florestais na Espanha. Outra aplicação que tem se destacado é a utilização de rede de
sensores para monitoramento de frequência cardíaca em atletas de diferentes esportes. O
trabalho (Zulkifli et al., 2012) traz a aplicação de uma rede Mesh para monitorar um grupo
de atletas. As informações dos esportistas são enviadas a um banco de dados na central
3.1. SETUP DE MEDIÇÃO 25
de controle via módulos XBee, as quais são pós-processadas apropriadamente.
3.1.1 Veiculo aéreo não tripulado - VANT
O VANT utilizado neste trabalho é o Dji Phantom 3 Standard, fabricado pela empresa
chinesa DJI. Esse modelo de aeronave se configura na categoria de quadricóptero, com a
maioria das aplicações voltadas a fotografia e filmagem.
A aeronave possui massa de 1216 g, velocidade ascendente de 5 m/s, velocidade de

descida de 3 m/s, comprimento diagonal sem paletas de voo de 350 mm, velocidade
máxima de 16 m/s, GPS embutido com erro máximo de 0,5 m (vertical) e de 1,5 m
(horizontal), e alcance máximo 1000 m por rádio controle.
Esse modelo de aeronave é controlado por um rádio controle e um smartphone, no

qual está instalado o aplicativo DJI Go, que dá suporte visual às operações da aeronave e
também permite voos autônomos, com inserção de waypoints para rotas definidas. Outros
dados de navegação disponíveis no aplicativo são: altitude do voo, velocidade, navegação
horizontal e vertical, nível da bateria e distância entre a aeronave e o operador.
O drone é equipado equipado com uma bateria de 4480 mAh, disponibilizando até
25 minutos de voo. O rádio controle permite comandar a aeronave nas quatro direções,
além de subida, descida e rotação. O VANT possui estabilizador de segurança, que em
caso de emergência, o usuário pode abandonar o controle manual que o VANT estabiliza
no ar automaticamente.
A aeronave disponibiliza duas configurações (modos de voo) para auxiliar o usuário

via piloto automático. Tais modos são:
• P-MODE (positioning): Configuração indicada quando o usuário é iniciante,

devido a maior segurança durante os voos. Essa é a configuração default dos
VANTs e funciona alternando automaticamente os modos P-GPS e P-ATTI. O
modo P-GPS é usado quando o sinal GPS está acima do limiar desejado e o voo se
baseia nos dados do GPS. Quando o sinal GPS fica abaixo do limiar especificado,
a aeronave escolhe o barômetro para manter a altitude.
• A- MODE: Essa configuração ocorre quando o sinal GPS é perdido e a troca do
modo para o uso do barômetro é feita. Após o sinal GPS ser retornado acima do
limiar, o VANT volta ao último ponto em que essa condição era válida.
A versatilidade dessas aeronaves permite realizar diversos trabalhos com diferentes

aplicações. Um exemplo é o trabalho (Cruz, 2018) que utilizou o Dji Phantom para avaliar
com precisão o modelo digital de um terreno gerado por levantamento aerofotogramétrico
de pontos coletados no pantanal Mato-Grossense.
3.1.2 Sistema de transmissão de dados Ar-Terra
Os módulos XBee 900HP PRO são plataformas embarcadas que oferecem

conectividade sem fio para comunicação ponto-a-ponto ou em redes Mesh com até 128
nós. Como vantagem, essa versão dos módulos permite uma configuração personalizada
de parâmetros de segurança e comunicação. O dispositivo XBee PRO 900HP é um
hardware para pronto uso, quando usados com as configurações iniciais de fábrica. Os
módulos são certificados pela ANATEL (Agência Nacional de Telecomunicações). Esses
hardwares são alimentados por baterias de 2,1 à 3,6 VDC, e tem peso de 5 a 8 g,
dependendo da antena usada.
O dispositivo usa a modulação GFSK, possui um transmissor com potência variável de

10 a 250 mW, uma antena omnidirecional de 2 dBi e taxa de transmissão de 10 à 200 kbps
(configurada pelo usuário). O receptor tem sensibilidade de -100 dBm e de -110 dBm para
taxas de transmissão altas e baixas, respectivamente. Para taxa de transmissão de 10 kbps
em um ambiente outdoor, o enlace de comunicação entre os dispositivos pode chegar a
uma distância de 14 km (Family XBee, 2018). Já para 200 kbps, o enlace funciona a uma
distância máxima de 6,5 km, segundo o fabricante. A Figura 3.2 mostra o módulo XBee
utilizado neste trabalho.
Figura 3.2: Módulo XBee.
Os módulos são configurados por meio de sua porta serial. O dispositivo pode
comunicar-se com qualquer outro dispositivo que possua uma interface UART (Universal
asynchronous receiver/transmitter) com lógica e tensão compatível, por exemplo, a placa
de interface RS-232 ou USB. Os módulos XBee podem transmitir no modo Full-Duplex,
ou seja, podem transmitir e receber dados simultaneamente. Os módulos possuem quatro
modos de operação:
• Modo de transmissão: Os pacotes de dados são mandados ao módulo XBee, que

os armazena em um buffer para manipulação e transmissão. Logo após o dado ser
recebido na entrada serial do módulo XBee em modo transmissão, o manipulador
de pacotes faz o empacotamento dos dados, e o módulo XBee tenta transmiti-los.
O endereço de destino do frame determina quais os nós vão receber o pacote;

• Modo Sleep: É um modo de economia de energia, ativado quando o dispositivo não
envia nem recebe pacotes, entrando em um estado de hibernação (baixo consumo);
• Modo de comando: Nesse momento não existe transmissão de dados, o dispositivo
fica à espera de um comando para realizar alguma configuração no módulo;
• Modo recepção: Quando um pacote válido é recebido, os dados são transferidos
para um buffer de transmissão serial.
O endereçamento e entrega dos pacotes possuem a seguinte configuração padrão:
• Endereçamento de 32 ou 64 bits: Usa um endereço baseado no padrão IEEE

802.15.4 com 64 bits para endereço MAC (Digi, 2016);
• Transmissão unicast: Transmite dados para um único dispositivo;
• Transmissão broadcast: Transmite dados para todos os dispositivos;
Existem três métodos possíveis de entrega de pacotes, são eles:
• Ponto-a-ponto ou multiponto: Esse modo de entrega não faz uso de um cabeçalho

de rede, usa apenas o cabeçalho MAC. Não existe repetição de pacote e todos os
dados são enviados diretamente ao destino;
• Repetidor: Modo baseado em transmissões broadcast que são repetidas por todo
os roteadores da rede. Por padrão, todo pacote é enviado quatro vezes. Dessa
forma, todos os nós repetem a transmissão quatro vezes. Esse modo promove
confiabilidade de entrega dos pacotes ao custo de sobrecarga do sistema, devido
às repetidas transmissões.
• DigiMesh Networking: Esse método implementa todas as camadas de rede da
topologia em malhas definidas no protocolo ZigBee para transmissão unicast e
broadcast. Esse tipo de método usa mensagem do tipo ACK e NACK para
confirmar ou não o recebimento dos pacotes.
Para o processo de configuração dos módulos foi utilizado um módulo XBee explorer
USB adapter. Este dispositivo consiste em um adaptador USB-serial para a linha de
produtos DigiR XBee, sendo necessário para a programação e configuração do módulo
XBee. A Figura 3.3 mostra os adaptadores do módulo XBee explorer.
Figura 3.3: XBee explorer USB adapter.
Fonte: Adaptado de (Silva, 2017).
3.1.3 Configuração do setup
O gerenciamento do setup é realizado por um software multi-plataforma, gratuito,

que permite aos desenvolvedores interagirem com os módulos Digi RF por uma interface
gráfica em um computador. Os módulos Digi RF consiste em uma família de dispositivos
que fornece conectividade sem fio (incluindo o módulo XBee PRO 900HP) por diferentes
padrões IEEE ou pelo protocolo Digimesh (Family XBee, 2018). O software é chamado de
XCTU e possui ferramentas que permitem visualizar a qualidade do link de comunicação
entre dois ou mais módulos. Nesse trabalho foi utilizado o software XCTU para configurar
os parâmetros do módulo XBee utilizados na caracterização do canal.
O software permite analisar a qualidade do link entre os módulos a partir de

informações do received signal strength indicator (RSSI), que corresponde a intensidade
do sinal eletromagnético que chega no receptor, tanto no Downlink quanto no Uplink. O
software possui algumas limitações, tais como a impossibilidade de salvar os dados de
RSSI recebidos na estação em terra. Para contornar este problema, foi implementado um
sistema que extrai os valores da potência do sinal que chega à estação base.
A estratégia de aquisição dos valores de RSSI foi utilizar um microcontrolador
Arduino Uno comunicando-se com o módulo XBee da estação em terra. O esquema
de conexão do microcontrolador Arduino - módulo XBee é visto na Figura 3.4. Com
esta configuração, todos os pacotes que chegam ao módulo XBee são enviados pela porta
Serial Rx ao Arduino, sendo possível selecionar os pacotes que possuem os valores de
RSSI.
Figura 3.4: Comunicação do módulo XBee e o microcontrolador Arduino.
Fonte: Própria autoria - desenhado no software fritzing.
A comunicação entre os módulos é feita por pacotes que variam em: tamanho, tipo de
requisição, pacotes de teste, capacidade de payload e tipo de controle de erro. O algoritmo
de aquisição do RSSI embarcado no Arduino busca pacotes com tamanho superior a 18
bytes, pois estes possuem os valores de potência do sinal em sua estrutura. Os pacotes
de tamanho inferiores são ignorados pelo algoritmo. Uma observação importante é que,
além do tamanho, para o pacote conter a informação desejada, a opção de Test Range
3.2. ESTAÇÃO DE CONTROLE 31
deve estar habilitada no software XCTU. Tal opção é mostrada com mais detalhes no
anexo deste trabalho.
Quando o Teste Range é habilitado, os pacotes trocados que seguem o protocolo

802.15.4, com o tipo de frame 0x01 - Tx (transmit) Request: 16- bit address, passam
a carregar os valores da potência do sinal do Uplink e do Downlink. Como este trabalho
se concentrou na caracterização do canal Downlink, é necessário identificar o valor
do RSSI corretamente. Uma vez que o microcontrolador Arduino está recebendo os
pacotes que chegam, deve-se identificar a sequência de bytes 245, 68, 66 e 0. Após
tal sequencia, o byte seguinte corresponde ao RSSI do link entre Ar - Terrar. Além
de identificar a intensidade da potência do sinal, o código desenvolvido é capaz de
salvar os dados coletados, diferentemente do software XCTU que não permite salvar. O
código embarcado no microcontrolador pode ser visualizado no anexo, identificado como
Algoritmo I.1.
3.2 Estação de controle
A estação de controle é dividida em duas partes, a primeira sendo responsável pela

configuração dos módulos XBee embarcado e em terra, e a segunda, pela coleta dos dados
de RF. O VANT carrega o módulo configurado como local, que é responsável pelo envio
dos pacotes, e a estação de coleta utiliza o módulo configurado como remoto.
Como apresentado nos capítulos anteriores, a estação de coleta dos dados é composta
por um Notebook com processador Intel(R) Core (TM) i5-7200U 2,70 GHz, memória
RAM 8 GHz e sistema operacional Windows 10 Home Single Language de 64 bits, um
Arduino Uno e um módulo XBee PRO 900HP. A Figura 3.5 apresenta a estação de coleta
da potência do sinal de RF, a tela do notebook exibe a interface do XCTU com os gráficos
da potência do sinal de Downlink, Uplink e porcentagem do sinal que chega com sucesso.
A tela também mostra a interface serial do Arduino com os valores do sinal de Downlink
que posteriormente podem ser salvos em arquivo no formato txt. Os dispositivos XBees
foram configuradas para enviar pacotes em um intervalo de 300 ms na frequência de
915 MHz. Durante as campanhas de coleta, a estação foi posicionada no solo a uma
distância de 5 m do local de decolagem da aeronave.
Figura 3.5: Estação de recepção para o teste de validação.
O dispositivo XBee a bordo do drone foi alimentado por um cabo USB/MicroUSB

por uma bateria PowerBank com capacidade 2000 mA, tensão de saída 5 V, dimensões
25 mm x 25 mm x 95 mm e peso 150 g. A Figura 3.6 mostra como foi acoplado o sistema
no drone. A antena do módulo XBee ficou posicionada para cima, para que o lóbulo
da antena irradie horizontalmente. Nesse configuração, é importante que o PowerBank
esteja posicionado no lado oposto a antena de recepção do GPS, para evitar interferências.
Quando a bateria é posicionada no mesmo lado da antena, o ruído gerado causa distorções
no sinal GPS, fazendo a aeronave perder o sinal durante o voo, impedindo a aeronave de
decolar.
3.3. PÓS-PROCESSAMENTO DOS DADOS DE RF 33
Figura 3.6: VANT Phantom 3 Standard equipado com o módulo XBee e Power bank.
3.3 Pós-processamento dos dados de RF
O trabalho de pós-processamento dos dados de propagação ocorreu em duas fases:
• Fase 1: Foram utilizados scripts para analisar os dados em relação a estatísticas de

primeira e segunda ordem. Com objetivo de atestar a confiabilidade dos scripts, os
primeiros testes ocorreram com sinais sintéticos gerados em laboratório.
• Fase 2: Uso dos scripts de pós-processamento nos dados medidos nos cenários
descritos na Seção 5.1.
Na primeira fase, foi usado um sinal sintético com 48651 amostras. Tal sinal possui
as componentes de desvanecimento larga escala (perda de percurso e sombreamento) e de
pequena escala (mutlipercurso e Doppler). Para separar tais componentes, aplicou-se os
seguintes procedimentos (de Paiva Rolim et al., 2002):
• Passo 1: Filtragem da potência recebida para extrair o desvanecimento de larga

escala;
• Passo 2: Identificação da Perda de Percurso pela potência recebida;
• Passo 3: Identificação do Sombreamento com os dados gerados nos Passos 1 e 2;
• Passo 4: Extração do desvanecimento de pequena escala usando os dados gerados
no Passo 1 e a potência recebida total;
• Passo 5: Aplicação do teste de Kolmogorov–Smirnov (KS) nas amostras do
desvanecimento de pequena escala;
• Passo 6: Análise dos parâmetros que melhor descreve a distribuição de
probabilidade do desvanecimento de pequena escala;
• Passo 7: Como os dados do canal são conhecidos (o sinal é sintético), realiza-se a
comparação dos parâmetros estimados com os reais.
Para a validação dos scripts de segunda ordem, foi gerado um sinal sujeito ao
desvanecimento de pequena escala com distribuição Rayleigh. Os scripts calculam os
valores do LCR e do AFD teórico normalizado e medido. A partir desses valores, é
possível determinar o espalhamento Doppler. Depois de validado, tal procedimento foi
utilizado com os dados medidos com VANT, como descrito na Seção 5.1. Os scripts
foram construídos da seguinte forma:
• Passo 1: Calcular a LCR das amostras;

• Passo 2: Calcular o AFD das amostras;
• Passo 3: Calcular a LCR normalizado teórico em função da frequência Doppler;
• Passo 4: Calcular a AFD normalizado teórico em função da frequência Doppler;
• Passo 5: Dividir a LCR medido pela LCR teórico normalizado para estimar a
frequência Doppler; e
• Passo 6: Dividir o AFD teórico normalizado pelo AFD medido para estimar o
espalhamento Doppler.
Cada passo anterior será descrito com mais detalhes nas próximas subseções, com
suas devidas demonstrações com o sinal sintético.
3.3.1 Análises do desvanecimento de larga escala
Quando os desvanecimentos são separados, tem-se as componentes do sombreamento

e perda de percurso para o desvanecimento de larga escala em uma série temporal
separada (um vetor de dados). De posse desse vetor, pode ser caracterizado:
• O sombreamento: Assumindo que ele segue uma distribuição log-normal de média

zero, o parâmetro a ser descoberto é o desvio padrão;
• A perda de percurso: Assumindo que o decaimento da perda de percurso é linear
para valores de distância em escala logarítmica (ver Equação 2.4), o parâmetro a
ser caracterizado é o expoente de perda de percurso n.
Baseado em (de Paiva Rolim et al., 2002), um filtro média móvel foi utilizado para o
Passo 1 da separação dos desvanecimentos. O filtro pode ser construído como:
M
1
y[i] = ∑ x[i + k], (3.1)
N + M + 1 k=−N
sendo x[i+k] amostras do sinal, i o índice de amostras do filtro, y[i] a i-ésima amostra
de saída do filtro, N o número de amostras do sinal de entrada antes do ponto i, e M
é o número de amostras, consideradas no cálculo da média, após o ponto i na janela
móvel (Matos et al., 2017). Foi considerado uma janela simétrica em que N = M.
Para identificar a perda de percurso (Passo 2 da separação dos desvanecimentos) foi

utilizada uma regressão linear para determinar o expoente n do polinômio que mais se
ajusta aos dados de potência recebida.
3.3.2 Análise do desvanecimento de pequena escala
O desvanecimento de pequena escala está relacionado aos multipercursos e ao efeito

Doppler. Adicionalmente, a região geográfica do voo pode ser rica em espalhadores,
causando multipercursos. Assim, um ponto importante desse trabalho foi criar scripts
para caracterizar o desvanecimento de pequena escala.
As amostras do desvanecimento de pequena escala são obtidas pelo processo de

filtragem como descrito na Seção 3.3 (Passo 4, ao subtrair as amostras do desvanecimento
de larga escala (Passo 2) da potência recebida total). Os parâmetros da distribuição
foram obtidos pelo método de estimativa de máxima verossimilhança (MLE - Maximum
Likelihood Estimation).
A análise de segunda ordem foi realizada em função de modelos clássicos de canais

sem fio, sendo eles: Rayleigh, Rice, Nakagami e Weibull. A escolha destas distribuições
se deu pela grande capacidade de descrever as características do canal de comunicação
sem fio. Os valores de LCR destes modelos podem ser obtidos pelas Equações 3.2, 3.3,
3.4 e 3.5, respectivamente (Abdi et al., 2000; Sagias et al., 2004).
Especificamente para a Equação 3.2, r como sendo as amostras do desvanecimento

√
Rayleigh, fd a frequência Doppler, ρ = r/ Ω e Ω = E[r2 ].
√
NRayleigh (ρ) = 2π fd ρ exp(−ρ2 ). (3.2)
O desvanecimento Rice (Equação 3.3) é escrito em função do parâmetro K.
p p
NRice (ρ) = 2π(k + 1) fd ρ exp(−K − (k + 1)ρ2 ) I0 (2 K(K + 1))ρ. (3.3)
sendo I0 a função de Bessel modificada de primeira espécie e ordem n. O parâmetro

K representa razão entre a potência do sinal dominante (em linha de visada direta) e a
A2
potência das componentes de multipercursos. Ele pode ser escrito como: K = 2σ2
, sendo
A2 /2 a potência do sinal dominante e σ2 a potência das componentes de multipercursos.
O modelo Nakagami (Equação 3.4) é escrito em função do parâmetro m e da função

gamma Γ(.).
√ mm−1/2 2m−1
NNakagami (ρ) = 2π fd ρ exp(−mρ2 ). (3.4)
Γ(m)
Já modelo Weibull usa o parâmetro β e a relação a = 1/Γ(1 + (β/2)).
!β/2  !β 
√ ρ ρ
NWeibull (ρ) = 2π fd p exp − p . (3.5)
(a) (a)
Os valores de AFD dos modelos Rayleigh, Rice, Nagakami e Weibull podem ser
obtidos pelas Equações 3.6, 3.7, 3.8 e 3.9, respectivamente (Abdi et al., 2000; Sagias
et al., 2004).
exp(ρ2 ) − 1
TRayleigh (ρ) = √ . (3.6)
2π fd ρ
√ p
[1 − Q( 2K, 2(K + 1)ρ2 ) exp(K(K + 1)ρ2 )
TRice (ρ) = q p . (3.7)
2π(K + 1) fd I0 (2 K(K + 1)ρ
Γ(m, mρ2 ) exp(mρ2 )

TNakagami (ρ) = √ . (3.8)
2πm2m−1 fd ρ2m−1
" β #
1 − exp − √ρ
(a)
TWeibull (ρ) = " β # . (3.9)
√
β/2
2π fd √ρ exp − √ρ
(a) (a)
As funções de LCR e AFD são escritas em função de fd e de métricas possíveis de

se calcular com amostras do sinal. Assim, com os valores gerados da LCR (ou AFD) e
sua formulação teórica, é possível estimar o fd . Para estimar fd , pode-se utilizar tanto a
LCR quanto o AFD. Utilizando a LCR, pode-se escrever fˆd , uma estimativa do desvio de
frequência máximo, como:
LCREmpirica
fˆd = , (3.10)
LCRTeorica_normalizada
com LCRTeorica_normalizada = LCRTeorica / fd .
De forma análoga, pode-se estimar fd escrevendo as equações acima em função do

AFD. Então, a velocidade relativa entre transmissor e receptor pode ser estimada como
v̂ = λ · fˆd .
É importante deixar claro que essas equações referem-se ao cálculo das estatísticas de
segunda ordem para um determinado nível de potência. Assim, para cada nível calculado
haverá um valor para fˆd .
3.3.3 Teste de Kolmogorov - Smirnov
O teste de Kolmogorov - Smirnov (KS) permite verificar a partir de uma hipótese,

se os dados de um experimento específico possuem uma distribuição específica. Nesse
sentido, surge a necessidade de testar se essa suposição pode ser assumida.
Para realizar este teste, as duas hipóteses seguintes são avaliadas:
• H0 : Hipótese assumida como verdadeira para a construção do teste;

• H1 : Considerada quando a hipótese nula não tem evidência estatística.
O teste consiste em medir a máxima diferença entre a função de distribuição

acumulada (CDF) dos dados coletados e a CDF teórica, considerando que os dados sigam
uma distribuição específica. Essa diferença é dada por
Dn = sup|Fn (x) − F0 (x)|. (3.11)
A maior distância vertical entre a CDF empírica Fn e a CDF teórica F0 é dada por Dn .
Está medida de discrepância é ilustrada na Figura 3.7, em que Fn é a função escada e F0
uma função continua teórica.
Figura 3.7: CDF teórica estimada e medida.
√
Para que a hipótese H0 não seja rejeitada, o valor Dn deve ser menor Kα / N, sendo α
um nível de significância e N o número de amostras. Assim, quando o valor de Dn é menor
√
que Kα / N, se diz que a hipótese nula não é rejeitada, dado o nível de significância α. O
valor de Kα pode ser calculado como:
Pr(K ≤ Kα ) = 1 − α. (3.12)
com K uma variável aleatória com distribuição de Kolmogorov.

Neste trabalho, os valores obtidos de RSSI durante as campanhas de medição
passaram pelo teste KS a um nível de significância de 0,05%, i.e., a um nível de
confiança de 95%. As distribuições testadas foram: Rice, Rayleigh, Nakagami e Weibull.
O software utilizado foi o MATLAB e foram usados duas funções: o FITDIST, que
determina os melhores parâmetros da distribuição pela máxima verossimilhança, e o
KSTEST, que compara a CDF teórica com a CDF gerada pelas amostras. Quando
a hipótese H0 é rejeitada, os dados não são considerados como pertencentes aquela
distribuição testada.
Capítulo 4
Teste de validação: resultados

simulados
Este capítulo apresenta de forma demostrativa a validação dos scripts de

pós-processamento. São abordados métodos estatísticos de primeira e segunda ordem
para caracterizar um canal sintético.
4.1 Descrição do Experimento
Os experimentos foram divididos em três etapas, a primeira aborda a caracterização do

canal em função do desvanecimento de larga escala (perda de percurso e sombreamento)
e a segunda caracteriza o desvanecimento de pequena escala (Doppler e multipercurso).
Já terceira tem o objetivo de estimar o Doppler do canal.
A primeira etapa consiste em gerar um sinal com a Equação 2.5, com desvio padrão
do sombreamento de 6 dB e expoente da perda de percurso igual a 4. O sinal passa por
um canal com a distribuição m-Nakagami com o parâmetro m = 4. Em seguida o sinal
passa por um filtro passa baixa para separar as componentes do sinal de pequena e larga
escala, como pode ser observado pelo fluxograma da Figura 4.1. Com a obtenção do
desvanecimento de larga escala, utilizou-se o método da regerão linear para estimar o
expoente da perda de percurso e o desvio padrão do sombreamento.
42 CAPÍTULO 4. TESTE DE VALIDAÇÃO: RESULTADOS SIMULADOS
Figura 4.1: Fluxograma da geração do sinal e filtragem.
A segunda etapa consiste em gerar uma série temporal de amostras de pequena

escala de um canal móvel com distribuição Rayleigh (sem linha de visada direta) com
Doppler máximo de 4,23 Hz. Este modelo de canal é baseado no modelo proposto por
Clarke (Clarke, 1968). O sinal gerado possui 105 amostras, frequência da portadora de
915 MHz e taxa de amostragem de 500 µs a implementação escolhida foi a Filtered White
Gaussian Noise (FWGN) por ser a mais popular em canais outdoor (Yong et al., 2010).
A implementação do sinal com Doppler pode ser observado com mais detalhes na
Figura 4.2, inicialmente são gerados duas séries temporais de ruído Gaussiano complexo,
em seguida são aplicados a Fast Fourier Transform (FFT) nas séries, o próximo passo foi
aplicar um Filtro Jakes e em seguida fazer a Inverse Fast Fourier Transform (IFFT). A
série imaginaria é deslocada − π2 e somada a parte real.
Figura 4.2: Processo para gerar o desvanecimento de pequena escala do canal Rayleigh.

4.1. DESCRIÇÃO DO EXPERIMENTO 43
Com o sinal gerado, utilizou-se o método da máxima verossimilhança para estimar os

parâmetros do canal e gerar a PDF e a CDF.
Para a terceira etapa foi utilizado o mesmo sinal gerado do desvanecimento de pequena
escala na etapa anterior. Para estimar o Doppler presente no sinal são usados os métodos
estatísticos de LCR que mede a taxa de cruzamento do sinal e AFD que mede o tempo em
que o sinal fica abaixo de um dado nível de potência. O fluxograma da Figura 4.3 mostra
o processo de estimação esquematizado.
Figura 4.3: Fluxograma para estimar o doppler via às estatísticas de LCR e AFD.
Foram medidos o LCR e o AFD do sinal para a faixa de potência de -63 a 8 dB/RMS,
em seguida foi calculada a LCR teórica normalizada por fm do canal Rayleigh usando a
Equação 3.2 e o AFD teórico normalizado pela Equação 3.6 apresentadas na Seção 3.3.2.
As subseções seguintes tratam de mostrar os resultados gráficos dos experimentos
descritos nessa parte do trabalho.
4.1.1 Desvanecimento de Larga Escala
Nesta primeira etapa da validação dos scripts, a Figura 4.4 mostra o sinal sintético
gerado e o sinal estimado. Os gráficos mostram a potência recebida do canal completo,
do canal somente com perda de percurso e do canal com desvanecimento de larga escala.
Todas as curvas estão em função da distância entre o transmissor e o receptor.
Figura 4.4: Separação do desvanecimento de larga escala.
(a) Sinal sintético gerado.
(b) Sinal sintético pós-processado (Passos 1 e 2).
É possível notar que essa metodologia resulta em uma boa separação das componentes
de larga escala: Perda de percurso e sombreamento. Para construção da Figura 4.4b
foi testado diversas janelas de filtragem para o filtro média móvel, sendo escolhida
empiricamente o tamanho de 50 amostras (N = M = 50 na Equação 3.1) no sinal
completo gerado.
As amostras do sombreamento são calculadas ao subtrair as amostras de perda de

percurso (Passo 1) das amostras do desvanecimento de larga escala (Passo 2) descritos na
Seção de pré-processamento. Já o Passo 3 do processo de separação dos desvanecimentos
é feito ao calcular, diretamente das amostras do sombreamento, o desvio padrão. Como

resultado da estimação do canal tem-se os valores da perda de percurso, desvio padrão
do sombreamento e m-Nakagami igual a 4,161, 5,0462 e 4,0206 respectivamente. Os
resultados mostram que a metodologia utilizada consegue estimar o canal com boa
aproximação.
O comportamento do sombreamento estimado é mostrado na Figura 4.5, em que o

sombreamento sintético gerado também é mostrado. É visível que o método promove
um boa estimativa, resultando em um MSE de 1,15. Contudo, um valor baixo de MSE,
consequentemente uma boa estimativa, estão relacionados ao tamanho da janela do filtro
de média móvel.
Figura 4.5: Sombreamento para dois sinais.
4.1.2 Desvanecimento de Pequena Escala: Análise do multipercurso
A Figura 4.6 mostra a série temporal do desvanecimento de pequena escala gerado

sinteticamente com espalhamento Doppler máximo de 4,23 Hz e portadora de 915 MHz.
A geração do desvanecimento de pequena escala foi baseado em (Yong et al., 2010).
Foi usado o método de máxima verossimilhança para determinar o parâmetro do canal

Rayleigh para o desvanecimento. Foi estimado que σ do canal é 0,71. Com isso foi gerado
a CDF teórica do canal e a estimada pelas amostras. As CDFs podem ser observadas na
Figura 4.7.
A PDF estimada do desvanecimento foi gerada com o histograma das amostras do
sinal, enquanto que a teórica foi feita com o σ estimado. O resultado pode ser visualizado
na Figura 4.8, mostrando boa convergência dos resultados.
Figura 4.6: Desvanecimento de pequena escala.
Figura 4.7: A CDF teórica e medida.

Figura 4.8: PDF teórico e medido.
4.1.3 Desvanecimento de Pequena Escala: Análise da Doppler
Foi usado o desvanecimento mostrado na Figura 4.6 para calcular os valores de LCR
medido. Os valores teóricos do LCR foram obtidos com o uso da Equação 3.2. O
resultado pode ser observado na Figura 4.9. O valor de referência R foi variado, e compõe
o eixo da abcissas dos gráficos e foi dado em dB/RMS. Já o eixo das ordenadas mostra
a taxa de cruzamento do sinal para cada nível de R. As curvas geradas possuem valores
maiores que os valores normalizados, pois estão relacionadas a velocidades relativas entre
os terminais, o que ocasiona um espalhamento Doppler.
Já a Figura 4.10 apresenta os resultados do AFD. Este resultado corresponde ao

tempo que o sinal ficou abaixo do nível de referência R. O resultado normalizado está
multiplicado pelo valor de fd , como foi descrito por (Abdi et al., 2000). Como a curva
Medida possui uma frequência Doppler, sua variação temporal é maior que a curva
normalizada. Por este motivo o tempo médio que o sinal fica abaixo do valor R é menor.
Isso ocorre pela maior variabilidade temporal do sinal com Doppler mais alto.
Figura 4.9: LCR teórica e medida para frequência máxima Doppler de 4,3 Hz.
Figura 4.10: AFD teórico e medido para frequência Doppler máxima de 4,3 Hz.
A estimação da frequência Doppler foi feita pela Equação 3.10, tanto para o LCR
como AFD. A Figura 4.11 mostra a variabilidade da frequência Doppler ao longo da

intensidade do sinal. Para valores abaixo de -35 dB/RMS, a precisão decai pela pouca
quantidade de amostras abaixo desse valor. Contudo, a convergência ocorre para uma
faixa de valores de R entre -30 e -5 dB/RMS. Vale ressaltar que, nesse caso, o sinal possui
um número elevado de amostras, o que nem sempre é possível de se obter em casos reais,
por limitação física dos hardwares.
Figura 4.11: Estimação da frequência Doppler.
Também foram feitos Scripts para analisar o LCR e AFD teórico da distribuição de
Weibull e identificar a frequência Doppler. A Figura 4.12 mostra os valores de LCR
do sinal normalizados em função de fd para diferentes parâmetros β. É possível ver
que quanto maior a velocidade de deslocamento, os valores de LCR diminuem para este
canal, tal comportamento pode ser visto em (Fadnis et al., 2014). Além disso, níveis mais
baixos de sinal são cruzados com menor frequência, enquanto níveis mais altos de sinal
são cruzados com mais frequência. Vale ressaltar que a implementação das curvas fez uso
da Equação 3.5 e serve para estimar os valores de fd para os dados medidos caso o canal
se adéque mais ao modelo Weibull.
Figura 4.12: LCR teórico do canal Weibull para diferentes β.
Já a Figura 4.13 mostra o comportamento do AFD normalizado para os diferentes

valores de β. É possível ver que quanto maior a velocidade de deslocamento maior o
tempo que o sinal permanece abaixo do limiar R.
O parâmetro β está associado ao fator de forma do processo de confiabilidade do

sistema em relação a falhas aleatórias e falhas devido ao desgaste. Quando β = 1 indica
falhas aleatórias e a Equação de intensidade u(t) = λβt β−1 que expressa as tendencias
a falhas de acordo com o tempo é uma constante em relação ao tempo, quando β > 1
indica falhas por desgastes e a função de intensidade cresce com o tempo. Na equação de
Figura 4.13: AFD teórico do canal Weibull para diferentes β.
intensidade t representa o tempo e λ a taxa de falhas instantânea.

Ter os Scripts teóricos de diferentes modelos de canais possibilita uma maior
versatilidade na análise do Doppler dos dados medidos.
Capítulo 5
Resultados Experimentais
Este capítulo aborda a realização da campanha de medição nos cenários anteriormente

definidos, o processamento de coleta de dados, a apresentação e discussão dos resultados
obtidos.
5.1 Cenários de Medição
Essa seção descreve os cenários de medição planejados para a aquisição do sinal de

RF real. São cenários voltados à caracterização de canal em uma região com presença
de um lago (espelho d’água), e em uma região com vegetação de Caatinga. Um terceiro
cenário de medição é composto por uma região mista (lago e Caatinga).
As medições foram realizadas no condomínio Fazenda Real I/II, localizado na cidade

de Macaíba, no estado do Rio Grande do Norte, distante 39 km da cidade de Natal. A
campanha teve seu início às 10 h 30 min, e foi finalizada às 16 h 40 min do dia 18/08/2019.
Foram realizados 20 voos, com quatro campanhas de medição descartadas, devido a baixa
SNR, e consequentemente, alta taxa de erro de pacotes. Um alvo de taxa de sucesso de
entrega de pacotes mínima de 98% foi definido empiricamente. Medições com taxas de
sucesso inferiores foram descartadas. As condições meteorológicas do dia das medições
podem ser conferidas na Tabela 5.1.
54 CAPÍTULO 5. RESULTADOS EXPERIMENTAIS
Tabela 5.1: Tabela de temperatura e velocidade média do vento no dia da medição.
Horário Temperatura Velocidade média do vento

10:00 31◦ C 31 km/h
11:00 31◦ C 28 km/h
12:00 31◦ C 33 km/h
13:00 31◦ C 28 km/h
14:00 30◦ C 33 km/h
15:00 30◦ C 35 km/h
16:00 30◦ C 28 km/h
17:00 29◦ C 24 km/h
Fonte: https://weather.com
É importante frisar que as informações sobre a velocidade do vento são importantes,

pois adicionam dificuldades que a aeronave teve que enfrentar quando voou em sentido
oposto ao vento. Rajadas superiores a 25 km/h torna desafiador para esse tipo de VANT
manter seu trajeto retilíneo planejado. Como consequência, a aeronave executou uma
trajetória aproximada do planejado. Outro problema adicionado é a diminuição do
tempo de autonomia da bateria do VANT que, em condições ideais é de 15 min. Por
estes motivos, nenhum voo realizado no dia teve uma distância percorrida superior a
250 metros.
Oito variações de coleta de dados foram realizadas. Os seguintes parâmetros foram

variados: distância percorrida, altura, velocidade e ambiente de voo. Os detalhes são
apresentados na Tabela 5.2.
Tabela 5.2: Tabela dos diferentes cenários.
Ambiente Altura (m) Velocidade (km/h)

Lago 8 1
Lago 8 3
Lago 80 1
Lago 80 3
Misto 80 1
Misto 80 3
Caatinga 80 1
Caatinga 80 3
5.1. CENÁRIOS DE MEDIÇÃO 55
5.1.1 Cenário 1: Região de lago
O Cenário 1 corresponde a voos sobre uma região com espelho d’água. O local
escolhido foi um lago com aproximadamente 12 mil metros quadrados e profundidade
máxima de 12 metros. O VANT foi configurado para percorrer um trajeto em linha reta
sobrevoando esse local. Durante os voos foram coletados a potência do sinal de RF do
módulo XBee. A Figuras 5.1 e 5.2 mostram as imagens do voo à altura de 8 e 80 metros,
respectivamente. O impacto da diferença de altura ficou bem perceptível, e esta diferença
será analisada para comparar os resultados após o processamento. Já a Figura 5.3 mostra
a área completa do lago circulada em vermelho. O ponto em amarelo indica a localização
da estação de controle e coleta dos dados de RF.
Figura 5.1: Voo sobre o lago a 8 metros.

Figura 5.2: Voo sobre o lago a 80 metros.

Figura 5.3: Área de voo sobre o lago.
Fonte: Google maps.
A campanha de medição sobre esta região variou os parâmetros de velocidade e altura.

A Tabela 5.3 mostra o número de amostras coletadas em cada experimento.
Tabela 5.3: Cenário 1: parâmetros das medições e número de amostras.
Velocidade Altura Distância percorrida Número de amostras

1km/h 8m 120m 358
1km/h 80m 150m 400
3km/h 8m 120m 146
3km/h 80m 150m 167
Fonte: Própria autoria
5.1.2 Cenário 2: Região de vegetação da Caatinga
O segundo cenário de medição é uma região representativa da Caatinga. Suas

principais particularidades são que as plantas não têm características uniformes e são
muito influenciadas por fatores climáticos (Giulietti et al., 2004). A maior parte da
Caatinga tem altitudes abaixo de 500 m e tem mais de 6 meses sem chuvas por ano.
Em agosto, a precipitação média na região dos testes é de 34 mm. A área de vegetação
em que foram feitos os voos possuem aproximadamente 37 mil metros quadrados. A
Figura 5.4 mostra esta área de vegetação circulada em vermelho. O ponto em amarelo
identifica o local em que estava posicionada a estação base para coleta dos dados de RF.
Figura 5.4: Região de Caatinga que o VANT sobrevoo.
Fonte: Google maps.

Já a Figura 5.5 mostra uma foto da região a uma altura de 80 metros capturada pelo
VANT durante a coleta dos dados.
Figura 5.5: Região de Caatinga que o VANT sobrevoo a altura de 80 metros.
Foram feitas duas campanhas de voos nesta localidade. A Tabela 5.4 mostra a variação
dos parâmetros de distância percorrida e velocidade, além do número de amostras
coletadas. Para uma maior velocidade, é necessária uma maior distância de voo, para
que o número de amostras coletadas sejam minimamente suficientes para extrair as
informações desejadas. Nessas medições, a distância percorrida à velocidade de 1 km/h
foi menor, pois o vento estava muito forte na região, e voar a baixa velocidade por longa
distância no sentido do vento, colocaria em risco a integridade do VANT.

1 km/h 80 m 130 m 498
3 km/h 80 m 250 m 316
5.1.3 Cenário 3: Região mista
O Cenário 3 é a região que margeia o lago e sobrevoa uma área de Caatinga, por este
motivo, o ambiente foi denominado Misto. A Figura 5.6 mostra uma foto tirada com o
VANT sobrevoando a região que intersecta a Caatinga e o lago à altura de 80 metros.
Figura 5.6: Região de ambiente misto a 80 metros de altura.
A Figura 5.7 mostra a visão aérea da região sobrevoada pelo VANT. É possível
perceber maiores detalhes da região. É perceptível que neste voo, o VANT sobrevoo
apenas uma pequena parte de Caatinga partindo do ponto em amarelo (estação base) e
seguindo a linha indicada na Figura.
5.2. RESULTADOS DO DESVANECIMENTO DE LARGA ESCALA 61
Figura 5.7: Região de ambiente misto.
Fonte: Google maps.
As características do voo podem ser observadas na Tabela 5.5.

1 km/h 80 m 130 m 400
3 km/h 80 m 150 m 167
5.2 Resultados do desvanecimento de larga escala
O processamento dos dados iniciou com o uso do filtro média móvel descrito
em (de Paiva Rolim et al., 2002), para separar o desvanecimento de larga escala das
amostras coletadas. O tamanho da escolha da janela foi definido como a menor número
de amostras possível em que o desvanecimento de pequena escala passe no teste KS
para alguma das seguintes distribuições Rice, Rayleigh, Nakagami ou Weibull. Com
os valores do desvanecimento de larga escala foram estimados os expoentes de perda de
percurso pelo método da regressão linear, e suas curvas do voo sobre o lago podem ser
visualizadas na Figura 5.8. Observa-se que para voos a altura de 80 metros, a perda de
percurso melhora com a distância, comportamento oposto a altura de 8 metros.
Figura 5.8: Perda de percurso para diferentes alturas e velocidades.
Este comportamento ocorre pelo posicionamento das antenas dos módulos XBees a
bordo do VANT e na estação em terra. As antenas possuem lóbulo omnidirecional, tendo
seu ganho máximo no eixo horizontal e seu ganho mínimo no eixo vertical (logo abaixo
ou acima da antena). Quando o VANT está a uma altura de 8 m sobre a estação em terra,
ao deslocar-se o ângulo entre as antenas modifica-se e o ganho atinge valores próximo do
máximo, como consequência o sinal diminui a sua intensidade por causa da distância. Já
a uma altura de 80 m, quando o VANT desloca-se a uma pequena distância, os ângulos
entre antenas transmissora e receptora, estão posicionadas de tal forma que os ganhos
não estão maximizados, com o deslocamento da aeronave os ângulos modificam-se e os
ganhos melhoram, com isso, o sinal tem uma melhora da potência, mas isto ocorre até
um certo limite, pois a diminuição da intensidade do sinal pode ser superior ao ganho das
antenas, ou as antenas atingirem seu ganho máximo e depois o sinal iniciar uma curva
descendente como visto para o caso a 8 m. As simulações das antenas são apresentadas
na seção 5.4. Outra observação importante é que a velocidade de 1 km/h a intensidade da
perda de percurso foi maior para todo o trajeto comparado aos casos com velocidade de
3 km/h dado a mesma altura.
A Figura 5.9 mostra o comportamento da perda de percurso para o ambiente misto. A

intensidade do sinal também aumenta com a distância, como ocorreu no lago com a altura
de 80 metros. A intensidade da perda de percurso também foi maior para a velocidade de
1 km/h como no caso do lago.
Figura 5.9: Perda de percurso para região mista.

No ambiente de Caatinga, a variação da velocidade mudou significativamente a

diferença entre as perdas de percurso, como pode ser visto na Figura 5.10. Esta
diferença foi a mais significativa se comparada aos outros ambientes. O voo com menor
velocidade teve um perfil médio de maior intensidade do sinal de RF. Essa diferença pode
estar associada ao ambiente com maior variabilidade dos espalhadores locais devido à
vegetação. Uma observação importante desta Figura é a diferença de distância percorrida
entre às duas campanhas de medição. Neste caso, a aeronave estava voando na mesma
direção do vento e a baixa velocidade. Tais condições aumentam o risco de perda de
controle da aeronave com o aumento da distância. Por segurança, o voo teve apenas 130
metros de deslocamento horizontal.
Figura 5.10: Perda de percurso para ambiente de Caatinga.
Para os diferentes ambientes de medição foram estimados os valores do expoente de

perda de percurso. A Tabela 5.6 mostra estes valores.
Tabela 5.6: Expoente de perda de percurso para diferentes ambientes.
Ambiente Expoente Velocidade (km/h) Altura (m)

Lago -7,8 1 8
Lago -8,9 3 8
Lago 2,9 1 80
Lago 2,0 3 80
Misto 3,7 1 80
Misto 3,8 3 80
Mata 3,7 1 80
Mata 1,9 3 80
O voo sobre o lago à altura de 8 m apresentou um elevado expoente da perda de

percurso, já os outros ambientes o expoente da perda é dado como um valor de ganho1 ,
uma vez que o comportamento da perda de percurso melhora com a distância. Estas
diferenças são significativas, pois um expoente de valor dois corresponde a um ambiente
de propagação no espaço livre e um valor acima de sete corresponde a um decaimento
mais intenso do que um ambiente interno de edifícios obstruído. Estimamos que tal
comportamento de melhora ou piora se deu pela rugosidade da superfície do lago e a
capacidade de absorção do sinal pela água. Os estudos (Grancharova et al., 2015) e (Cai
et al., 2017) mostram comportamento similar do sinal.
Nestes tipos de ambientes também estão presentes as componentes do sombreamento
log-normal. A Tabela 5.7 apresenta os valores dos parâmetros do sombreamento.
Tabela 5.7: Medidas de sombreamento.
Ambiente Altura (metros) Velocidade (km/h) Média (µ) Desvio padrão (σ) janela
Lago 8 1 -0,036457 4,9594 10
Lago 8 3 -0,00010684 5,1219 5
Lago 80 1 0,014171 1,594 15
Lago 80 3 0,019407 1,3563 15
Misto 80 1 0,021741 1,8036 10
Misto 80 3 0,023567 1,4659 20
Mata 80 1 0,0089469 2,6579 10
Mata 80 3 -0,0052443 3,001 15
1 Os valores obtidos de expoentes da perda de percurso positivos correspondem aos valores de ganho.
A média do sombreamento ficou próxima de zero, valor esperado, uma vez que o
sombreamento pode ser representada como uma variável aleatória como a variação da
potência do sinal local em torna da média em área. O desvio padrão foi significativamente
maior para o voo sobre o lago a 8 m de altura. Este resultado implica que o maior desvio
padrão está associado maior variabilidade do sinal, como consequência a comunicação
está sujeito a uma maior probabilidade de falhas sobre a região de baixa altura sobre o
lago comparado as outras regiões. Com isto, foram apresentados os resultados para o
desvanecimento de larga escala em diferentes situações de medição.
Finalmente, com caráter ilustrativo, a Figura 5.11 exemplifica o resultado do processo

de filtragem do sinal. Nela são apresentadas a potência do sinal recebida, somente perda
de percurso e a soma das componentes de sombreamento e perda de percurso. Este caso
representa a medição sobre o lago a 80 metros e velocidade de 1 km/h.
Figura 5.11: Resultado da filtragem do desvanecimento de larga escala.

5.3 Desvanecimento de pequena escala
Foi usado o método de máxima verossimilhança nas amostras do desvanecimento

de pequena escala para determinar os parâmetros das distribuições de Rayleigh, Rice,
Nakagami e Weibull. Os resultados podem ser vistos na Tabela 5.8.
Tabela 5.8: Parâmetros das distribuições.
Nakagami Rayleigh Weibull Altura Velocidade

Janela Rice (K) Ambiente
(m, Ω) (σ) (β, λ) (m) (km/h)
0.42621, 1.1251,
10 0.00033815 1.415 8 Lago 1
4.0043 1.4969
0.54171, 1.3129,
5 0.00032789 0.96315 8 Lago 3
1.8553 1.1415
0.4374, 1.1512,
15 0.00027749 1.1612 80 Mata 1
2.6966 1.2552
0.43961, 1.1688,
15 0.00027911 1.1447 80 Mata 3
2.6205 1.2184
0.44587, 1.1751,
10 0.0002916 1.1054 80 Misto 1
2.4439 1.1859
0.37927, 1.0619,
20 0.00020356 1.265 80 Misto 3
3.2004 1.2123
0.35111, 1.0072,
10 0.00027483 1.0953 80 Lago 1
2.3994 1.0094
0.37418, 1.0548,
15 0.00019419 1.2859 80 Lago 3
3.3069 1.2181
O teste KS foi usado para determinar qual o modelo de distribuição melhor descreve
os dados medidos. Com nível de confiança de 95%, a distribuição Weibull foi a indicada
pela teste de aderência KS.
O parâmetro β da distribuição Weibull ficou entre o intervalo 1, 0094 e 1, 3129

indicando pouca influência do tempo em relação as falhas de comunicação, esse resultado
mostra que o processo de falhas aleatórias é mais consistente ao ambiente medido.
Usando os parâmetros estimados da distribuição Weibull apresentados na Tabela 5.8
devido está distribuição melhor descrever o canal, foram apresentados as CDFs teórica
(com os parâmetros estimados) e a medida do desvanecimento de pequena escala. A
Figura 5.12 mostra as CDFs teórica e medida para o caso do voo sobre o lago com altura
de 8 m e diferentes velocidades.
Figura 5.12: CDF para o ambiente de lago com altura de 8 metros.
Observa-se que neste caso, a diferença de velocidade modificou o comportamento

das CDFs. À velocidade de 3 km/h a curva atinge seu valor máximo primeiro. Este
resultado é diferente do esperado, pois uma maior velocidade resultou em menor variação
do desvanecimento de pequena escala. Especula-se que isso é devido ao impacto do vento
no VANT, que promove deslocamentos laterais mais frequentes e intensos quando o voo é
feito com menor velocidade. Contudo, novas medidas (registrando a velocidade do vento
no momento do experimento) precisam ser feitas para ter certeza dessa afirmação. Esse
estudo será tema de trabalhos futuros.
A Figura 5.13 mostra a CDF sobre o lago para altura de 80 m com diferentes
velocidades. Neste caso, as CDFs não apresentaram mudanças significativa com a
diferença de velocidade, mas pode-se observar visualmente a boa aderência entre os dados
e o modelo estatístico estimado.
Figura 5.13: CDFs para o ambiente de lago com altura de 80 metros.
Já à Figura 5.14 compara a CDF da medição sobre o lago em diferentes alturas e a

mesma velocidade de 1 km/h.
Figura 5.14: CDFs para o ambiente de lago com velocidade de 1 km/h.
Observa-se que para a velocidade de 1 km/h, a diferença de altura influenciou o

comportamento do desvanecimento. A CDF que mais atinge seu valor máximo foi a altura
de 80 metros, especulamos que este comportamento está associado aos ventos laterais que
influenciam o trajeto da aeronave, corroborando com os resultados (e a especulação sobre
sua razão) mostrados nas Figura 5.12 e 5.13.
A Figura 5.15 compara a CDF da medição sobre o lago em diferentes alturas e
velocidade de 3 km/h. Similar aos resultados da Figura 5.13, este caso não apresentou
diferenças significativas para as CDFs dada a mudança de altura, mas pode-se observar
visualmente a boa aderência entre os dados e o modelo estatístico estimado.
Figura 5.15: CDFs para o ambiente de lago com velocidade de 3 km/h.
Até aqui, foram apresentados as CDFs teóricas e do dados medidos para o voo da
região com a presença de espelho d’água (lago), sendo possível verificar como a mudança
de velocidade e altura influenciou no comportamento do canal. A seguir, são apresentados
os resultados do ambiente misto e Caatinga.
A Figura 5.16 mostra as CDFs para o ambiente misto. É observado que o
comportamento não foi alterado significativamente com a diferença de velocidade.
Figura 5.16: CDFs para o ambiente misto com altura de 80 metros.
Por fim, a CDF que descreve o canal sobre a região de mata é apresentada na
Figura 5.17. Este canal não apresentou grande variação com a mudança de velocidade.
Figura 5.17: CDFs para o ambiente de mata com altura de 80 metros.
Similar aos resultados do lago, a velocidade não influenciou significativamente no

desvanecimento de pequena escala quando a altura foi de 80 m. Os resultados das CDFs

e PDFs para as outras distribuições são apresentadas no apêndice deste trabalho.
5.3.1 Estatísticas de segunda ordem
Com mencionado anteriormente, as estatísticas de segunda ordem podem ser usadas

para estimar o desvio Doppler máximo fd . Isso foi feito baseado na distribuição Weibull,
pois foi o modelo que obteve maior aderência aos dados de desvanecimento de pequena
escala medidos.
Com os resultados dos parâmetros da distribuição Weibull, determinou-se o β da

distribuição para gerar o LCR teórico para cada campanha de coleta de dados. O LCR
medido é estimado ao contar o número de cruzamentos do sinal medido em um certo
nível de amplitude (nível de referência). Ao dividir o LCR medido pelo teórico, pode-se
estimar a frequência Doppler em função do nível de referência.
A Figura 5.18 mostra a variação da frequência Doppler estimada para diferentes

velocidades, e em função do nível de referência para o ambiente Lago. Pode-se
dizer que os resultados foram iguais com exceção do voo a altura de 8 metros. Isso
também corrobora com as conclusões sobre o impacto do vento nas medições (e.g.,
Figuras 5.12 e 5.13). Só existe diferença significativa do desvanecimento ao comparar
as velocidades distintas, quando a altura é de 8 m (Figura 5.12). Para 80 m (Figura 5.13),
a velocidade não influencia nas CDFs, o que se refletiu na estimação do fd , dando valores
distintos para altura de 8 m, e valores iguais para altura de 80 m.
Já a variação da frequência Doppler para os ambientes de Caatinga e o Misto pode ser

visto na Figura 5.19. Nestes ambientes, não foi perceptível uma diferença significativa
da frequência Doppler, pois a influência do vento modificou a velocidade média durante
as medições. Mesmo para o ambiente de Caatinga que o voo foi na direção do vento,
o VANT voava em direção oposta ao planejado para compensar a força do vento que o
empurrava para frente.
Figura 5.18: Máxima frequência Doppler para ambiente de lago.
Figura 5.19: Máxima frequência Doppler para ambiente de Caatinga e misto.

Todas as campanhas de medição com o VANT foram afetadas por rajadas de vento
lateral e no sentido oposto nos voos sobre o lago e na região mista. Já para o Caatinga,
os ventos estavam lateralmente e no sentido do trajeto da aeronave. Para o primeiro caso,
a aeronave tinha sua velocidade média diminuída, pelo vento frontal e mudança em seu
ângulo devido ao vento lateral. Para o voo na Caatinga, como o vento tentava acelerar
a aeronave, o VANT tentava compensar fazendo um voo com força oposta as rajadas do
vento, o que ocasiona uma menor velocidade média. Especulamos que essas condições
e a pequena diferença de velocidade inserida no controle automático para os voos são as
principais razões dos resultados não descritivos em relação as diferentes velocidades.
Apenas o ambiente de voo sobre o lago, e a uma altura de 8 metros, apresentou
características mais controladas. Esta região conta com vegetação fechada em volta do
lado que impede a força do vento de atuar sobre a aeronave. Contudo, vento em diversas
direções ainda foi observado. Com isto, é possível analisar esse caso individualmente.
Observa-se na Figura 5.18 que houve uma diferença significativa do Doppler comparando
1 km/h e 3 km/h. Os resultados se aproximam dos valores de máximo teóricos. A
Tabela 5.9 mostra a faixa do Doppler mínimo e máximo teórico para as velocidades de
1 e 3 km/h. Esta Tabela evidencia que os resultados obtidos estão bem caracterizados,
uma vez que a velocidade real do voo foi menor que a tabela, e com isso os resultados da
estimação com os sinais medidos são mais próximos dos valores teóricos.
Tabela 5.9: Variação máxima e mínima do espalhamento Doppler teórico.
Velocidade do VANT (km/h) Frequência Doppler (mínimo - máximo)

1 0 - 0,86 Hz
3 0 - 2,6031 Hz
Com as informações da frequência Doppler e usando a relação v̂ = λ · fˆd / cos(θ),

se estima a velocidade. A Figura 5.20 mostra a estimação da velocidade do voo para o
ambiente de lago em função do ângulo θ = 0◦ (menor velocidade). Já a Figura 5.21 mostra
a estimação de velocidade para o ambiente de Caatinga e Misto. Os mesmos comentários
qualitativos em relação a estimação de fd são válidos para a estimação da velocidade.
Figura 5.20: Estimação da velocidade para voo sobre o lago.
Figura 5.21: Estimação da velocidade para voos sobre os ambientes de Caatinga e Misto.

5.4 Simulação da antena do módulo XBee
A simulação da antena teve o objetivo de comprovar o comportamento omnidirecional

do seu lóbulo de radiação, para compreender e justificar o comportamento da perda de
percurso (que aumentou com distância para alturas de voos de 80 m). Foi usado o software
4nec2 para este fim. Este software é uma ferramenta gratuita para visualizar, verificar,
e criar estruturas de geometria de antenas em 2D e 3D. O software exibe ou compara
padrões de radiação de campo próximo e distância de antenas filamentares.
O software 4nec2 executa varredura de frequência para as antenas projetadas,

mostrando como resultado as principais características da antena como: SWRs (linear
ou logarítmica), ganho, relação frente costa, impedância e eficiência, além de exibir
graficamente esses resultados.
A antena simulada apresenta uma estrutura filamentar de 8 cm de comprimento do

elemento irradiante com 1 mm de diâmetro. Seu plano terra é a própria estrutura do
módulo XBee. Estas características foram configuradas no simulador, tendo seu plano
terra modificado para um plano terra filamentar elementar, pois não é possível construir
a estrutura do módulo XBee no simulador. A simulação ocorreu no espaço livre para
remover os efeitos do ambiente. Como resultado da simulação, o diagrama de irradiação
da antena em 3D foi o apresentado na Figura 5.22. Esse formato de “maçã” confere um
ganho máximo na direção horizontal. A barra de cores ajuda a exemplificar a variação do
ganho em torno do lóbulo.
A antena apresenta um ângulo de meia potência de 80◦ , como pode ser visto no
diagrama do plano vertical da antena marcada em verde na Figura 5.23. O ganho máximo
foi de 2,11 dBi em torno do seu eixo, formando o ângulo de 90◦ com o elemento irradiante
que se posiciona sobre o eixo Z.
A relação de onda estacionária (ROE) ou standing wave ratio (SWR) e o coeficiente

de reflexão da antena pode ser verificado na Figura 5.24. Na frequência de 920 MHz,
5.4. SIMULAÇÃO DA ANTENA DO MÓDULO XBEE 77
Figura 5.22: Lóbulo de radiação da antena em 3D.
o SWR teve seu maior afundamento, i.e., para essa frequência ocorre a menor perda de
potência do sinal causado pelo casamento de impedância da antena, como consequência,
o coeficiente de reflexão foi o menor.
Figura 5.23: Diagrama de radiação da antena em 2D.

Figura 5.24: Perda de retorno e coeficiente de reflexão.
Como as simulações mostraram que a antena possui um lóbulo omnidirecional, duas

antenas do mesmo modelo posicionadas uma sobre a outra a uma distância de 8 metros
podem ser vistas na Figura 5.25. Este modelo representa a antena do VANT e da estação
base. Pode-se ver que ao movimentar o ângulo de inclinação dos lóbulos atinge ganho
positivo mais rápido do que a Figura 5.26, que mostra a mesma situação a uma altura de
80 metros.
Figura 5.25: Comportamento dos lóbulos das antenas em relação a altura de 8 metros.

5.5. DISCUSSÕES SOBRE OS RESULTADOS 79
Figura 5.26: Comportamento dos lóbulos das antenas em relação a altura de 80 metros.
Quando o VANT se encontra a distância de 8 metros, o ângulo entre as antenas

apresenta ganho maior do que a uma altura de 80 metros. Para uma maior altura, o
deslocamento do VANT em relação ao eixo X é maior que o VANT voando a uma menor
altura. Como consequência, ao deslocar-se a uma maior altura, o ganho da antena melhora
com a distância, e isso proporciona uma maior intensidade do sinal. Por outro lado,
quando o VANT se desloca a uma pequena altura, os ganhos das antenas já iniciam no
máximo, e ao distanciar-se, a perda de percurso é atenuada pela sua distância.
5.5 Discussões sobre os resultados
• Qual a melhor função distribuição acumulada (CDF) para caracterizar o

desvanecimento de pequena escala nos ambientes medidos?
Com o teste KS utilizado para verificar os modelos clássicos, ficou constatado
que o modelo de Weibull foi o único a conseguiu passar no teste com um nível
de confiança de 95%. Desta forma, a CDF de Weibull melhor descreveu o canal
medido;
• O canal segue uma única CDF, mesmo para diferentes altitudes do VANT?
Sim, o canal seguiu a mesma CDF (Weibull) independente da altura do voo e
velocidade (dentre os medidos), apenas seus parâmetros foram modificados como
apresentados anteriormente na Tabela 5.8;
• O canal segue uma única CDF, mesmo para ambientes distintos (Caatinga e
espelho d’água)? Se sim, quão diferentes são os parâmetros da distribuição
para os diferentes ambientes?
O canal seguiu uma mesma CDF (Weibll). Os parâmetros do canal são exibidos na
Tabela 5.8;
• A velocidade do VANT influencia na escolha da CDF?
A velocidade influenciou de forma notória quando o voo foi sobre o lago a
altura de 8 metros, e pode ser visto na Figura 5.12. Foi constatado que a CDF
também foi modificada quando o voo foi a 1 km/h e teve variação de altura.
A Figura 5.15 mostra tal variação. Para os demais ambientes, a CDF não teve
mudanças significativas, mesmo com a mudança de velocidade;
• Qual comportamento da perda de percurso em uma região com espelho d’água
e Caatinga, considerando velocidades e alturas diferentes?
A perda de percurso para o ambiente sobre o lago teve comportamento diferente.
Independente da velocidade, a medição sobre a altura de 8 metros mostrou um
perfil de decaimento da potência do sinal com a distância. Já a uma altura de 80
metros, ficou constatado que a potência média do sinal aumentou com a distância.
Esse comportamento foi independente da velocidade e é explicado pelo padrão de
radiação da antena, como mostrado na Seção 5.4;
• Modelo clássico como o LCR consegue estimar à frequência Doppler máxima
do canal com precisão, e consequentemente, a velocidade do VANT? A precisão
da estimativa muda com o ambiente?
O método estatístico LCR para estimar o Doppler teve uma boa predição. Contudo,
5.5. DISCUSSÕES SOBRE OS RESULTADOS 81
variáveis externas, como o vento, dificultam a realização de um experimento

preciso, com velocidade de voo constante e fiel ao configurado no controle do
VANT. Outro problema é a imprecisão causada pela não consideração o ângulo
entre o VANT e a estação de controle. O vento também modificou esse ângulo,
inúmeras vezes. A precisão muda com o ambiente, pois quanto mais influência
externa no voo, menor aproximação da estimativa com os valores teóricos.
Contudo, para um ambiente com menos influência de variáveis externas ao voo,
ficou constatado que o modelo LCR apresenta melhor precisão;
• As conclusões mudam quando o VANT sobrevoa uma região mista (Caatinga
e espelho d’água)?
Em relação à perda de percurso, o expoente apresentou valores bem maiores para
o voo sobre o lago comparado às regiões de Caatinga e mista. Em relação ao
sombreamento,o desvio padrão sobre a região do lago mostrou-se muito maior do
que nas outras regiões. As CDFs em região de lago, com voo baixo, apresentaram
menor variação que as dos outros ambientes. Já a relação de estatística de segunda
ordem, não apresentou diferenças significativas, exceto o voo a 8 metros.
Capítulo 6
Conclusões
Este trabalho apresentou a caracterização do canal móvel sem fio usando uma
aeronave remotamente pilotada nos ambientes de lago, caatinga e uma região mista. As
medições da intensidade do sinal eletromagnético foram realizadas com o dispositivo
XBee configurado para trabalhar na frequência de 915 MHz e taxa de envio dos pacotes
de 300 ms. O objetivo foi medir o canal de descida VANT-Terra, com a presença do efeito
Doppler causado pelo movimento do VANT.
A caracterização do canal foi realizada por métodos estatísticos de primeira e segunda

ordem. Os resultados mostraram boa aderência dos resultados medidos e os teóricos para
as CDFs e PDFs. Já a estimação da frequência Doppler foi realizada pelo método LCR e
apresentou resultados dentro da faixa esperada, principalmente para o voo sobre o lago a
3 km/h e altura de 8 m que apresentava melhores condições devido à baixa influência do
vento sobre a aeronave. Tais resultado permitem avaliar que a metodologia de estimação
do Doppler conduz com os resultados esperados.
Apesar de muitos trabalhos caracterizarem o canal móvel usando VANTs, a grande

parte se concentra nas estatísticas de primeira ordem, ficando os métodos de segunda
ordem restrita a poucos trabalhos, mais restrito ainda são os trabalhos que tentam
estimar o efeito Doppler, sendo assim o trabalho demostrou que o módulo XBee permite
caracterizar o canal rádio móvel apesar da sua limitação de taxa de aquisição dos pacotes.
Outra vantagem de usar o módulo XBee é que pode-se fazer a caracterização para
84 CAPÍTULO 6. CONCLUSÕES
outras frequências além da usada para controlar o VANT, trocando apenas o canal de
comunicação, com isso, surge novas perspectivas de trabalhos futuros.
6.0.1 Sugestões de trabalhos futuros
• Aumentar a taxa de perdas de pacotes e medir a imprecisão que causará na

caracterização do canal.
• Comparar o impacto na caracterização do canal em diferentes solos devido a
rugosidade.
• Verificar se o modelo de dois raios se adéqua ao canal com voo sobre o lago.
• Caracterizar o canal sobre água salgada e doce e compara-las.
• Buscar a explicação física para o expoente da perda de percurso elevado.
• Comparar o tamanho das janelas de filtragem e o impacto sobre os resultados.
• Fazer medições para diferentes frequências (900 MHz, 2,4 GHz e 5 GHz) com
medidas de downlink e uplink.
• Fazer voo radias e verificar se a antena terá seu comportamento omnidirecional
modificado.
Referências Bibliográficas
Abade, André, Marco Donisete de Campos, Lucas Farias Porto, Yuri de Farias Coelho,
Yuri de Moura Sousa and João Paulo Nespolo (2016), ‘A construção otimizada de
um drone para aplicações na agricultura e pecuária de precisão’, Anais da Escola
Regional de Informática da Sociedade Brasileira de Computação (SBC)–Regional
de Mato Grosso 7.
Abdi, Ali, Kyle Wills, H. Allen Barger, M-S Alouini and Mostafa Kaveh (2000),
Comparison of the level crossing rate and average fade duration of rayleigh, rice
and nakagami fading models with mobile channel data, em ‘Vehicular Technology
Conference Fall 2000. IEEE VTS Fall VTC2000. 52nd Vehicular Technology
Conference (Cat. No. 00CH37152)’, Vol. 4, IEEE, pp. 1850–1857.
Afonso, Luis, Nuno Souto, Pedro Sebastiao, Marco Ribeiro, Tiago Tavares and Rui
Marinheiro (2016), ‘Cellular for the skies: Exploiting mobile network infrastructure
for low altitude air-to-ground communications’, IEEE Aerospace and Electronic
Systems Magazine 31(8), 4–11.
Akram, AL-Hourani, Sathyanarayanan Chandrasekharan, Geoff Kaandorp, William

Glenn, Abbas Jamalipour and Sithamparanathan Kandeepan (2016), ‘Coverage and
rate analysis of aerial base stations’, IEEE Transactions on Aerospace and Electronic
Systems 52(6), 3077–3081.
Al-Hourani, Akram and Karina Gomez (2018), ‘Modeling cellular-to-UAV path-loss for
suburban environments’, IEEE Wireless Communications Letters 7(1), 82–85.
85
86 REFERÊNCIAS BIBLIOGRÁFICAS
Al-Hourani, Akram, Sithamparanathan Kandeepan and Abbas Jamalipour (2014),

Modeling air-to-ground path loss for low altitude platforms in urban environments,
em ‘Global Communications Conference (GLOBECOM), 2014 IEEE’, IEEE,
pp. 2898–2904.
Al-Hourani, Akram, Sithamparanathan Kandeepan and Simon Lardner (2014), ‘Optimal

lap altitude for maximum coverage’, IEEE Wireless Communications Letters
3(6), 569–572.
Alves, Miriam C. Bergue and Ana Marlene F Morais (2009), ‘The management of
knowledge and technologies in a space program’, Journal of Aerospace Technology
and Management 1(2), 265–272.
Amorim, Rafhael, Huan Nguyen, Preben Mogensen, István Z Kovács, Jeroen Wigard and
Troels B Sørensen (2017), ‘Radio channel modeling for UAV communication over
cellular networks’, IEEE Wireless Communications Letters 6(4), 514–517.
Applications XBee (2018), https://www.digi.com/blog/

where-will-you-use-your-xbee/. Accessed: 2018-11-19.
Azambuja, Jeremias Corbellini Brito de (2016), ‘Desenvolvimento de metodologias para

engenharia legal e perícia ambiental com aplicações em engenharia de minas e
ambiental’, Salão de iniciação cientifica da UFRGS .
Cai, Xuesong, Ana Gonzalez-Plaza, David Alonso, Lei Zhang, Cesar Briso Rodríguez,
Antonio Pérez Yuste and Xuefeng Yin (2017), Low altitude UAV propagation
channel modelling, em ‘Antennas and Propagation (EUCAP), 2017 11th European
Conference on’, IEEE, pp. 1443–1447.
Cheng, Chen-Mou, Pai-Hsiang Hsiao, H.T. Kung and Dario Vlah (2006), Performance
measurement of 802.11 a wireless links from UAV to ground nodes with various
REFERÊNCIAS BIBLIOGRÁFICAS 87
antenna orientations, em ‘Computer Communications and Networks, 2006. ICCCN

2006. Proceedings. 15th International Conference on’, IEEE, pp. 303–308.
Chini, Paolo, Giovanni Giambene and Sastri Kota (2010), ‘A survey on mobile satellite
systems’, International Journal of Satellite Communications and Networking
28(1), 29–57.
Clarke, R. H. (1968), ‘A statistical theory of mobile-radio reception’, Bell system technical

journal 47(6), 957–1000.
Costa, Daniel Benevides da et al. (2006), ‘Estatisticas de ordem superior para canais
de desvanecimento weibull e nakagami-m’, Repositǿrio da Produção Científica e
Intelectual da Unicamp .
Cruz, Diego Teles, Santos Afonso de Paula (2018), ‘Estudo comparativo entre a acurácia
posicional planimétrica de ortofotos com GSD médio distintos’, Simpósio de
Geotecnologias no Pantanal pp. 131–141.
Dalamagkidis, Konstantinos, Kimon P Valavanis and Les A Piegl (2008), ‘On

unmanned aircraft systems issues, challenges and operational restrictions preventing
integration into the national airspace system’, Progress in Aerospace Sciences
44(7-8), 503–519.
Damasso, E. and L.M. Correia (1999), ‘Digital mobile radio towards future
generation-cost 231 final report’, Brussels: COST Office .
Daniel, Kai, Markus Putzke, Bjoern Dusza and Christian Wietfeld (2010), Three
dimensional channel characterization for low altitude aerial vehicles, em ‘Wireless
Communication Systems (ISWCS), 2010 7th International Symposium on’, IEEE,
pp. 756–760.
de Dieu, Uwayezu Jean and Nsengiyumva Jean Marie Vianney (2016), ‘Characterization
and Modeling of Large-Scale Fading for Radio Propagation in Rwanda’,
Communications and Network 8(01), 22.
de Paiva Rolim, Thiago Henrique, Aline de Oliveira Vono, Camila Paduan Duarte Novaes
and Dayan Adionel Guimarães (2002), ‘Um método para síntese e análise dos
principais efeitos de propagação em canais de rádio móvel’, Revista Científica
1516, 2338.
Digi, User Guide (2016), ‘XBee-PRO 900HP/XSC RF Modules- S3 and S3B’, Digi
International, Minnetonka, M.N. .
Fadnis, Chetan, Anjana Jain and Sandhya Charhate (2014), Higher order statistics
for discrete Weibull fading channel: An alternate formulation, em ‘2014 9th
International Conference on Industrial and Information Systems (ICIIS)’, IEEE,
pp. 1–4.
Family XBee (2018), https://www.digi.com/pdf/chart_xbee_rf_features.pdf.

Accessed: 2018-11-21.
Federal Aviation Administration, AGENDA (2017), ‘Rtca program management

committee meeting summary july 13, 2017’.
Feng, Qixing, Eustace K. Tameh, Andrew R. Nix and Joe McGeehan (2006),
Wlcp2-06: modelling the likelihood of line-of-sight for air-to-ground radio
propagation in urban environments, em ‘Global Telecommunications Conference,
2006. GLOBECOM’06. IEEE’, IEEE, pp. 1–5.
Feng, Qixing, Joe McGeehan, Eustace K. Tameh and Andrew R Nix (2006), Path loss
models for air-to-ground radio channels in urban environments, em ‘Vehicular
Technology Conference, 2006. VTC 2006-Spring. IEEE 63rd’, Vol. 6, IEEE,
pp. 2901–2905.
Giulietti, Ana Maria, A.L. Bocage Neta, AAJF Castro, C.F.L. Gamarra-Rojas, EVSB
Sampaio, J.F. Virgínio, L.P. Queiroz, M.A. Figueiredo, M.J.N. Rodal, M.R.V.
Barbosa et al. (2004), ‘Diagnóstico da vegetação nativa do bioma caatinga’,
Biodiversidade da Caatinga: áreas e ações prioritárias para a conservação .
Goddemeier, Niklas and Christian Wietfeld (2015), Investigation of air-to-air channel

characteristics and a UAV specific extension to the rice model, em ‘Globecom
Workshops (GC Wkshps), 2015 IEEE’, IEEE, pp. 1–5.
Goddemeier, Niklas, Kai Daniel and Christian Wietfeld (2010), Coverage evaluation of
wireless networks for unmanned aerial systems, em ‘GLOBECOM Workshops (GC
Wkshps), 2010 IEEE’, IEEE, pp. 1760–1765.
Grancharova, Alexandra, Esten Ingar Grøtli, Dac-Tu Ho and Tor Arne Johansen (2015),
‘Uavs trajectory planning by distributed mpc under radio communication path loss
constraints’, Journal of Intelligent & Robotic Systems 79(1), 115–134.
Gutierrez, Richard M., Hanguang Yu, Yu Rong and Daniel W. Bliss (2017), Time
and frequency dispersion characteristics of the uas wireless channel in residential
and mountainous desert terrains, em ‘Consumer Communications & Networking
Conference (CCNC), 2017 14th IEEE Annual’, IEEE, pp. 516–521.
Hague, Dan, H.T. Kung and Bruce Suter (2006), Field experimentation of cots-based UAV
networking, em ‘Military Communications Conference, 2006. MILCOM 2006.
IEEE’, IEEE, pp. 1–7.
Hata, Masaharu (1980), ‘Empirical formula for propagation loss in land mobile radio
services’, IEEE transactions on Vehicular Technology 29(3), 317–325.
Haykin, Simon and Michael Moher (2011), Sistemas de Comunicação-5, Bookman

Editora.
Holden, Jeff and Nikhil Goel (2016), ‘Fast-forwarding to a future of on-demand urban air
transportation’, San Francisco, CA .
Holzbock, Matthias and Christian Senninger (1999), ‘An aeronautical multimedia service
demonstration at high frequencies’, IEEE MultiMedia 6(4), 20–29.
ITU-R (2006), Characteristics of Ultra-wideband Technology,Recommendation ITU-R

SM.1755.
Khawaja, Wahab, Ismail Guvenc and David Matolak (2016), UWB channel sounding and
modeling for UAV air-to-ground propagation channels, em ‘Global Communications
Conference (GLOBECOM), 2016 IEEE’, IEEE, pp. 1–7.
Khawaja, Wahab, Ismail Guvenc, David W. Matolak, Uwe-Carsten Fiebfig and Nicolas
Schneckenberger (2019), ‘A survey of air-to-ground propagation channel modeling
for unmanned aerial vehicles’, IEEE Communications Surveys & Tutorials .
Khuwaja, Aziz Altaf, Yunfei Chen, Nan Zhao, Mohamed-Slim Alouini and Paul Dobbins
(2018), ‘A survey of channel modeling for UAV communications’, arXiv preprint
arXiv:1801.07359 .
Kimchi, Gur, Daniel Buchmueller, Scott A Green, Brian C. Beckman, Scott Isaacs, Amir
Navot, Fabian Hensel, Avi Bar-Zeev and Severan Sylvain Jean-Michel Rault (2017),
‘Unmanned aerial vehicle delivery system’. US Patent 9,573,684.
Kung, H.T., Chit-Kwan Lin, Tsung-Han Lin, Stephen J. Tarsa and Dario Vlah (2010),
Measuring diversity on a low-altitude UAV in a ground-to-air wireless 802.11
mesh network, em ‘GLOBECOM Workshops (GC Wkshps), 2010 IEEE’, IEEE,
pp. 1799–1804.
Maciel, Leandro Rocha, Henry L. Bertoni and H.N. Xia (1993), ‘Unified approach
to prediction of propagation over buildings for all ranges of base station antenna
height’, IEEE transactions on vehicular technology 42(1), 41–45.
Matolak, David W. and S. Ruoyu (2017a), ‘Air–ground channel characterization for

unmanned aircraft systems—part i: Methods, measurements, and models for
over-water settings’, IEEE Transactions on Vehicular Technology 66(1), 26–44.
Matolak, David W. and S. Ruoyu (2017b), ‘Air–ground channel characterization for

unmanned aircraft systems—part iii: The suburban and near-urban environments’,
IEEE Transactions on Vehicular Technology 66(8), 6607–6618.
Matos, Leni Joaquim, Vitor Siqueira Pacheco, Wilyam Torres Meza and Edson Cataldo
(2017), ‘Setorização e filtragem de média móvel na análise estatística do sinal rádio
móvel’, Engevista 19(2), 520–533.
Naqvi, Syed Ahsan Raza, Syed Ali Hassan, Haris Pervaiz and Qiang Ni (2018),
‘Drone-aided communication as a key enabler for 5g and resilient public safety
networks’, IEEE Communications Magazine 56(1), 36–42.
Otake, Vinicius Seiji (2017), ‘Produtos cartográficos gerados a partir de drones e

aplicações na agricultura’.
Panagopoulos, Athanasios D., Pantelis-Daniel M. Arapoglou and Panayotis G. Cottis

(2004), ‘Satellite communications at ku, ka, and v bands: Propagation impairments
and mitigation techniques’, IEEE Communications Surveys & Tutorials 6(3).
Parsons, John David and Prof J. David Parsons (1992), ‘The mobile radio propagation
channel’.
Pinheiro, Júlio César de Mello (2012), ‘Caracterização de canais sem fio em ambientes
generalizados de desvanecimento’.
Popa, Dragos, , Traian Tomescu, Dragos, D. Popa and Tudor Tomescu (2017), ‘Aspecte
privind utilizarea UAV pentru oraS, e inteligente’.
Popovski, Petar, Jimmy J Nielsen, Cedomir Stefanovic, Elisabeth de Carvalho, Erik

Ström, Kasper F Trillingsgaard, Alexandru-Sabin Bana, Dong Min Kim, Radoslaw
Kotaba, Jihong Park et al. (2017), ‘Ultra-reliable low-latency communication (urllc):
principles and building blocks’, arXiv preprint arXiv:1708.07862 .
Qualcomm, LTE (2017), ‘Unmanned aircraft systems—trial report’.
Rappaport, Theodore S (2009), Comunicações sem fio: princípios e práticas, Pearson

Prentice Hall.
Rice, Michael, Adam Davis and Christian Bettweiser (2004), ‘Wideband channel model
for aeronautical telemetry’, IEEE Transactions on aerospace and Electronic systems
40(1), 57–69.
Rios, Joseph, Daniel Mulfinger, Jeff Homola and Priya Venkatesan (2016), Nasa uas
traffic management national campaign: Operations across six uas test sites, em
‘Digital Avionics Systems Conference (DASC), 2016 IEEE/AIAA 35th’, IEEE,
pp. 1–6.
Sagias, Nikos C., Dimitris A. Zogas, George K. Karagiannidis and George S. Tombras
(2004), ‘Channel capacity and second-order statistics in weibull fading’, IEEE
Communications Letters 8(6), 377–379.
Sampei, Seiichi (1997), Applications of digital wireless technologies to global wireless

communications, Prentice Hall PTR.
Silva, Maurício Rabello (2017), Análise de desempenho de rede de comunicação para um

sistema multi vant aplicado à varredura de área de impacto de foguetes, Dissertação
de mestrado, Brasil.
Silva, Vanderlei Aparecido da (2004), Modelagem computacional de canais de

comunicação móvel., Tese de doutorado, Universidade de São Paulo.
Simonite, Tom (2015), ‘Meet facebook’s stratospheric internet drone,

access date: 22.09. 2015’, URL: http://www. technologyreview.
com/news/539756/meet-facebooks-stratospheric-internet-drone .
Simunek, Michal, Fernando P. Fontan, Pavel Pechac and Francisco J.D. Otero (2013),
‘Space diversity gain in urban area low elevation links for surveillance applications’,
IEEE Transactions on Antennas and Propagation 61(12), 6255–6260.
Simunek, Michal, Fernando Pérez Fontán and Pavel Pechac (2013), ‘The UAV low
elevation propagation channel in urban areas: Statistical analysis and time-series
generator’, IEEE Transactions on Antennas and Propagation 61(7), 3850–3858.
Simunek, Michal, Pavel Pechac and Fernando P Fontan (2011), ‘Excess loss model for
low elevation links in urban areas for UAVs’, Radioengineering 20(3), 561–568.
Simunek, Michal, Pavel Pechac and Fernando P. Fontan (2013), ‘Feasibility of UAV
link space diversity in wooded areas’, International Journal of Antennas and
Propagation 2013.
Sybis, Michal, Krzysztof Wesolowski, Keeth Jayasinghe, Venkatkumar

Venkatasubramanian and Vladimir Vukadinovic (2016), Channel coding for
ultra-reliable low-latency communication in 5g systems, em ‘Vehicular Technology
Conference (VTC-Fall), 2016 IEEE 84th’, IEEE, pp. 1–5.
Tavares, Tiago, Pedro Sebastiao, Nuno Souto, Fernando J. Velez, Francisco Cercas,
Marco Ribeiro and Americo Correia (2015), Generalized lui propagation model
for UAVs communications using terrestrial cellular networks, em ‘Vehicular
Technology Conference (VTC Fall), 2015 IEEE 82nd’, IEEE, pp. 1–6.
Teng, Ervin, João Diogo Falcão and Bob Iannucci (2017), Holes-in-the-sky: A field
study on cellular-connected uas, em ‘Unmanned Aircraft Systems (ICUAS), 2017
International Conference on’, IEEE, pp. 1165–1174.
Yanmaz, Evşen, Robert Kuschnig and Christian Bettstetter (2011), Channel

measurements over 802.11 a-based UAV-to-ground links, em ‘GLOBECOM
Workshops (GC Wkshps), 2011 IEEE’, IEEE, pp. 1280–1284.
Yanmaz, Evşen, Robert Kuschnig and Christian Bettstetter (2013), Achieving air-ground
communications in 802.11 networks with three-dimensional aerial mobility, em
‘INFOCOM, 2013 Proceedings IEEE’, IEEE, pp. 120–124.
Yong, Soo Cho, Kim Jaekwon, YOUNG YANG Won and G KANG Chung (2010),
Mimo-ofdm wireless communications with matlab, em ‘Singapore: John Wiley &
Sons (Asia) Pte Ltd’, p. 544.
Zulkifli, NSA, F.K. Che Harun and N.S. Azahar (2012), Xbee wireless sensor networks
for heart rate monitoring in sport training, em ‘Biomedical Engineering (ICoBE),
2012 International Conference on’, IEEE, pp. 441–444.
Apêndice A
Informações adicionais
Este apêndice mostra o comparativo da CDF e PDF das distribuições clássicas e

medidas nos diferentes ambientes e velocidades. Todas as Figuras apresentadas seguiram
o mesmo critério apresentado do tamanho da janela de filtragem, o mesmo modelo de
filtro e os mesmos ambientes. Observa-se que as curvas para a distribuição de Rayleigh e
Rice são aproximadas, isto decorre do parâmetro K da distribuição de Rice se aproximar
de zero, desta forma a distribuição é generalizada com a distribuição de Rayleigh. Outra
observação, é que a distribuição que melhor se aproxima das curvas medidas foi Weibull,
como já relatado anteriormente neste trabalho.
Figura A.1: CDFs para o ambiente de lago a 8 m de altura com velocidade de 1 km/h.

96 APÊNDICE A. INFORMAÇÕES ADICIONAIS
Figura A.2: CDFs para o ambiente lago a 8 m de altura com velocidade de 3 km/h.
Figura A.3: CDFs para ambiente lago a 80 m de altura com velocidade de 1 km/h.

97
Figura A.4: CDFs para ambiente lago a 80 m de altura com velocidade de 3 km/h.
Figura A.5: CDFs para ambiente de caatinga a 80 m de altura com velocidade de 1 km/h.

Figura A.6: CDFs para ambiente de caatinga a 80 m de altura com velocidade de 3 km/h.
Figura A.7: CDFs para ambiente Misto a 80 m de altura com velocidade de 1 km/h.

99
Figura A.8: CDFs para ambiente Misto a 80 m de altura com velocidade de 3 km/h..
Figura A.9: PDFs para ambiente Misto a 8 m de altura com velocidade de 1 km/h.

Figura A.10: PDFs para ambiente lago a 8 m de altura com velocidade de 3 km/h.

101
Figura A.13: PDFs para ambiente de caatinga a 80 m de altura com velocidade de 1 km/h.

Figura A.14: PDFs para ambiente de caatinga a 80 m de altura com velocidade de 3 km/h.

103

Anexo I
Sobre os softwares usados
I.1 Configuração do software
O setup de medição é comandado por um software multi-plataforma, gratuito, que

permite aos desenvolvedores interagirem com os módulos Digi RF por uma interface
gráfica em um computador. Os módulos Digi RF consistem em uma família de
dispositivos que fornece conectividade sem fio (incluindo o módulo XBee PRO 900HP)
por diferentes padrões IEEE ou pelo protocolo Digimesh (Family XBee, 2018). O
software é chamado de XCTU e possui ferramentas para visualizar a qualidade do link
de comunicação entre dois ou mais módulos. Neste trabalho foi utilizado o software
XCTU para configurar os parâmetros do módulo XBee utilizados na caracterização do
canal.
o processo de instalação do software, drives e documentação podem ser encontrados

no site do fabricante Digi InternationalT M no endereço https://www.digi.com/
support/productdetail?pid=3352. O software XCTU é compatível com os sistemas
operacionais Windows, MacOS e Linux. A configuração para esse trabalho foi baseada no
sistema Windows.
Após a instalação do software XCTU, a interface para o usuário pode ser vista como
ilustrado na Figura I.1. O primeiro passo é conectar o módulo local com computador via
cabo Serial/USB. Ao selecionar a opção Discover Radio indicado pela seta na Figura I.1,
abre-se uma nova aba. Nesse momento, os drives de comunicação são instalados
105
106 ANEXO I. SOBRE OS SOFTWARES USADOS
automaticamente para o sistema operacional Windows. Caso outro sistema operacional

seja usado, será necessária a instalação manual.
Figura I.1: Interface do software XCTU.
Logo em seguida uma nova aba é aberta, como mostrado na Figura I.2. É permitida
a configuração dos parâmetros da porta USB. Na configuração escolhida foram mantidos
os valores default indicado pela figura. Dentre os parâmetros que podem ser escolhidos
estão: Bound rate, Date bits, Parity, Stop bits e Flow control.
I.1. CONFIGURAÇÃO DO SOFTWARE 107
Figura I.2: Interface do XCTU para configuração da porta serial/USB.
Ao finalizar as configurações da porta USB, o software XCTU busca reconhecer o

módulo conectado. A Figura I.3 mostra um exemplo de reconhecimento de um módulo
conectado à porta COM19. Para finalizar o reconhecimento, deve-se clicar em Add Select
Device.
O módulo XBee adicionado corretamente pode ser visto na Figura I.4 (indicado pela
seta 1). Após a instalação correta, pode-se explorar algumas funcionalidades do módulo
XBee. Por exemplo, na seta 2 da Figura I.4, ao clicar em Switch to Console, uma nova
janela é aberta. Está nova janela apresenta três estados referente aos pacotes gerados,
indicados pelas setas 2, 3 e 4, na Figura I.5.
Figura I.3: Interface para adicionar os módulos XBee.
Figura I.4: Interface mostrando o local que indica que o módulo XBee foi reconhecido.
Outro elemento importante na Figura I.5 é o ícone Open, que deve ser clicado para
fechar o circuito e fazer o módulo XBee funcionar. O ícone está indicado pela seta 1. Para
as setas enumeradas na Figura I.5, tem-se:
• 2: Local para verificar o log de pacotes enviados e recebidos;

• 3: Detalhes dos pacotes, como a quantidade de pacotes enviados e recebidos, se a
mensagem recebida estava correta, tempo de chegada e outros; e
• 4: Mostra os pacotes que foram gerados para o envio.
Figura I.5: Interface para verificar os pacotes gerados, enviados e recebidos.
Ao clicar em Switch to Configuration, mostrado pela seta 1 da Figura I.6, é mostrada

a janela de configuração de todos os parâmetros do módulo XBee. Na seta 2 são
definidos atributos para camada física, camada de rede, endereçamento, procedimentos de
segurança, portas de entrada e saída, taxa de amostragem, comandos para o modo sleep e
outros. Um elemento importante dessas configurações é o campo Channel Mask, pois vai
permitir habilitar quais canais estão disponíveis para comunicação. Os itens Preamble ID
e Network ID deve ser iguais entre os dispositivos para que possam se comunicar. Quando
os IDs diferentes, os dispositivos ignoram a mensagem recebida.
Figura I.6: Interface de configuração geral do módulo XBee.
Seguindo os passos até este ponto, a configuração se deu para o módulo local. É
necessário proceder a inserção do modulo remoto. Esse módulo será adicionado na
seção referente ao Range Test, apesar de existirem outras formas de adicionar a rede.
No menu tools, indicado na Figura I.7, tem opções para a investigação da qualidade
do link de comunicação. A opção utilizada para esse trabalho foi o Teste Range.
Figura I.7: Interface mostrando as ferramentas disponíveis para análise.

• Frame Generator: Local para criar os pacotes a serem transmitidos. Neste trabalho
foi escolhido o protocolo IEEE 802.15.4 e frame type: 0x01 - Tx(transmit) Request:
16-bit address. A Figura I.8 mostra como foram utilizadas as configurações dos
pacotes trocados entre os módulos XBee.
Figura I.8: Interface para geração de pacotes.

• Range Test: Essa opção permite a realização de um teste de alcance entre dois
módulos. No teste mede-se a RSSI local e remota, em que RSSI é a medição da
intensidade do sinal em dBm para o ultimo pacote que chega ao dispositivo.
Quando o transmissor local envia o pacote de dados ao dispositivo remoto, é
realizada a medida da RSSI quando o pacote chega. Em seguida o pacote é
retransmitido ao módulo local com a informação da RSSI medida. Ao receber o
pacote na estação base, é realizada a medida da intensidade do pacote e o valor é
colocado dentro do frame que é lido pelo software XCTU. Neste ponto, o pacote
tem a informação do RSSI do Downlink e Uplink.
Como as medições foram realizadas tanto no módulo local e remoto, o software
XCTU extrai a informação contida no pacote, referente a RSSI medida no módulo
remoto. São exibidos a RSSI tanto do módulo local quanto do módulo remoto, para
o usuário.
Para realizar o Range Test, dois módulos XBee devem ser configurados de forma
a ter o mesmo Preamble ID e Network ID. Para adicionar o Módulo local,
primeiramente deve-se abrir a aba Range Test em tools, e posteriormente selecionar
o ícone assinalado da Figura I.9.
É aberto um nova janela em que ocorre um busca automática para o novo módulo
XBee conectado. Conclui-se esse procedimento clicando em Add Selected Devices.
Com essa forma de adicionar o módulo local, o mesmo já é iniciado com as
configurações iguais ao módulo remoto. Ao iniciar a análise do enlace, é possível
verificar as RSSIs referentes a cada, como na Figura I.11.
Figura I.9: Interface para adicionar um módulo XBee local.

Figura I.10: Interface para aceitar o módulo XBee local.
Figura I.11: Interface com nível de potência recebida em cada terminal XBee.
I.1.1 Código usado para aquisição dos valores de RSSI
O código seguinte deve ser usado no microcontrolador Arduino para capturar os

valores de RSSI que chega a estação base.
Algoritmo I.1: Código de leitura do RSSI
1 int Rssi = 0;
2 void setup () {
3 Serial. begin (9600) ;
4 }
5 void loop () {
6 if (Serial. available () > 18) {
7 int inByte1 = Serial. read () ;
8 if ( inByte1 == 254) {
10 if ( inByte2 == 68) {
12 if ( inByte3 == 66) {
14 if ( inByte4 == 0) {
15 int Rssi = Serial. read () ;
16 Serial. println ( Rssi );
17 }
18 }
19 }
20 }
21 }
22 }

Caracterizacaocanalutilizando Leite 2019

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Caracterizacaocanalutilizando Leite 2019

Enviado por

Direitos autorais:

Formatos disponíveis

U NIVERSIDADE F EDERAL DO R IO G RANDE DO N ORTE

Caracterização de canal utilizando Veículo

Deyvid Lucas Leite

Orientador: Prof. Dr. Pablo Javier Alsina

Co-orientador: Prof. Dr. Vicente Angelo de Sousa Junior

Dissertação de Mestrado apresentada ao

Número de ordem PPgEEC: M603

Leite, Deyvid Lucas.

Dissertação (Mestrado)-Universidade Federal do Rio Grande do

1. VANT - Dissertação. 2. Desvanecimento - Dissertação. 3.

RN/UF/BCZM CDU 621.3:004

À minha família pelo apoio durante esta jornada.

À CAPES, pelo apoio financeiro.

Palavras-chave: VANT, Canal, Desvanecimento, Doppler, Multipercurso,

Keywords: UAV, Channel, Fading, Doppler, Multipath, Shadowing.

Lista de Símbolos e Abreviaturas xi

1.2 Trabalhos relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.1 Sistema de comunicação móvel . . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Desvanecimento de larga escala . . . . . . . . . . . . . . . . . . . . . . 13

2.2.1 Modelagem da perda de percurso . . . . . . . . . . . . . . . . . 14

2.2.2 Modelagem do sombreamento . . . . . . . . . . . . . . . . . . . 17

2.3 Desvanecimento de pequena escala . . . . . . . . . . . . . . . . . . . . . 17

3.1 Setup de medição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.1.1 Veiculo aéreo não tripulado - VANT . . . . . . . . . . . . . . . . 25

3.1.2 Sistema de transmissão de dados Ar-Terra . . . . . . . . . . . . . 26

3.1.3 Configuração do setup . . . . . . . . . . . . . . . . . . . . . . . 29

3.2 Estação de controle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.3.1 Análises do desvanecimento de larga escala . . . . . . . . . . . . 35

3.3.2 Análise do desvanecimento de pequena escala . . . . . . . . . . . 36

3.3.3 Teste de Kolmogorov - Smirnov . . . . . . . . . . . . . . . . . . 38

4 Teste de validação: resultados simulados 41

4.1 Descrição do Experimento . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.1.1 Desvanecimento de Larga Escala . . . . . . . . . . . . . . . . . 43

4.1.2 Desvanecimento de Pequena Escala: Análise do multipercurso . . 45

4.1.3 Desvanecimento de Pequena Escala: Análise da Doppler . . . . . 47

5.1 Cenários de Medição . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

5.1.1 Cenário 1: Região de lago . . . . . . . . . . . . . . . . . . . . . 55

5.1.2 Cenário 2: Região de vegetação da Caatinga . . . . . . . . . . . . 58

5.1.3 Cenário 3: Região mista . . . . . . . . . . . . . . . . . . . . . . 60

5.2 Resultados do desvanecimento de larga escala . . . . . . . . . . . . . . . 61

5.3 Desvanecimento de pequena escala . . . . . . . . . . . . . . . . . . . . . 67

5.3.1 Estatísticas de segunda ordem . . . . . . . . . . . . . . . . . . . 72

5.4 Simulação da antena do módulo XBee . . . . . . . . . . . . . . . . . . . 76

5.5 Discussões sobre os resultados . . . . . . . . . . . . . . . . . . . . . . . 79

6.0.1 Sugestões de trabalhos futuros . . . . . . . . . . . . . . . . . . . 84

2.1 Componentes básicos do sistema de transmissão. . . . . . . . . . . . . . 12

2.2 Componentes básicos do sistema de recepção. . . . . . . . . . . . . . . . 12

2.3 Mecanismos relacionados à propagação da onda de rádio frequência. . . . 14

2.4 Manifestações canal móvel: Desvanecimentos de larga (perda de percurso

2.5 Ilustração do efeito dos Multipercursos. . . . . . . . . . . . . . . . . . . 19

2.6 Ilustração do efeito do deslocamento Doppler. . . . . . . . . . . . . . . . 20

3.1 Ilustração do setup de medição. . . . . . . . . . . . . . . . . . . . . . . . 24

3.2 Módulo XBee. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3.3 XBee explorer USB adapter. . . . . . . . . . . . . . . . . . . . . . . . . 29

3.4 Comunicação do módulo XBee e o microcontrolador Arduino. . . . . . . 30

3.5 Estação de recepção para o teste de validação. . . . . . . . . . . . . . . . 32

3.7 CDF teórica estimada e medida. . . . . . . . . . . . . . . . . . . . . . . 39

4.1 Fluxograma da geração do sinal e filtragem. . . . . . . . . . . . . . . . . 42

4.2 Processo para gerar o desvanecimento de pequena escala do canal Rayleigh. 42

4.3 Fluxograma para estimar o doppler via às estatísticas de LCR e AFD. . . 43

4.4 Separação do desvanecimento de larga escala. . . . . . . . . . . . . . . . 44

4.5 Sombreamento para dois sinais. . . . . . . . . . . . . . . . . . . . . . . 45