Escolar Documentos
Profissional Documentos
Cultura Documentos
Indice general
I Presentaci on del problema 11
1. Introducci on 13
1.1. Motivaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2. Conceptos preliminares 17
2.1. El concepto celular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2. Caracterizaci on de las radiobases . . . . . . . . . . . . . . . . . . . . . . 19
II Fundamentos Te oricos 21
3. Principios b asicos de propagaci on 23
3.1. Propagaci on en espacio libre . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2. Propagaci on sobre una supercie reectora . . . . . . . . . . . . . . . . 24
3.2.1. Propagaci on sobre Tierra esferica . . . . . . . . . . . . . . . . . . 25
3.2.2. Propagaci on sobre Tierra plana . . . . . . . . . . . . . . . . . . . 27
3.2.3. Propagaci on sobre una supercie rugosa . . . . . . . . . . . . . . 29
4. Propagaci on sobre terrenos irregulares 31
4.1. Principio de Huygens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.1.1. Propagaci on por difracci on . . . . . . . . . . . . . . . . . . . . . 31
4.2. Elipsoides de Fresnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5
6
INDICE GENERAL
4.3. Atenuaci on por m ultiples cuchillos . . . . . . . . . . . . . . . . . . . . . 35
4.3.1. Metodo de Vogler . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5. Modelos de propagaci on 39
5.1. Modelo de Okumura-Hata . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.1. Modelo de Okumura . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.2. Modelo de Okumura-Hata . . . . . . . . . . . . . . . . . . . . . . 41
5.1.3. Modelo de Okumura-Hata COST231 . . . . . . . . . . . . . . . . 43
5.2. Modelo de Erceg-SUI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3. Modelo de Walsch-Ikegami . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.3.1. Modelo de Walsch-Bertoni . . . . . . . . . . . . . . . . . . . . . 45
5.3.2. Modelo COST231 Walsch-Ikegami . . . . . . . . . . . . . . . . 48
5.3.3. Modelo MOPEM . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.4. Modelo propuesto: Vogler-Ikegami . . . . . . . . . . . . . . . . . . . . . 52
III Desarrollo de Software 55
6. Aspectos previos al desarrollo de software 57
6.1. Elecci on del lenguaje de programaci on . . . . . . . . . . . . . . . . . . . 57
6.2. Introducci on a GIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.2.1. Representaci on de datos en GIS . . . . . . . . . . . . . . . . . . . 60
6.2.2. Java y GIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7. Descripci on general de SAPO 63
7.1. Que es un proyecto en SAPO? . . . . . . . . . . . . . . . . . . . . . . . 64
7.2. Ingreso de datos del entorno . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.3. Creaci on de una red celular . . . . . . . . . . . . . . . . . . . . . . . . . 66
7.4. Estimaci on de potencia mediana de se nal . . . . . . . . . . . . . . . . . 68
7.5. Otras herramientas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.5.1. El Generador de Edicios . . . . . . . . . . . . . . . . . . . . . . 69
7.5.2. C alculo de interferencia co-canal . . . . . . . . . . . . . . . . . . 69
INDICE GENERAL 7
7.5.3. Identicaci on de area de servicio . . . . . . . . . . . . . . . . . . 69
7.5.4. Identicaci on de regi on de lnea de vista . . . . . . . . . . . . . . 70
7.5.5. An alisis del error de predicci on . . . . . . . . . . . . . . . . . . . 70
8. Arquitectura de software 71
8.1. Arquitectura de paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . 71
8.1.1. El paquete principal . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.1.2. El paquete proyecto . . . . . . . . . . . . . . . . . . . . . . . . . 72
8.1.3. El paquete capas . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.1.4. El paquete raster . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.1.5. El paquete vectorial . . . . . . . . . . . . . . . . . . . . . . . . . 76
8.1.6. El paquete red . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
8.1.7. El paquete predicciones . . . . . . . . . . . . . . . . . . . . . . . 78
8.1.8. El paquete ifusuario . . . . . . . . . . . . . . . . . . . . . . . . . 81
8.1.9. El paquete archivos . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.2. Comportamiento din amico . . . . . . . . . . . . . . . . . . . . . . . . . . 85
8.3. Manejo de errores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
9. Formato de archivos 91
9.1. Archivos de entrada de datos de altura de terreno . . . . . . . . . . . . . 91
9.1.1. ASCII Grid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
9.1.2. GRASS ASCII Grid . . . . . . . . . . . . . . . . . . . . . . . . . 93
9.2. Archivos de entrada de datos de edicaciones y manzanas . . . . . . . . 93
9.2.1. SHP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
9.3. Archivos de entrada para generar manzanas . . . . . . . . . . . . . . . . 94
9.4. Archivos de entrada para la importaci on de patrones de radiaci on . . . . 95
9.5. Archivos de entrada-salida de predicciones . . . . . . . . . . . . . . . . . 96
9.6. Archivos de entrada-salida para el an alisis de error de predicci on . . . . 96
9.7. Archivos de entrada-salida para el manejo de proyectos . . . . . . . . . . 96
9.7.1. XML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8
INDICE GENERAL
10.Algoritmos y c alculos implementados 101
10.1. C omputo de distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
10.2. C alculo de ganancia de la antena trasmisora . . . . . . . . . . . . . . . . 102
10.2.1.
Angulos relativos a la direcci on de m axima propagaci on . . . . . 102
10.2.2. B usqueda en el patr on de radiaci on . . . . . . . . . . . . . . . . . 103
10.3. C alculo de alturas efectivas . . . . . . . . . . . . . . . . . . . . . . . . . 104
10.4. C alculo del angulo de orientaci on y ancho de la calle . . . . . . . . . . . 105
10.5. C alculo de la distancia a una esquina . . . . . . . . . . . . . . . . . . . . 106
10.6. Consideraci on del factor de seguridad en variables aleatorias . . . . . . . 108
10.7. Vericaci on de lnea de vista . . . . . . . . . . . . . . . . . . . . . . . . 108
10.8. Resoluci on de la integral de Vogler . . . . . . . . . . . . . . . . . . . . . 110
10.8.1. Estimaci on Numerica: Metodos QMC y RQMC . . . . . . . . . . 111
10.8.2. Algoritmo para la evaluaci on de la integral . . . . . . . . . . . . 114
10.9. Algoritmo de b usqueda del perl . . . . . . . . . . . . . . . . . . . . . . 117
11.Ejemplos de aplicaci on 119
11.1. C alculos asociados a una predicci on . . . . . . . . . . . . . . . . . . . . 119
11.2. Variaci on de las caractersticas de una antena . . . . . . . . . . . . . . . 121
11.3. Variaci on de los modelos de propagaci on . . . . . . . . . . . . . . . . . . 123
11.4. Vericaci on de lnea de vista . . . . . . . . . . . . . . . . . . . . . . . . 124
IV Validaci on y Conclusiones 125
12.Validaci on 127
12.1. Obtenci on de las medidas reales . . . . . . . . . . . . . . . . . . . . . . . 128
12.2. Breve descripci on del entorno y las medidas . . . . . . . . . . . . . . . . 130
12.3. Performance de los modelos . . . . . . . . . . . . . . . . . . . . . . . . . 130
12.3.1. Okumura-Hata-COST231 . . . . . . . . . . . . . . . . . . . . . . 130
12.3.2. Erceg-SUI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
12.3.3. COST231-Walsch-Ikegami . . . . . . . . . . . . . . . . . . . . . 133
INDICE GENERAL 9
12.3.4. MOPEM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
12.3.5. Vogler-Ikegami . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
12.4. Conclusiones de la validaci on . . . . . . . . . . . . . . . . . . . . . . . . 139
13.Conclusiones 141
13.1. Lneas de trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
V Anexos 145
A. Intersecci on de una elipsoide con un plano 147
A.1. Vericaci on de la intersecci on entre un plano y la elipsoide . . . . . . . . 147
A.2. Intersecci on entre una elipsoide y un plano arbitrario . . . . . . . . . . . 149
A.3. Aplicaci on al problema de lnea de vista . . . . . . . . . . . . . . . . . . 150
Parte I
Presentaci on del problema
11
Captulo 1
Introducci on
En este captulo se presentan los principales elementos que motivan la realizaci on
del presente proyecto, los objetivos planteados al inicio del mismo y se establece su
alcance.
1.1. Motivaci on
Los sistemas de comunicaci on inal ambrica han adquirido una indiscutible impor-
tancia dentro del mundo de las telecomunicaciones. M as especcamente, los servicios
de telefona m ovil celular, que fueron lanzados al mercado en la decada de los 80, han
tenido desde entonces un vertiginoso desarrollo, constituyendo hoy en da un elemento
integrado en la sociedad contempor anea. Esto se traduce en una cada vez mayor exi-
gencia a nivel de costos, calidad de servicio y soporte de aplicaciones a los operadores,
para poder satisfacer las demandas del mercado sin perder competitividad. A su vez
les impone, tanto a los operadores como a sus proveedores, una eciente planicaci on
y mantenimiento de los sistemas, mayor precisi on en las estimaciones de cobertura e
identicaci on de las regiones de sombra y puntos de comunicaci on dudosa. Para el
cumplimiento de dichos objetivos, resulta de fundamental importancia disponer de he-
rramientas de predicci on de cobertura exibles, precisas y escalables.
En el marco academico, tambien es de interes contar con este tipo de herramientas
no s olo a nivel de investigaci on, sino tambien con nes educativos. Los paquetes de
software que existen en la actualidad han sido desarrollados con un n puramente co-
mercial y est an destinados a operadores, teniendo por ende un costo muy elevado. Esto
los torna inaccesibles para una empresa de bajo porte o una instituci on educativa.
Aqu mencionamos algunos s olo a modo de ejemplo:
Ericsson TEMS CellPlanner - A universal approach to network planning [1]
13
14 1.2. Objetivos
AWE Communications ProMan - Radio Network Planning & Prediction of Wavepro-
pagation [2]
Teleworx Xcalibur - Real Time RF Design & Optimization Tool [3]
Expert Wireless Solutions MaXPlan - Wireless System Design Software Tool [4]
Su costo ronda entre los U$S 10.000 y los U$S 80.000 anuales.
A su vez, estos paquetes de software est an dise nados para entornos homogeneos
ya que pueden realizar predicciones asoci andole un unico modelo a todas las antenas
involucradas. En la realidad, dentro de una misma celda pueden existir entornos tan
distintos que la aplicaci on de un mismo modelo conduzca a resultados inexactos. Esto
constituy o una motivaci on para la elaboraci on de un software de predicci on de propa-
gaci on para se nal celular, que sea m as exible en este sentido de forma de lograr mayor
exactitud en caso de diversidad de entornos de propagaci on.
La intenci on es que el resultado del proyecto sea el primer paso para lograr una
herramienta completa y comparable a las disponibles a nivel comercial lo cual motiv o a
que sea de c odigo abierto y con un dise no modular que facilite el agregado de nuevas
funcionalidades.
1.2. Objetivos
El objetivo general del presente proyecto es el desarrollo de una herramienta de
predicci on de perdida de camino de se nales celulares para entornos urbanos y subur-
banos de caractersticas heterogeneas. La misma consistir a en un software que pueda
calcular a partir de los datos topogr acos del entorno, ubicaci on y caractersticas de
las antenas radiobases, la potencia mediana de la se nal recibida en cualquier punto
del terreno. Para ello se utilizar an distintos modelos de propagaci on para los entornos
mencionados.
El software deber a aceptar datos con distintos niveles de detalle, incluyendo el
mapa de alturas de terreno, el trazado de las manzanas y la disposici on y altura de las
edicaciones. Los formatos utilizados deber an ser reconocidos internacionalmente.
Para el c alculo de la atenuaci on se utilizar an diversos modelos de propagaci on, y
se intentar a cubrir la mayor cantidad de escenarios posibles. Los modelos deber an ser
congurables por el usuario (es decir, se podr an jar arbitrariamente los par ametros
que los denen). Esto es con el n de lograr la mayor exibilidad posible, caracterstica
a buscar en todos los aspectos del dise no.
La herramienta debe ser de f acil manejo, de forma que el usuario pueda interactuar
con la misma de forma natural, mediante una interfaz gr aca amigable y clara. Ser
experto en la teora no debe ser una condici on necesaria para poder utilizarla y obtener
resultados razonables.
Captulo 1. Introducci on 15
Es tambien una caracterstica deseable, que el software pueda funcionar bajo distin-
tos sistemas operativos, de forma de no restringir su uso a una determinada plataforma,
y que los tiempos de ejecuci on sean razonables. Para lograr esto ultimo se intentar a mi-
nimizar los tiempos de c alculo mediante algoritmos ecientes, sin necesidad de perder
conabilidad en los resultados.
Como se mencion o en la secci on anterior, la herramienta de software pretende ser
parte de un desarrollo m as general, por lo cual es condici on imprescindible que el c odigo
generado sea f acilmente reutilizable.
Como objetivos secundarios, necesarios para la concreci on del objetivo nal, se
encuentran el estudio y an alisis de los fundamentos te oricos, que incluyen todos los
aspectos relativos a la propagaci on, caractersticas de la se nal celular, modelos de pre-
dicci on, as como el entendimiento de los procedimientos matem aticos necesarios para
la implementaci on de los diferentes c alculos. Tambien cabe mencionar la familiariza-
ci on con el lenguaje y el entorno de programaci on, as como el manejo de datos del tipo
cartografas digitales.
1.3. Alcance
A la hora de encarar un proyecto es importante establecer las fronteras que limitan
el alcance del mismo, as como mencionar las hip otesis m as importantes que es necesario
asumir para su desarrollo.
El estudio de las se nales celulares se basa en descripciones estadsticas dada la im-
posibilidad del tratamiento del problema electromagnetico que implicara la predicci on
exacta del valor de potencia en un punto dado. Esto incluye los niveles medianos de
se nal y una distribuci on de estos, as como una medida del apartamiento temporal y
frecuencial. El presente trabajo se basar a en la estimaci on del valor mediano de la po-
tencia local en una regi on geogr aca, y no incluir a el an alisis de las variaciones de largo
alcance (debidas principalmente al efecto de los cambios de topografa a lo largo del
camino de propagaci on) ni las de corto alcance (debidas al fen omeno de multicamino
en la vecindad del m ovil).
Otro elemento a mencionar es el tipo de entorno de estudio, que se limita principa-
lemente a entornos suburbanos y urbanos. Esto no es para nada restrictivo ya que en
ese marco se admite una gran variedad de escenarios, con trazado de manzanas y dis-
tribuci on de edicaciones arbitrarios. La elecci on de este tipo de entornos se debe a que
son los m as complejos desde el punto de vista de la propagaci on, y por lo tanto los m as
desaantes a la hora de hacer estimaciones de cobertura o planicaci on. Adem as son
en general los de principal interes para los operadores por tener la mayor concentraci on
de demanda de servicios debido a la alta densidad de poblaci on. Cabe aclarar que se
trabajar a en ambientes outdoor (en la calle); el c alculo de atenuaci on en ambientes del
tipo indoor (dentro de edicaciones) o incar (dentro de autom oviles) est a por fuera de
los alcances del proyecto.
16 1.3. Alcance
Tampoco se incluir a el an alisis de interferencia del tipo canal adyacente, esto es,
niveles de potencia no deseados provenientes de emisiones de se nales con portadoras
diferentes a la de la se nal util (frecuencias pr oximas a la de transmisi on). Por el contrario
se incluir a el c alculo de interferencia del tipo co-canal (para sistemas FDMA), debida
a se nales interferentes con la misma portadora.
En cuanto a las frecuencias de operaci on, se consideran principalmente las incluidas
en las bandas UHF y VHF (30 MHz a 3 GHz), que son las usadas para comunicaciones
m oviles celulares. Sin embargo, esto depender a del modelo de propagaci on en particular
que se este utilizando, ya que alguno puede ser v alido para rangos de frecuencia m as
amplios o m as reducidos que el mencionado.
Una suposici on que es necesario realizar a la hora de asegurar la conabilidad de
los resultados arrojados por la herramienta de software, es que el usuario que la utiliza
dispone de una base de datos suciente y precisa, tanto de la topografa del terreno
como de la topologa de la red celular y de las antenas. A su vez, debe estar capacitado
para elegir las opciones m as adecuadas dentro de las que ofrece el software, de acuerdo
a las condiciones particulares de trabajo, e ingresar valores numericos coherentes para
los diferentes par ametros, para lo cual deber a estar mnimamente familiarizado con los
conceptos que se manejan.
Captulo 2
Conceptos preliminares
En este captulo se introducen algunos conceptos y deniciones elementales en los
que se funda el presente trabajo.
2.1. El concepto celular
El dise no de red para las comunicaciones m oviles est a basado en el concepto celular,
concepto introducido por Bell Laboratories en la decada de 1970. El sistema celular
divide la regi on en celdas, cubiertas cada una por un sistema de radio (radiobase) que
hace posible la conexi on de los terminales m oviles a la red, y un sistema de conmutaci on
(central m ovil celular, MSC/MTSO) que permite la interconexi on entre las estaciones
base y la conexi on a la red conmutada de telefona p ublica (PSTN). En la gura 2.1 se
puede ver un esquema tpico de una red celular, las celdas suelen representarse como
un area hexagonal a n de facilitar el an alisis.
PSTN
Figura 2.1: Esquema de una red celular
Los principales elementos que diferencian al sistema celular de otros sistemas radio
usados anteriormente son el uso de varias radiobases con relativa poca cobertura, y
17
18 2.1. El concepto celular
la capacidad de reutilizar en distintas zonas geogr acas separadas una determinada
distancia las frecuencias que fueran asignadas para los canales de comunicaci on del
sistema. Esto se traduce en:
Aumento en la capacidad del sistema
Reducci on en el uso de potencia
Mejor cobertura
La reutilizaci on de frecuencias permite un uso m as eciente del espectro radioelectrico,
que es un recurso escaso y caro. A la hora de planicar el sistema es necesario estimar
el area que habr an de cubrir las radiobases, as como tambien los canales que se le debe
asignar a cada una de ellas, generando as los llamados patrones de reutilizaci on de
las celdas. Esto debe hacerse minimizando los efectos de interferencia co-canal (se nales
interferentes con la misma portadora que la se nal util), para cumplir con determinados
requerimientos de calidad de se nal, m as especcamente con un nivel mnimo de relaci on
portadora/se nal interferente (C/I o CIR).
Como se dijo anteriormente, el elemento responsable de la transmisi on de la se nal
en la comunicaci on bidireccional con el terminal es la radiobase (RBS o ERB). Se
denomina area de cobertura de una radiobase al area geogr aca en la cual un terminal
m ovil puede establecer una comunicaci on usando esa radiobase como interfase con la
red. Depende de la se nal emitida por la propia radiobase, y tiene una fuerte dependencia
de la geografa y edicaci on de la zona. La cobertura continua se logra mediante el
mecanismo de handover, esto es, el proceso de pasar una comunicaci on de un canal en
una celda a un nuevo canal en otra celda o en la misma sin que se corte la comunicaci on.
El manejo de estas transiciones es un factor vital en un sistema celular, si bien le agrega
cierta complejidad.
Seg un la capacidad y cobertura requeridas en el area de inuencia de las redes,
su dise no implicar a la utilizaci on de celdas de diferentes radios y las antenas de las
radiobases presentar an diferentes alturas y potencias de transmisi on. De all surge la
clasicaci on de las celdas en tres tipos:
Macroceldas. Son los tipos de celdas m as comunes para operaci on celular, proveen
un area de cobertura de radio entre 1 km y 30 km. Las antenas se montan sobre
el nivel medio de las edicaciones y tienen una potencia de salida que ronda en el
entorno de las decenas de Watts. Se utilizan en ambientes outdoor (exteriores).
Microceldas. Tienen un radio de cobertura que est a entre 100 m y 1000 m. Incre-
mentan la capacidad de la red, ya que permiten hacer un mayor manejo de tr aco
y hacen posible la utilizaci on de potencias de transmisi on muy bajas (unos pocos
Watts). A diferencias de las macroceldas, las antenas se montan debajo del nivel
medio de edicaciones. Al igual que estas se utilizan en ambientes outdoor.
Captulo 2. Conceptos preliminares 19
Picoceldas. Proveen una cobertura a un m as localizada que las microceldas, con un
radio de cobertura tpico menor a 100 m. Se utilizan generalmente para brindar
cobertura en ambientes indoor (cerrados) identicados como de muy alto tr aco,
tales como centros comerciales y aeropuertos, donde existe una alta densidad de
usuarios con un patr on de comportamiento de baja movilidad.
2.2. Caracterizaci on de las radiobases
La principal funci on de la radiobase es actuar como intermediario entre los termi-
nales m oviles y la central m ovil celular. Es la encargada de manejar la interfaz de radio
para la comunicaci on con los terminales m oviles en el acceso inal ambrico. Est a consti-
tuida por varias unidades de canal, consistentes cada una por un transmisor y receptor
de radio y por el sistema radiante (sistema de antenas).
Cada radiobase se ubica en un determinado punto geogr aco al que se denomina
sitio. La elecci on de los sitios no s olo depende de aspectos de radiofrecuencia, sino de
disponibilidad de espacio fsico, que puede implicar tambien cuestiones legales y/o re-
gulatorias. Por las necesidades de altura, las torres se ubican generalmente sobre una
edicaci on.
Una radiobase puede conformar una celda de uno o m as sectores, en este caso se
denomina sectorizada (ver gura 2.2). Esta ultima variante es muy utilizada, sobre todo
en entornos urbanos. En lugar de una unica antena omnidireccional que sea capaz de
cubrir los 360
o
, se agrupan los equipos de transmisi on y recepci on con antenas direccio-
nales que cubren un cierto angulo. Con esto se logra disminuir la interferencia (debido
a que se reduce la zona de cobertura) y aumentar la ganancia (las antenas direccionales
concentran la potencia en una zona mucho m as peque na que las omnidireccionales).
Adem as, la alta relaci on frente-espalda
1
de las antenas direccionales permite mejorar
la CIR del sistema, pudiendose reutilizar m as grupos de frecuencia en la zona.
(a) (b)
Figura 2.2: Esquema de una radiobase (a) omnidireccional, (b) de tres sectores
En resumen, la caracterizaci on de las radiobases se har a mediante:
1
Relaci on entre la ganancia de la antena en la direcci on de m axima ganancia y la diametralmente
opuesta
20 2.2. Caracterizaci on de las radiobases
el sitio al cual pertenece (coordenadas)
la altura
la cantidad y caractersticas de las antenas
Las antenas incluyen los siguientes par ametros de interes:
Canal. El grupo de frecuencias asignado.
Potencia radiada. La potencia de transmisi on de la antena.
Ganancia m axima. La ganancia de una antena se dene como la relaci on entre
la densidad de potencia (intensidad de radiaci on) en una direcci on dada y la
intensidad que sera obtenida si la potencia aceptada por la antena fuera radiada
isotr opicamente
2
. La m axima ganancia corresponde a la ganancia en la direcci on
de m axima intensidad de radiaci on; para el c alculo de la ganancia en otra direcci on
se utiliza la informaci on del patr on de radiaci on.
Patr on de radiaci on. Es una funci on matem atica o una representaci on gr aca de
las propiedades de radiaci on en funci on de las coordenadas espaciales. Lo que
se suele hacer para facilitar la medici on e interpretaci on es un corte (horizontal
y vertical) en el diagrama de radiaci on en tres dimensiones para pasarlo a dos
dimensiones (ver gura 2.3).
Figura 2.3: Ejemplo de patr on de radiaci on
Tilt. Es el angulo de inclinaci on vertical del l obulo principal en relaci on al plano
horizontal (down-tilt cuando se mide hacia abajo del mismo). Mediante el ajuste
de este par ametro es posible reducir el tama no de las celdas, para lograr una
cobertura m as especca de la zona y disminuir as las interferencias, controlando
m as efectivamente el alcance de la celda. Puede ser mec anico y/o electrico.
Azimut. Se dene como la orientaci on el l obulo principal con respecto al norte
magnetico.
2
Una antena isotr opica es aquella que irradia homogeneamente hacia todas las direcciones. Es una
idealizaci on ya que en la realidad no existen antenas con tales propiedades.
Parte II
Fundamentos Te oricos
21
Captulo 3
Principios basicos de propagaci on
Antes de comenzar a analizar los modelos de propagaci on en entornos urbanos y
suburbanos, se deben estudiar algunos metodos te oricos para calcular la atenuaci on de
la se nal al propagarse en algunos entornos simples. Algunos de estos ser an la base para
muchos de los modelos que se ver an m as adelante.
3.1. Propagaci on en espacio libre
En el espacio libre la energa electromagnetica se propaga uniformemente en todas
las direcciones desde una fuente puntual. Dada una antena transmisora con potencia de
transmisi on P
t
ubicada en el espacio libre, alejada de cualquier tipo de obstrucci on, que
tiene una ganancia G
t
en la direcci on de la antena receptora, la densidad de potencia
(potencia por unidad de area) a una distancia d en la direcci on elegida estar a dada por:
W =
P
t
G
t
4d
2
La potencia disponible en la antena receptora, que tiene un area efectiva A
1
resulta
entonces:
P
r
=
P
t
G
t
4d
2
A =
P
t
G
t
4d
2
2
G
r
4
donde G
r
es la ganancia de la antena receptora.
De esta forma se obtiene que:
P
r
P
t
= G
r
G
t
4d
2
(3.1)
1
Si una antena es irradiada por una onda electromagnetica, la potencia de recepci on disponible en
sus terminales es la potencia por unidad de area transportada por la onda multiplicada por el area
efectiva A. Se cumple tambien: A =
2
G
4
23
24 3.2. Propagaci on sobre una supercie reectora
lo cual se conoce como la ecuaci on de espacio libre o de Friis. La conocida relaci on
entre la longitud de onda , la frecuencia f y la velocidad de propagaci on c (c = f)
se puede utilizar para escribir la ecuaci on en una forma alternativa:
P
r
P
t
= G
r
G
t
c
4fd
2
La perdida en espacio libre es expresada convenientemente como una cantidad po-
sitiva y de la ecuaci on anterior se obtiene que:
L
EL
(dB) = 10 log
P
t
P
r
= 10 log G
t
10 log G
r
+ 20 log f + 20 log d +k (3.2)
donde
k = 20 log
4
3 10
8
= 147,56
Resulta muchas veces conveniente comparar la perdida de camino con la perdida de
camino b asica L
B
entre antenas isotr opicas (G
t
= G
r
= 1) la cual resulta:
L
B
EL
(dB) = 32,44 + 20 log f + 20 log d (3.3)
donde la distancia d est a expresada en km y la frecuencia f en MHz.
Como se puede observar en la ecuaci on (3.2), la perdida en espacio libre es propor-
cional al cuadrado de la distancia d, entonces la potencia recibida decae 6 dB cuando
la distancia se duplica (o disminuye 20 dB por decada). De forma similar, la perdida
aumenta con el cuadrado de la frecuencia de transmisi on, entonces las perdidas tam-
bien aumentan 6 dB si la frecuencia se duplica. En una primera inspecci on, se podra
concluir que la utilizaci on de altas frecuencias no sera adecuada para comunicaciones
m oviles, sin embargo, este incremento en la perdida de transmisi on se puede compensar
con un incremento en las ganancias de las antenas.
En la pr actica, se dice que existen condiciones de propagaci on de espacio libre si
existe visibilidad entre la antena transmisora y la antena receptora en la primer zona
de Fresnel (ver secci on 4.2) y si no existen reexiones en la supercie de la Tierra o en
obst aculos como pueden ser colinas, arboles, edicios, etc. De acuerdo a lo visto, todo
modelo de propagaci on debe al menos predecir en cualquier caso una perdida mayor a
la de espacio libre.
3.2. Propagaci on sobre una supercie reectora
La ecuaci on de propagaci on en espacio libre es aplicable unicamente bajo condi-
ciones restrictivas. En la pr actica, existen en la mayora de los casos obst aculos en el
Captulo 3. Principios b asicos de propagaci on 25
camino de propagaci on o supercies donde las ondas de radio pueden ser reejadas.
Un caso simple pero de interes pr actico, es la propagaci on entre dos antenas elevadas
con lnea de vista dispuestas sobre la supercie de la Tierra. Se pueden considerar dos
casos, en primer lugar, la propagaci on sobre una supercie esferica reectora y en se-
gundo lugar, la propagaci on cuando la distancia entre las antenas es lo sucientemente
peque na como para obviar la curvatura de la Tierra y asumir que la supercie es plana.
En ambos casos, la se nal recibida es una combinaci on de las ondas directas y las ondas
reejadas; para determinar la se nal resultante es necesario conocer el coeciente de
reexi on.
3.2.1. Propagaci on sobre Tierra esferica
La gura 3.1 muestra la situaci on de dos antenas mutuamente visibles sobre una
Tierra de radio efectivo r
e
. Las alturas de las antenas sobre la supercie de la Tierra
T
h
t
h
t
h
r
d
2 d
1
r
e
y y
h
r
R
1
R
2
R
r
e
Figura 3.1: Dos antenas visibles mutuamente sobre la Tierra esferica de radio efectivo
r
e
son h
t
y h
r
, y las alturas sobre el plano tangente en el punto de reexi on son h
t
y h
r
respectivamente. De esta forma, se obtiene como resultado de relaciones geometricas la
siguiente expresi on:
d
2
1
= [r
e
+ (h
t
h
t
)]
2
r
2
e
= (h
t
h
t
)
2
+ 2r
e
(h
t
h
t
) 2r
e
(h
t
h
t
) (3.4)
y an alogamente:
d
2
2
2r
e
(h
r
h
r
) (3.5)
Utilizando las ecuaciones (3.4) y (3.5) se obtiene:
h
t
= h
t
d
2
1
2r
e
y h
r
= h
r
d
2
2
2r
e
(3.6)
26 3.2. Propagaci on sobre una supercie reectora
El punto de reexi on, donde los dos angulos son iguales, se puede determinar tomando
en cuenta que dado d
1
, d
2
>> h
t
, h
r
, el angulo (en radianes) estar a dado por:
=
h
t
d
1
=
h
r
d
2
Entonces:
h
t
h
r
=
d
1
d
2
(3.7)
Combinando la relaci on d = d
1
+d
2
con las ecuaciones (3.6) y (3.7) es posible formular
la siguiente ecuaci on c ubica en d
1
:
2d
3
1
3dd
2
1
+ [d
2
2r
e
(h
t
+h
r
)]d
1
+ 2r
e
h
T
d = 0
La soluci on de esta ecuaci on se puede hallar con metodos est andar comenzando por la
aproximaci on
d
1
d
1 +h
t
/h
r
Para calcular la intensidad del campo en el punto de recepci on, se asume normalmente
que la diferencia entre la longitud de camino entre la onda directa y la reejada no
afecta en forma signicativa la atenuaci on, pero debe ser considerada la diferencia de
fase entre ambos caminos. La longitud del camino directo es
R
1
= d
1 +
(h
t
h
r
)
2
d
2
1/2
y la longitud del camino reejado es
R
2
= d
1 +
(h
t
+h
r
)
2
d
2
1/2
La diferencia R = R
2
R
1
es
R = d
1 +
(h
t
+h
r
)
2
d
2
1/2
1 +
(h
t
h
r
)
2
d
2
1/2
y si d >> h
t
, h
r
se reduce a
R =
2h
t
h
r
d
La diferencia de fase correspondiente es
=
2
R =
4h
t
h
r
d
(3.8)
Captulo 3. Principios b asicos de propagaci on 27
Si la intensidad del campo en la antena receptora debido a la onda directa es E
d
,
entonces el campo total recibido E es
E = E
d
[1 +e
j
]
donde es el coeciente de reexi on de la Tierra ( = ||e
j
). En la pr actica, la
Tierra no es ni un conductor ni un dielectrico perfecto, por lo tanto el coeciente de
reexi on depende de las constantes del terreno, en particular, de la constante dielectrica
y de la conductividad .
Entonces,
E = E
d
{1 +||e
j()
} (3.9)
Esta ecuaci on se puede utilizar para calcular la intensidad de campo recibida en cual-
quier punto, pero hay que tener en cuenta que la curvatura de la Tierra esferica produce
una cierta divergencia de la onda reejada. Este efecto puede ser tenido en cuenta uti-
lizando en la ecuaci on (3.9) un valor de que diera del usado para la reexi on en una
supercie plana; la modicaci on apropiada consiste en multiplicar dicho valor por un
factor de divergencia D dado por:
D
1 +
2d
1
d
2
r
e
(h
t
+h
r
)
1/2
El valor de D puede ser del orden de 0.5, por lo cual el efecto de la onda reejada en
la Tierra se reduce considerablemente.
3.2.2. Propagaci on sobre Tierra plana
Para distancias menores a unas pocas decenas de kil ometros, es posible ignorar la
curvatura de la Tierra y asumir que la supercie es plana como muestra la gura 3.2.
Si adem as se asume que = 1, entonces la ecuaci on (3.9) se convierte en:
h
t
h
r
T
R
Figura 3.2: Propagaci on sobre Tierra plana
E = E
d
[1 e
(j)
] = E
d
[1 cos +j sin ]
28 3.2. Propagaci on sobre una supercie reectora
De esta forma,
|E| = |E
d
|[1 + cos
2
2 cos + sin
2
]
1/2
= 2|E
d
| sin /2
y utilizando la ecuaci on (3.8), con h
t
= h
t
y h
r
= h
r
,
|E| = 2|E
d
| sin
2h
t
h
r
d
La potencia recibida P
r
es proporcional a E
2
entonces
P
r
4|E
d
|
2
sin
2
2h
t
h
r
d
= 4P
t
4d
2
G
t
G
r
sin
2
2h
t
h
r
d
P
r
P
t
= 4
4d
2
G
t
G
r
sin
2
2h
t
h
r
d
(3.10)
En una forma logartmica conveniente, la ecuaci on (3.10) puede ser escrita como:
L
TP
(dB) = 10 log G
t
10 log G
r
20 log + 20 log 2 + 20 log d 20 log
sin
2h
t
h
r
d
sin
2h
t
h
r
d
Aproximaci on
Si d >> h
t
, h
r
resulta
P
r
P
t
= G
T
G
r
h
t
h
r
d
2
2
(3.11)
La ecuaci on (3.11) se conoce como la ecuaci on de propagaci on en Tierra plana.
Diere de la ecuaci on de propagaci on en espacio libre (3.1) en dos aspectos importantes.
En primer lugar, al asumir que d >> h
t
, h
r
, el angulo es peque no y se cancela
en la ecuaci on (3.11), resultando independiente de la frecuencia. En segundo lugar, se
obtiene una relaci on inversamente proporcional a la cuarta potencia de la distancia en
lugar de una relaci on inversa con el cuadrado de la misma, asemej andose m as a lo que
sucede en entornos urbanos. Esto signica una disminuci on m as r apida de la potencia
recibida con la distancia, 12dB por cada duplicaci on de la misma.
Captulo 3. Principios b asicos de propagaci on 29
Es importante notar que la ecuaci on (3.11) solamente aplica en rangos donde la
relaci on d >> h
t
, h
r
es v alida. Cerca del transmisor, la ecuaci on (3.10) debe ser utilizada
y esto se traduce en mnimos y m aximos alternados en la intensidad de la se nal.
La ecuaci on (3.11) escrita en decibeles queda:
L
TPA
(dB) = 10 log G
t
10 log G
r
20 log h
t
20 log h
r
+ 40 log d
siendo la perdida b asica
L
B
TPA
(dB) = 40 log d 20 log h
t
20 log h
r
3.2.3. Propagaci on sobre una supercie rugosa
En la secci on anterior se consider o una supercie reectora lisa y entonces el an alisis
fue basado en la hip otesis de que se da una reexi on perfecta en el punto en que la
onda transmitida incide en la supercie de la Tierra. Cuando la supercie es irregular,
esta hip otesis deja de ser realista dado que una supercie rugosa presenta muchas
facetas a- la onda incidente. En estas condiciones, la caracterizaci on mediante un simple
coeciente de reexi on no es apropiada debido a que la naturaleza irregular de la
supercie resulta en una situaci on impredecible. Solo una peque na fracci on de la energa
incidente ser a reejada en la direcci on de la antena receptora, y la onda reejada en la
supercie de la Tierra podr a tener una contribuci on despreciable en la se nal recibida.
En estas circunstancias es necesario denir que constituye la supercie rugosa. Cla-
ramente, una supercie que puede considerarse rugosa a determinadas frecuencias y
angulos de incidencia puede aproximarse a una supercie lisa si estos par ametros son
modicados. Una medida de la rugosidad es requerida para cuanticar el problema, y
el criterio com unmente utilizado es el criterio de Rayleigh. El problema se ilustra en la
gura 3.3(a) y una idealizaci on de la situaci on se ilustra en la gura 3.3(b).
Se considera los dos rayos A y B de la gura 3.3(b). El Rayo A es reejado desde la
parte superior de la supercie rugosa y el Rayo B desde la parte inferior. En relaci on
al frente de onda AA mostrado en la gura, la diferencia de distancia recorrida entre
los dos rayos cuando alcanzan los puntos C y C luego de la reexi on es:
l = (AB +BC) (A
+B
) =
d
sin
(1 cos 2) = 2d sin (3.12)
La diferencia de fase entre C y C es entonces:
=
2
l =
4d sin
(3.13)
Si la altura d es peque na en comparaci on con entonces la diferencia de fase es
tambien peque na y la supercie aparenta ser lisa. Por otro lado, la condici on de rugo-
sidad extrema se da cuando = , los rayos reejados est an en contrafase y tienden
entonces a cancelarse. Un criterio pr actico para distinguir entre liso y rugoso es denir
30 3.2. Propagaci on sobre una supercie reectora
Frente de onda
incidente
Reflexin
parcial
Reflexin
difusa
A
A
B
d
B
C
C
Rayo B
Rayo A
Frente de onda 1
Frente de onda 2
(a)
(b)
y y
Figura 3.3: Reexi on en una supercie semi-rugosa: (a) situaci on de terreno pr actica,
(b) modelo idealizado
una supercie rugosa como aquella para la cual se cumple /2. Sustituyendo esta
expresi on en la ecuaci on (3.13) se demuestra que para una supercie rugosa se cumple:
d
8 sin
(3.14)
En el caso de sistemas m oviles es siempre muy peque no y es admisible hacer la
sustituci on sin = . En estas condiciones la ecuaci on (3.14) se reduce a:
d
8
En la pr actica, la supercie de la Tierra se asemeja m as a la gura 3.3(a) que a la
supercie idealizada de la gura 3.3(b) y el valor com unmente utilizado como medida de
la altura de la ondulaci on del terreno es , la desviaci on est andar de las irregularidades
de la supercie en relaci on a la altura media. El criterio de Rayleigh es expresado
entonces escribiendo la ecuaci on (3.13) como:
=
4 sin
Para < 0,1 hay reexi on perfecta y la supercie puede considerarse lisa. Para
> 10 hay una alta reexi on difusa y la onda reejada es lo sucientemente peque na
como para ser descartada.
Captulo 4
Propagaci on sobre terrenos
irregulares
4.1. Principio de Huygens
En general, cuando se analizan los fen omenos de reexi on y refracci on, se asume
que las supercies reectoras y las regiones refractantes son grandes en comparaci on
a la longitud de onda del frente incidente. Sin embargo, cuando el frente de onda
encuentra un obst aculo o una discontinuidad que no cumple dicha propiedad, es posible
utilizar el principio de Huygens.
Este se puede deducir de las ecuaciones de Maxwell,
y b asicamente dice que cada punto de un frente de onda se comporta como una fuente
puntual de ondas secundarias. En la gura 4.1 se puede apreciar como un frente de onda
se mueve desde AA
hasta BB
. Dado que el frente de onda debe propagarse hacia una direcci on,
se concluye que las ondas generadas por cada punto del frente de onda no tienen la
misma amplitud en todas las direcciones. Por el contrario, si es el angulo formado
entre la direcci on de una de las ondas y la direcci on de propagaci on del frente, entonces
la amplitud de dicha onda ser a proporcional a (1 + cos ) [6]. Considerando todos los
puntos en AA
a
traves de una integral, cuya soluci on muestra que el campo en cualquier punto en BB
d
2
2
+h
2
d
1
+d
2
d
2
1
+h
2
h
2
2
d
1
+d
2
d
1
d
2
=
2
2
(4.1)
La aproximaci on es v alida cuando h d
1
, d
2
; es el denominado par ametro de
difracci on de Fresnel-Kircho y ser a utilizado en la expresi on del campo en R.
En denitiva, el campo en R es la combinaci on de las ondas secundarias generadas
a lo largo del frente F. Dichas ondas arribar an con defasaje respecto de la de mayor
potencia como si esta hubiese sido generada en T y aquellas tambien hubiesen sido
generadas en T pero pasando por su punto generador en el frente (x en la gura 4.3)
antes de arribar a R. Por lo tanto, si la distancia entre T y x m as la distancia entre
x y R est a entre
2k
2
y
(2k+1)
2
, la onda sumar a a la potencia total, en caso contra-
rio estar a a contrafase con la onda principal e interferir a destructivamente. El lugar
geometrico de los casos lmites (donde la suma de las distancias es exactamente
k
2
) es
una serie de elipsoides conocidas como elipsoides de Fresnel. Por lo dicho anteriormen-
te, dichas elipsoides tienen como focos T y R y la k-esima elipsoide tiene como radio a
k
2
. Adem as, obstaculizar zonas entre una elipsoide par y otro impar tiene como efecto
34 4.2. Elipsoides de Fresnel
que la potencia de recepci on sea mayor, y viceversa. En la gura 4.4 se pueden apreciar
las primeras elipsoides y aquellas zonas donde un obst aculo aumenta la potencia total
(en sombreado) y aquellas donde la disminuye (en blanco). De todas formas, la primera
T R
r
1
d
1 d
2
Figura 4.4: Las primeras elipsoides de Fresnel
elipsoide es la unica con una importancia signicativa sobre la potencia de recepci on
y un obst aculo en las dem as cambia de manera insignicante a la misma. Existe una
aproximaci on muy utilizada del radio de las circunferencias resultado de intersectar las
sucesivas elipsoides con un plano perpendicular a la recta que une T con R (en gura
4.4 se puede ver el primer radio):
r
k
=
kd
1
d
2
d
1
+d
2
Adem as, se ha corroborado tanto emprica como te oricamente que para que un
obst aculo sea signicativo debe estar por encima del cuarenta por ciento del primer
radio de fresnel (r
1
). En denitiva, la lnea de vista no se corrobora simplemente con
que la lnea que une T y R este libre de obst aculos, sino que dicha lnea debe estar libre
en un entorno del sesenta por ciento del radio de la primera elipsoide de Fresnel.
Si se ubica un obst aculo como el de la gura 4.2 (es decir, un semiplano perfecta-
mente conductor, com unmente denominado cuchillo) a una distancia h por debajo de
la recta que une T con R y a d
1
de T (y por lo tanto a d
2
de R), la expresi on del campo
en R resulta [6]:
E
E
0
=
(1 +j)
2
e
j
2
t
2
dt (4.2)
donde E
0
es el campo en el punto R si la propagaci on hubiese sido en el vaco y
es el par ametro de difracci on de Fresnel-Kircho. Ahora bien, muchas veces se encon-
Captulo 4. Propagaci on sobre terrenos irregulares 35
trar a esta integral en funci on de las integrales de Fresnel [7] C() y S():
e
j
2
t
2
dt =
cos
2
t
2
dt j
sin
2
t
2
dt
cos
2
t
2
dt = 1/2
0
cos
2
t
2
dt = 1/2 C()
sin
2
t
2
dt = 1/2
0
sin
2
t
2
dt = 1/2 S()
E
E
0
=
(1 +j)
2
[(1/2 C()) j (1/2 S())]
Una gr aca representativa de esta expresi on puede apreciarse en la gura 4.5.
Figura 4.5: La atenuaci on por difracci on por un solo obst aculo
4.3. Atenuaci on por m ultiples cuchillos
La ecuaci on (4.2) es muy sencilla y utilizada cuando unicamente existe un obst aculo
importante y puede ser razonablemente aproximado por un cuchillo. En entornos urba-
nos los obst aculos ser an casi exclusivamente edicaciones, que dadas sus dimensiones
respecto a la longitud de onda pueden ser aproximados por un cuchillo. Ahora bien, en
muchas ocasiones no es unica la edicaci on que obstruye signicativamente el camino
entre el receptor y el transmisor. Es por ello que es necesario contar con alg un metodo
que permita calcular la atenuaci on debida a la difracci on en varios cuchillos.
La extensi on de dicho an alisis al caso de m as de un cuchillo trae complicaciones
desde el punto de vista matem atico y es por eso que se han desarrollado y utilizado
36 4.3. Atenuaci on por m ultiples cuchillos
varias aproximaciones desde hace ya unos a nos. Algunos de los metodos m as usados
son los siguientes:
Bullington: Este metodo [8] s olo se aplica cuando se est a ante dos cuchillos.
Consiste b asicamente en sustituirlos por uno solo equivalente . Aunque muy
sencillo, tiene algunos problemas como subestimar aquellos cuchillos que se en-
cuentren por debajo de la lnea que une al transmisor y el receptor. Por lo general
subestima la atenuaci on.
Epstein-Peterson: Epstein y Peterson [9] intentaron corregir el metodo ante-
rior, en cuanto a su falta de consideraci on respecto de algunos obst aculos de
importancia. En este caso todos los cuchillos aportan a la atenuaci on y se puede
aplicar para una cantidad arbitraria de ellos. La atenuaci on total se calcula como
la suma (en dB) de la atenuaci on que genera cada cuchillo entre el anterior y el
siguiente. De todas formas es bastante inexacto, sobre todo cuando dos obst aculos
se encuentran demasiado juntos entre s.
Deygout:
Este [10] es una variante del anterior. Primero se determina cu al es
el cuchillo m as importante del perl, calculando el par ametro de Fresnel para
cada cuchillo como si el resto no existiera. Una vez identicado, se calcula la
atenuaci on que genera (nuevamente como si los dem as no estuvieran) y nalmente
se suman las atenuaciones debidas al resto en la misma forma que en el metodo
de Epstein-Peterson. Presenta inexactitudes cuando algunos cuchillos est an muy
pr oximos, y adem as ante la presencia de muchos obst aculos tiende a sobreestimar
la atenuaci on.
4.3.1. Metodo de Vogler
El metodo presentado en esta secci on, por las caractersticas enumeradas a con-
tinuaci on, es el elegido para el c alculo de la atenuaci on por difracci on en m ultiples
cuchillos.
Como se vio anteriormente, todos los metodos sufren del problema de poder tomar
en cuenta s olo una cantidad limitada de cuchillos en el perl, cuando no padecen ciertas
inexactitudes. Adem as, son todas aproximaciones heursticas y no tienen rigor ni fun-
damento de ning un tipo, salvo la emprica. El primer metodo que logr o subsanar todos
estos problemas (una soluci on te orica exacta para una cantidad arbitraria de obst acu-
los) es el desarrollado por Vogler [11][12] basado en un trabajo anterior de Furutsu [13],
quien llega a resultados acerca de la propagaci on sobre terrenos irregulares y en par-
ticular sobre obst aculos romos
1
, caracterizados por su radio de curvatura y constantes
electricas del suelo. Vogler toma dichos resultados y calcula la atenuaci on en el caso
particular en que los radios de curvatura tienden a cero. La atenuaci on (relativa a la
atenuaci on en espacio vaco) as obtenida se calcula de la siguiente forma (la geometra
se dene en la gura 4.6):
1
Obtusos y sin punta
Captulo 4. Propagaci on sobre terrenos irregulares 37
A
N
=
1
2
N
C
N
e
1/2
N
e
2f(x
2
1
+...+x
2
N
)
dx
1
. . . dx
N
(4.3)
donde
f =
0 N = 1
N1
m=1
m
(x
m
m
) (x
m+1
m+1
) N 2
N
=
N
m=1
2
m
C
N
=
1 N = 1
r
2
r
3
r
N
r
T
(r
1
+r
2
)(r
2
+r
3
)(r
N
+r
N+1
)
1/2
N 2
r
T
=
N+1
m=1
r
m
m
=
r
m
r
m+2
(r
m
+r
m+1
)(r
m+1
+r
m+2
)
1/2
m
=
m
jk
r
m
r
m+1
2(r
m
+r
m+1
)
1/2
h
N+1
h
0
r
1 r
2
r
N+1
h
1
h
2 h
N
N
Figura 4.6: Representaci on de un perl de cuchillos
38 4.3. Atenuaci on por m ultiples cuchillos
Dado que uno de los extremos de integraci on es complejo, cabe la pregunta de cu al
es la curva por donde se debe integrar. Como esta f ormula se basa en la denici on de
la error function [7], las restricciones son las mismas; entonces:
arg(x
m
)
xm
donde || <
4
Vogler contin ua luego transformando la integral en una serie cuyos terminos de-
penden ahora de la repeated error integral [7]. Esto lo justica por un mero tema
computacional, pues sostiene que la integral as planteada era en ese momento, de muy
difcil resoluci on.
Vale la pena destacar que los par ametros y son fundamentales pues dan una idea
somera del perl en cuesti on. El primero mide que tan apareados est an dos cuchillos
sucesivos. Si r
m+1
<< r
m
, r
m+2
,
m
1, lo cual indica que los cuchillos m + 1 y m
est an muy pr oximos entre s en comparaci on con el resto y podran ser sustituidos por
uno equivalente. La parte real de mide que tan signicativo es el cuchillo en cuesti on.
Cuanto m as grande sea (menos negativo), mayor es la importancia del cuchillo en el
perl dado que cuanto mayor sea m as alto ser a el cuchillo respecto al siguiente.
Captulo 5
Modelos de propagaci on
En este captulo se presentan algunos de los modelos de propagaci on m as difun-
didos para medios urbanos y suburbanos, que fueron a su vez implementados en la
herramienta de software. La propagaci on en dichos entornos resulta de una diversidad
de mecanismos debido a su topografa, variable y compleja, que combina edicios, ca-
lles, parques, etc., adem as de obst aculos ocasionales como vehculos de distinto porte.
Esto tiene una gran inuencia sobre la perdida de propagaci on y caracterizaci on del
canal de radio, y los modelos de predicci on deben tener en cuenta esta inuencia en
mayor o menor medida. Es as que surge un compromiso entre complejidad, exactitud,
rapidez y costo.
Los metodos se clasican b asicamente en tres grupos:
Empricos. Se basan en numerosas medidas de campo, a partir de las cuales se
obtienen f ormulas por medio de ajustes.
Semiempricos. Se basan en teoras fsicas y mecanismos de propagaci on de las
ondas electromagneticas. Incorporan algunas caractersticas del entorno (por lo
que requieren ciertos datos de morfologa del terreno), y se complementan con
medidas para el ajuste de sus par ametros.
Fsicos. Se apoyan en la teora de rayos y en el estudio de interacciones entre los
rayos que enlazan el transmisor y receptor y las estructuras interpuestas. Exigen
la disponibilidad de detalle de edicios, calles, etc., as como de herramientas
inform aticas.
Cabe aclarar que estos modelos proporcionan los niveles medianos de se nal, no la
predicci on exacta del valor de potencia en un punto dado, lo cual constituye un proble-
ma electromagnetico sumamente complejo (por no decir irresoluble). Para obtener una
descripci on completa de la se nal sera necesario a nadir una distribuci on estadstica de
estos, as como una medida del apartamiento temporal y frecuencial.
39
40 5.1. Modelo de Okumura-Hata
5.1. Modelo de Okumura-Hata
5.1.1. Modelo de Okumura
Okumura et al. [14] desarrollaron en 1968 un metodo para predecir el valor mediano
de la perdida de camino en base a una serie de medidas en y alrededor de la ciudad
de Tokio. Aunque fue de los primeros trabajos en tratar la propagaci on en entornos
urbanos y proponer un modelo para predecir la perdida de camino, hasta el da de hoy
contin ua siendo uno de los modelos m as usados (en su versi on analtica y mejorada,
que se ver a m as adelante) por su sencillez, razonable precisi on y versatilidad.
El metodo consiste en hallar la perdida de camino (relativa a la atenuaci on en vaco)
mediante curvas creadas por los autores. Est a conformado por varios terminos, donde el
que podra denominarse principal depende de la distancia entre el m ovil y la radiobase
y de la frecuencia de transmisi on (A
mu
(f, d), ver gura 5.1).
Esta es la perdida relativa
al vaco para entornos urbanos sobre terrenos suavemente ondulados con altura efectiva
de 200 m y 3 m de antena trasmisora y receptora respectivamente; para el probable
caso en que las condiciones mencionadas no se cumplan existen factores correctivos.
Por ejemplo, de las curvas que se pueden apreciar en la gura 5.2 se pueden obtener
Figura 5.1: Representaci on gr aca de la mediana de la perdida de camino en funci on
de la frecuencia y la distancia seg un el metodo de Okumura
correcciones al valor de la perdida de camino debidas a otras alturas de transmisor y
receptor (H
tu
y H
ru
). La perdida de camino resulta:
L
Okumura
= L
EL
+A
mu
+H
tu
+H
ru
donde L
EL
es la atenuaci on por la propagaci on en vaco vista en la secci on 3.1.
Estas no son las unicas correcciones disponibles. Existen tambien factores correc-
tivos que toman en cuenta el entorno (urbano, suburbano y rural), la regularidad del
Captulo 5. Modelos de propagaci on 41
Figura 5.2: Correcciones para altura del transmisor y receptor seg un el metodo de
Okumura
terreno y la orientaci on de las calles, todos en forma gr aca.
El modelo tiene algunos problemas no menores. Es casi puramente gr aco, lo que
lo hace muy difcil de implementar en software. En el momento en que se desarroll o se
tenan en mente unicamente macroceldas donde la antena transmisora estuviera por
encima de las edicaciones circundantes, dando resultados err oneos en caso contrario.
Hoy en da, con el uso muy frecuente de micro y picoceldas el modelo se vuelve en esos
casos inaplicable. Otro factor a tener en cuenta es que, dado que las medidas se tomaron
en Tokio, la correlaci on entre las medidas reales y la predicci on es muy dependiente
de que el entorno sea similar al de dicha ciudad. El metodo no especica que hacer
cuando alg un par ametro queda por fuera del dominio de las funciones que aparecen
en las gr acas, se puede extrapolar pero no se asegura que eso sea lo m as correcto.
Tambien algunas deniciones pueden devolver valores inutilizables (por ejemplo, si la
antena trasmisora es m as baja que el terreno circundante su altura efectiva tal cual la
dene Okumura resultara negativa).
5.1.2. Modelo de Okumura-Hata
Con la intenci on de hacer m as sencillo y automatizable el metodo de Okumura,
Hata [15] hall o una expresi on analtica para las curvas del mismo. Es decir, que la
perdida de camino puede calcularse mediante funciones, que comparada con las curvas
originales tiene diferencias que muy raramente exceden el decibel. La unica desventaja
con respecto al original, es que Hata no tom o en cuenta las correcciones por el tipo de
terreno y es v alido unicamente para terrenos suavemente ondulados.
Las f ormulas para los distintos entornos son:
42 5.1. Modelo de Okumura-Hata
Entorno Urbano
L
OH
urbano
(dB) = 69,55 + 26,16 log f 13,82 log h
t
a(h
r
) + (44,9 6,55 log h
t
) log d
donde
150 MHz f 1500 MHz frecuencia de transmisi on en MHz
30 m h
t
200 m altura del transmisor en metros
1 km d 20 km distancia entre el m ovil y la base en kil ometros
a(h
r
) es el factor correctivo debido a la altura del receptor y depende del tama no
de la ciudad.
Para ciudades de peque no o mediano porte:
a(h
r
) = (1,1 log f 0,7)h
r
(1,56 log f 0,8)
Para ciudades grandes:
a(h
r
) =
8,29(log 1,54h
r
)
2
1,1 f 200 Mhz
3,2(log 11,75h
r
)
2
4,97 f 400 Mhz
donde 1 m h
r
10 m.
Entorno suburbano
L
OH
suburbano
(dB) = L
OH
urbano
2 [log (f/28)]
2
5,4
Entorno rural
L
OH
rural
(dB) = L
OH
urbano
4,78(log f)
2
+ 18,33 log f 40,94
La expresi on analtica de las curvas de Okumura result o en la posibilidad de poder
implementar el modelo en software. De todas formas, hereda los mismos problemas
del original y empeora algunos debido a que no toma en cuenta los distintos tipos de
terreno. Es as que para casos extremos como zonas muy abiertas o terreno irregular,
el modelo predice valores con errores excesivos.
Captulo 5. Modelos de propagaci on 43
5.1.3. Modelo de Okumura-Hata COST231
+z
en donde
es la media,
m
1
10,8 log(h
r
/2) para categoras A y B
20,0 log(h
r
/2) para categora C
donde h
r
es la altura (sobre el terreno) de la antena m ovil en metros.
Finalmente, la ecuaci on de perdida de camino incluyendo los factores correctivos
puede escribirse como:
PL
total
= PL +C
f
+C
h
El rango de validez de los par ametros es:
450 MHz f 11,2 GHz frecuencia de transmisi on
10 m h
t
80 m altura del transmisor
2 m h
r
10 m altura del m ovil
0,01 km d 8 km distancia entre el m ovil y la base
5.3. Modelo de Walsch-Ikegami
5.3.1. Modelo de Walsch-Bertoni
Hasta la publicaci on del paper de Walsch y Bertoni [23] los modelos de propaga-
ci on en entornos urbanos eran ajustes a curvas con el agregado de factores de correcci on
46 5.3. Modelo de Walsch-Ikegami
heursticos. No se entendan los mecanismos de propagaci on subyacentes, sobre todo
los que tenan que ver con la propagaci on sobre las edicaciones presentes. Ellos desa-
rrollaron un modelo que, aunque como se ver a m as adelante supone hip otesis a veces
demasiado restrictivas e irreales, tiene una base te orica basada principalmente en la
perdida por difracci on en m ultiples cuchillos (basado en una teora distinta de la expli-
cada en la secci on 4.3.1), y considera que los mecanismos de propagaci on dominantes
en un entorno urbano son los que se ilustran en la gura 5.3.
h
r
h
h
t
b
w
d
2
1
4
3
b/
0,03
0,9
(5.3)
Captulo 5. Modelos de propagaci on 47
Esta es una adici on a la dependencia con d
1
del campo irradiado, otorgando una
dependencia total con d
1,9
. Esto resume una dependencia de la potencia de la se nal
recibida con d
3,8
, muy cercana a la de la propagaci on sobre el plano de la Tierra
(d
4
) que es com unmente utilizada en los modelos empricos. Es as que la perdida
total consiste en tres factores: la perdida entre antenas en espacio libre, la perdida por
difracci on por m ultiples cuchillos hasta el edicio m as cercano al m ovil y la perdida por
difracci on desde este punto hasta el m ovil a la altura de la calle. Asumiendo antenas
isotr opicas, el primero de estos factores es la perdida b asica denida en el capitulo 3.1:
L
B
EL
(dB) = 32,44 + 20 log f + 20 log d (5.4)
La ecuaci on (5.3) es utilizada para hallar Q(), y (expresado en radianes) est a dado
por:
=
h
t
h
d
d
2r
e
(5.5)
donde r
e
8,5 10
3
km es el radio efectivo de la Tierra.
La perdida de camino asociada a la difracci on al nivel de la calle depende de la
existencia de edicios en la cercana del m ovil. Para las antenas receptoras cerca del
nivel de la calle, una simple aproximaci on a este proceso se obtiene asumiendo que una
la de edicios se comporta como una pantalla absorbente en el centro de la la. En
dicho caso, la amplitud del campo en el m ovil se obtiene multiplicando el campo en el
techo por el siguiente factor:
2
1
(
d
2
)
2
+ (h h
r
)
2
1/4
1
+
1
2 +
(5.6)
donde h es la altura de los edicios y h
r
es la altura de la antena del m ovil como
muestra la gura 5.3. Los angulos y est an expresados en radianes con:
= arctan[2(h h
r
)/b] (5.7)
La expresi on (5.6) puede simplicarse descartando 1/(2 + ) al compararlo con
1/( ) y asumiendo que es peque no al compararlo con .
El hecho de que haya fading en la se nal recibida en el m ovil indica que la componente
del campo recibido debido a las reexiones en los edicios pr oximos al m ovil es de una
amplitud similar a la recibida por la difracci on directa desde los techos de los edicios
pr oximos a el. Sin embargo, estas dos componentes tienen fases aleatorias, entonces el
valor rms (root mean square) del campo total es la suma de los valores rms de cada
componente individual. En este caso, la componente primaria del campo es mayor a la
componente secundaria (debida a m ultiples caminos) por un factor
2. Combinando
las ecuaciones (5.4) y (5.7) con el factor
1
d
2
17(h
t
h)
(5.8)
donde el ultimo termino en (5.8) considera la curvatura de la Tierra y puede descartarse
en la mayora de los casos. La inuencia de la geometra de los edicios est a contenida
en el termino:
A = 5 log
d
2
2
+ (h h
r
)
2
9 log d (5.9)
La perdida total se halla sumando L
ex
a la perdida de propagaci on en vaco L
B
EL
para
antenas isotr opicas.
L
WB
(dB) = L
B
EL
+L
ex
5.3.2. Modelo COST231 Walsch-Ikegami
Durante el proyecto del COST231, un subgrupo propuso la combinaci on del modelo
Walsch-Bertoni con el modelo Ikegami, para mejorar la estimaci on de la perdida de
propagaci on al incluir m as datos. Se incluyeron los siguientes cuatro factores:
altura promedio de edicios (h)
ancho de calles (w)
separaci on de edicios (b)
orientaci on de las calles respecto al camino de LOS ()
Figura 5.4: Denici on del angulo de orientaci on de la calle seg un el modelo COST231
Walsch-Ikegami
El modelo hace la distinci on entre los caminos con lnea de vista (LOS) y aquellos sin
lnea de vista (NLOS) como se describe a continuaci on.
Captulo 5. Modelos de propagaci on 49
Caso LOS
En este caso la se nal pasa por un ca n on formado en la calle por los edicios,
donde se aplica una ecuaci on diferente a la de espacio libre:
L
WI
LOS
(dB) = 42,6 + 26 log d + 20 log f d 20 m (5.10)
Esto fue desarrollado en base a medidas adquiridas en Estocolmo, Suecia. Tiene la
misma forma que la ecuaci on de propagaci on en espacio libre, y las constantes son
elegidas de tal forma que L
WI
LOS
es igual a la perdida en espacio libre en d = 20m.
Caso NLOS
En el caso de que no haya LOS la perdida b asica de transmisi on se compone de la
perdida en espacio libre L
B
EL
((5.4)), la perdida por difracci on en m ultiples cuchillos
(L
msd
) y la perdida por difracci on desde el techo de los edicios a la calle (L
rst
). De
esta forma:
L
WI
NLOS
(dB) =
L
B
EL
+L
rts
+L
msd
L
rts
+L
msd
> 0
L
B
EL
L
rts
+L
msd
< 0
La determinaci on de L
rts
se basa en el principio dado por el modelo de Ikegami [25]
pero con una funci on distinta de la orientaci on de la calle. La geometra se muestra en
las guras 5.3 y 5.4.
L
rts
= 16,9 10 log w + 10 log f + 20 log(h h
r
) +L
ori
(5.11)
L
ori
=
10 + 0,354 0
< 35
< 55
< 90
18 log[1 + (h
t
h)] h
t
> h
0 h
t
h
50 5.3. Modelo de Walsch-Ikegami
k
a
=
54 h
t
> h
54 0,8(h
t
h) h
t
h y d 0,5 km
54 0,8(h
t
h)
d
0,5
h
t
h y d < 0,5 km
k
d
=
18 h
t
> h
18 15
(hth)
h
h
t
h
k
f
=
La aplicaci on del modelo de COST se restringe a los siguientes rangos de par ametros:
800 MHz f 2000 MHz frecuencia de transmisi on
4 m h
t
50 m altura del transmisor
1 m h
r
3 m altura del m ovil
0,02 km d 5 km distancia entre el m ovil y la base
Da buenos resultados cuando la antena de la radiobase est a por encima de los techos,
produciendo errores con una media de 3dB y desviaciones est andar en el rango de 4-8
dB. Sin embargo, la performance se deteriora cuando h
t
se aproxima a h y es bastante
pobre cuando h
t
h.
5.3.3. Modelo MOPEM
El modelo de propagaci on para entornos urbanos de peque nas macroceldas (MO-
PEM) surge como resultado de un proyecto de n de carrera de estudiantes de la
Facultad de Ingeniera de la Universidad de la Rep ublica [26]. Este grupo present o un
modelo de propagaci on para entornos densamente urbanos en la banda de 850 a 900
Captulo 5. Modelos de propagaci on 51
MHz tomando como escenario de medici on dos zonas urbanas de Montevideo, Pocitos
y Punta Carretas.
El modelo est a basado en el modelo COST231-WI anteriormente descrito y en el
an alisis de rayos por difracci on m ultiple. Sin embargo, revisa la hip otesis de considerar
las las de edicios como pantallas innitas, tomando en cuenta los cortes en las las de
edicios en el cruce de calles. Este modelo considera la dependencia con la orientaci on
de la calle respecto a la direcci on de propagaci on, la variabilidad de la se nal a lo largo
de la calle por efecto de pantallas nitas y la inuencia de la altura del terreno. Para
ello, incorpora en la estimaci on de la atenuaci on la cota del terreno, la presencia de
las esquinas (que adapta la hip otesis de pantallas innitas en la difracci on de m ultiple
pantalla) como elementos signicativos y la incidencia del angulo de orientaci on de
la calle en la continuidad del modelo a los efectos de aumentar la exactitud de la
estimaci on.
Es as que expresa la atenuaci on como la suma de cuatro terminos independientes:
la perdida por propagaci on en el espacio libre L
B
EL
, la perdida por difracci on desde
el techo del ultimo edicio a la calle donde se encuentra el m ovil L
rts
, la perdida por
difracci on multipantalla L
msd
y el termino L
esq
de correcci on por el mencionado efecto
de levantar la hip otesis de multipantallas innitas.
L
MOPEM
= L
B
EL
+L
rts
+L
msd
+L
esq
El termino L
B
EL
comprende la propagaci on en espacio libre y es el mismo que fue
considerado en la ecuaci on (5.12) en el modelo de COST-WI detallado en la secci on
5.3.2. Al termino L
rts
que representa la perdida desde el ultimo edicio difractante hasta
el receptor m ovil, el modelo MOPEM le agrega dos nuevos enfoques: la consideraci on
de la cota del terreno incluida en la altura del m ovil y el promedio de edicaciones y
una nueva funci on del angulo de orientaci on, resultando en:
L
rts
= 1,87 10 log w + 10 log f + 10,4 log(h h
r
) +L
ori
MOPEM
donde la funci on del angulo hallada empricamente, presenta la siguiente formulaci on:
L
ori
MOPEM
= 2,8
45
4
+ 13,2
45
3
29,5
45
2
+ 30,3
45
3,5
El termino Lmsd, modela la perdida por difracci on multipantalla, y es ajustado empri-
camente con la distancia consiguiendo una mayor aplicabilidad del modelo MOPEM a
la zona de estudio escogida durante el desarrollo del proyecto, resultando en:
L
msd
= 54 18 log[1 + (h
t
h)] +
4 + 0,7
f
925
1
utiliza
*
utiliza
1
*
1
*
se asocia a
se ubican en
se asocia a
Perfil de Usuario
altura del receptor
sensibilidad del receptor
C/I mnima
1
u
t
i
l
i
z
a
1
1
1
*
Figura 8.1: Modelo conceptual
8.1.1. El paquete principal
Es el que controla el ujo de ejecuci on del programa. La clase hom onima (Princi-
pal ) (ver diagrama de la gura 8.2) se encarga de comandar todas las acciones que se
ejecutan, interactuando con las diferentes entidades que lo componen. Principalmente
media entre la interfaz de usuario (el explorador, el mapa, las diferentes ventanas y
men ues, etc.) y el proyecto, haciendo posible que las acciones tomadas por el usuario
se reejen en la interfaz y la informaci on se procese en el proyecto. Como es la unica
instancia que conoce todos los agentes debe encargarse de mantener la coherencia entre
ellos. Por ejemplo, si se borra un sitio desde el explorador, la clase Principal es noti-
cada de dicha acci on y propaga la informaci on al proyecto y al mapa, de forma que
ellos tambien lo puedan eliminar.
8.1.2. El paquete proyecto
La representaci on de un proyecto se hizo mediante la clase Proyecto (ver gura 8.3).
Captulo 8. Arquitectura de software 73
contenedorPrincipal: JFrame
contenedor: JSplitPane
explorador: TabsExplorador
contenedorMapa: ContenedorMapa
barraMenu: BarraMenu
barraInferior: BarraInferior
proyecto: Proyecto
ventanaSitio: VentanaSitio
ventanaRB: VentanaRB
ventanaAntena: VentanaAntena
ventanaTipoAntena: VentanaTipoAntena
ventanaProyecto: VentanaProyecto
ventanaCrearModelo: VentanaCrearModelos
ventanaPrediccion: VentanaPrediccion
ventanaCanal: VentanaCanalFrecuencias
ventanaPerfil: VentanaPerfilUsuario
archivos: Archivos
prediccionActual: PrediccionMultiAntena
tca: ThreadCalculaAtenuacion
TITULO: String
Principal()
mouseClicked()
mousePressed()
mouseReleased()
mouseMoved()
actionPerformed()
agregarSitio()
agregarRB()
agregarAntena()
agregarCanal()
agregarTipoAntena()
agregarModelo()
calcularAtenuacion()
guardarPrediccion()
abrirPrediccion()
crearProyecto()
guardarProyectoaXML()
leerProyecto()
salir()
resetVentana()
mouseDragged()
Principal
interface
java.awt.event.MouseMotionListener
interface
java.awt.event.MouseListener
interface
java.awt.event.ActionListener
Figura 8.2: Diagrama parcial de la clase Principal
B asicamente un proyecto contiene:
Datos generales (nombre, fecha, autor y observaciones).
Un perl de usuario, que contiene los valores de C/I mnima aceptable, el umbral
de cobertura y la altura del receptor.
El conjunto de modelos de propagaci on, es decir, implementaciones basadas en la
lista de modelos soportados.
El conjunto de tipos de antenas, en general asociados con un patr on de radiaci on.
74 8.1. Arquitectura de paquetes
El conjunto de canales de frecuencias.
La direcci on URL (Universal Resource Locator) del archivo que contiene los datos
de altura de terreno.
El URL del archivo que contiene los datos de manzanas.
El URL del archivo que contiene los datos de edicaciones.
El conjunto de los sitios. Estos a su vez incluyen las radiobases que contienen las
antenas.
El URL de las carpetas que contienen las predicciones guardadas.
8.1.3. El paquete capas
Como se vio en la secci on 6.2, las aplicaciones GIS manejan el concepto de capas
(layers). En el caso de SAPO, se denen diferentes capas que se superponen para formar
el denominado Mapa, una entidad de suma importancia pues engloba los datos de la
topologa del terreno junto con la informaci on de la ubicaci on de los sitios, haciendo
posible el despliegue en pantalla de toda esa informaci on bajo un unico sistema de
coordenadas.
Para implementar dichas capas se crearon las clases CapaRaster y CapaVectorial,
con algunos metodos utiles para el manejo de cada uno de los tipos de datos GIS
explicados en la secci on 6.2.1(ver diagrama 8.4). Cada capa est a constituida por una
org.geotools.feature.FeatureCollection, es decir, un conjunto de features, y debe tener
un estilo asociado a n de poder ser desplegada en pantalla.
El estilo (org.geotools.styling.Style) dene las reglas que deben seguirse en la re-
presentaci on de los componentes de la capa. Por ejemplo si los mismos son polgonos,
establece el color del area interior as como el color y el grosor de las lneas que com-
ponen el borde. Los estilos de cada una de las diferentes capas est an denidos en un
sub-paquete llamado capas.estilos. Se cre o la interfaz ElementoCapa que deber an im-
plementar todos aquellos objetos que pretendan ser a nadidos a una capa. Dicha interfaz
contiene el metodo getFeature, que debe devolver un feature, capaz de ser agregado a
la FeatureCollection que constituye la capa. Las clases que implementan dicha interfaz
son: Grilla, Manzana, Edicio y Sitio.
8.1.4. El paquete raster
Es necesario determinar cu al de las dos dos formas de representar la informaci on
GIS es la m as apropiada para los diferentes datos que se manejan en el programa.
Dado que los datos de altura de terreno deben abarcar toda la regi on de estudio,
es razonable representarlos mediante un formato de datos tipo raster. En ese caso,
Captulo 8. Arquitectura de software 75
altura: double
sensibilidad: double
cI: double
PerfilUsuario()
getXML(): String
PerfilUsuario
nombre: String
autor: String
observaciones: String
fecha: String
modelos: ArrayList
sitios: ArrayList
tiposAntena: ArrayList
canales: ArrayList
perfil: PerfilUsuario
linkCapaAlturas: URL
linkCapaEdificios: URL
linkCapaCuadras: URL
linksCapaResultados: ArrayList
cambiosSinGuardar: boolean
Proyecto()
agregarLinkCapaResultados()
agregarSitio()
agregarCanal()
agregarModelo()
agregarTipoAntena()
borrarTipoAntena()
borrarCanal()
borrarModelo()
borrarSitio()
quitarModelo()
modeloEstaAsignado(): boolean
tipoEstaAsignado(): boolean
canalEstaAsignado(): boolean
setearCanalEnAntenas()
setearTipoEnAntenas()
setearModeloEnAntenas()
sePuedeCrearAntenas(): boolean
getXML(): String
Proyecto
Figura 8.3: Diagrama parcial de clases del paquete proyecto
el valor correspondiente a cada celda almacenar a el promedio de alturas de terreno
del area geogr aca representada por dicha celda. Lo mismo sucede en el caso de las
predicciones, salvo que all el valor de las celdas ser a la potencia mediana calculada
para el sector representado por la celda.
GeoTools dispone de una herramienta para el manejo de datos del tipo raster, que
se denomina org.geotools.gc.GridCoverage. Un GridCoverage permite almacenar una
grilla de datos (usualmente en dos dimensiones), y referenciarlos mediante coordenadas.
Est a delimitado por un rect angulo (llamado envelope), y es capaz de devolver un valor
en cada uno de los puntos dentro de dicho rect angulo. Por ejemplo, si el envelope es de
10 m 10 m y la matriz de datos es de 10 10, el area total se dividir a en 100 cuadrados
76 8.1. Arquitectura de paquetes
CapaVectorial()
agregar()
quitar()
CapaVectorial
grilla: Grilla
CapaRaster()
getGridCoverage(): GridCoverage
agregar()
CapaRaster
fc: FeatureCollection
Capa()
agregar()
quitar()
contiene(): boolean
esVacia(): boolean
vaciar()
tamanio(): int
recargarEstilo()
Capa
org.geotools.map.DefaultMapLayer
Figura 8.4: Diagrama parcial de clases del paquete capas
de 1 m
2
, y dentro de cada uno de estos cuadrados los puntos del GridCoverage tendr an
el mismo valor.
Para la representaci on de los datos tipo raster se cre o la clase Grilla, creada para
solventar algunas dicultades de acceso a los datos que implicaba el trabajar direc-
tamente con el GridCoverage. La misma contiene, entre otros atributos, uno de la
clase java.awt.image.WritableRaster con los datos y el GridCoverage correspondiente;
adem as provee una serie de metodos utiles e implementa la interfaz ElementoCapa, que
le permite ser integrado al mapa. No es trivial la creaci on de un feature a partir de
datos del tipo raster, ya que es un concepto asociado directamente con una geometra.
La soluci on para poder hacerlo consiste en crear un polgono (m as especcamente un
rect angulo), que representa el contorno de la grilla, y agregarle un atributo de tipo
GridCoverage para as formar el feature necesario para constituir la capa.
8.1.5. El paquete vectorial
El caso de los datos de manzanas y edicaciones es un poco diferente, y en general no
suelen almacenarse como raster. En este caso es m as conveniente usar alg un formato del
tipo vectorial, represent andolos por medio de geometras y asociar mediante atributos
la informaci on que sea de interes almacenar. Para esto se utiliz o la biblioteca JTS (ver
Captulo 8. Arquitectura de software 77
secci on 6.2.2).
Para el manejo de datos de edicaciones, se eligi o representar las mismas mediante
un feature en el cual la geometra es un polgono que corresponde con la proyecci on
del edicio en el plano horizontal, y como atributo un valor numerico que representa
la altura. Se est a asumiendo que la edicaci on ser a un prisma, en el cual tanto la base
como el techo son paralelos al plano horizontal y tienen la misma proyecci on, pudiendo
esta adquirir cualquier forma, no teniendo que ser necesariamente convexa. Esta re-
presentaci on excluye alg un tipo de formas irregulares, pero simplica enormemente el
problema, siendo que no es de importancia la forma exacta de las edicaciones. En caso
de contar, por ejemplo, con una vivienda de techo a dos aguas, el usuario deber a tomar
alg un criterio y determinar una altura equivalente.
Para la representaci on de las manzanas se utiliz o una representaci on mediante
polgonos. Estos pueden tener cualquier forma, siendo la unica limitaci on que las aris-
tas (cuadras) sean lneas rectas. El n umero de vertices es arbitrario. En la gura 8.5 se
puede visualizar un ejemplo de un trazado de manzana v alido.
Figura 8.5: Ejemplo de trazado de manzanas y edicaciones aceptado por SAPO
8.1.6. El paquete red
Para la representaci on de la red celular se dividi o el problema en tres niveles de
abstracci on: el sitio, la radiobase y la antena, de forma de lograr la mayor exibilidad
posible.
Como se explic o en 7.3 cada antena est a asociada con un tipo de antena, un modelo
de propagaci on y un canal de frecuencias. En la arquitectura de clases esto se reeja en
que la clase Antena tiene referencias a instancias de las clases que representan dichos
elementos (TipoAntena, Modelo y CanalFrecuencias). En la gura 8.7 puede verse un
diagrama con las clases de este paquete, en donde aparecen los atributos y metodos
m as importantes.
78 8.1. Arquitectura de paquetes
fCuadra: Feature
Cuadra()
getFeature(): Feature
Cuadra
getFeature()
interface
sapo.capas.ElementoCapa
fManzana: Feature
cuadra: Coordinate[][]
anchos: double
getFeature(): Feature
Manzana()
Manzana
fEdificio: Feature
MAX_ALTURA: int
Edificio()
getFeature(): Feature
getString(): String
Edificio
fEsquina: Feature
Esquina()
getFeature(): Feature
Esquina
Figura 8.6: Diagrama parcial de clases del paquete vectorial
8.1.7. El paquete predicciones
Dentro de este paquete se encuentra todo lo relativo al c alculo y an alisis de pre-
dicciones. Para la implementaci on de los modelos de predicci on se busc o un dise no que
facilite al desarrollador el agregado de nuevos modelos al programa. Es as que se cre o la
clase abstracta Modelo, de la cual heredan todas las implementaciones particulares (ver
gura 8.8). Dicha clase determina todos los atributos y metodos que debe implementar
un modelo de propagaci on para poder integrarse con el resto de la arquitectura. Cada
modelo se dene mediante dos tipos de par ametros, los par ametros ajustables y los no
ajustables. Los primeros, son aquellos que el desarrollador considera pueden ser ajusta-
dos mediante regresi on lineal en el caso de contar con medidas de campo. B asicamente
son los que aparecen con una dependencia lineal en la ecuaci on de perdida de camino
(en dB), y se representan como un arreglo de doubles. Luego, el resto de los par ametros
son los no ajustables, como por ejemplo el tipo de entorno (urbano, suburbano, etc.), y
se representan como un arreglo de Objects a n de dar libertad de usar cualquier tipo
de objeto. Se dise n o de esta manera, distinguiendo entre dos tipos de par ametros para
facilitar una futura implementaci on de ajuste de modelos en base a medidas.
Todos los modelos deben disponer de los valores de los par ametros por defecto; luego
cada implementaci on en particular podr a utilizar dichos valores u otros que especique
(siempre y cuando tengan el formato adecuado). Es por esto que existen dos constructo-
res para la clase Modelo, uno para cada uno de estos casos. Adem as deben implementar
la creaci on de la ventana que sirva como interfaz para especicar los par ametros del
mismo; dicha ventana debe heredar de la clase abstracta PanelModelos, en donde se
especican los metodos que debe implementar.
El metodo encargado de realizar los c alculos de atenuaci on de se nal es el metodo
predecir de la clase Modelo. Previo a realizar ning un c alculo invoca al metodo veri-
carDatos, que se encarga de chequear que el mapa contenga las capas que necesita el
Captulo 8. Arquitectura de software 79
fSitio: Feature
nombre: String
x: double
y: double
radiobases: ArrayList
Sitio()
toString(): String
agregarRB()
borrarRB()
equals(): boolean
getFeature(): Feature
crearFeatureSitio()
getXML(): String
Sitio
angulos: ArrayList
ganancias: ArrayList
PatronRadiacion()
getXML(): String
PatronRadiacion
nombre: String
frecuencias: ArrayList
CanalFrecuencias()
getFrecuenciaMaxima(): double
toString(): String
equals(): boolean
frecuenciaEnComun(): boolean
getXML(): String
CanalFrecuencias
nombre: String
canal: CanalFrecuencias
potencia: double
tilt: double
azimut: double
modelo: Modelo
tipo: TipoAntena
sitio: String
rb: String
indiceH: int
indiceV: int
indice: int
Antena()
toString(): String
equals(): boolean
calcularGanancia(): double
getXML(): String
setRB()
Antena
nombre: String
ganancia: double
isotropica: boolean
patronH: PatronRadiacion
patronV: PatronRadiacion
ISOTROPICA: String
DIRECTIVA: String
TipoAntena()
esIsotropica(): boolean
equals(): boolean
toString(): String
getXML(): String
TipoAntena
altura: double
antenas: ArrayList
sitio: String
nombre: String
Radiobase()
toString(): String
agregarAntena()
borrarAntena()
equals(): boolean
getXML(): String
Radiobase getFeature()
interface
sapo.capas.ElementoCapa
import
Figura 8.7: Diagrama parcial de clases del paquete red
modelo, y en ese caso obtiene el areaCalculable (regi on en el mapa sobre la cual pueden
efectuarse los c alculos; depende del mapa y de la ubicaci on de la radiobase). Para el
manejo de herramientas comunes a todos los modelos se cre o la clase UtilidadesMo-
delos, que implementa entre otras cosas el c alculo de distancia y de alturas efectivas.
Si est a habilitada la opci on de usarInterpolaci on los valores de altura de terreno se
obtienen mediante interpolaci on bilineal en el GridCoverage. UtilidadesModelos debe
tener en cuenta que existen dos niveles diferentes en los cuales se puede referenciar un
punto: mediante su posici on (i, j) dentro de la grilla de datos o mediante sus coorde-
nadas reales (x, y) en el mapa; el pasaje de un sistema de referencia a otro lo hace
mediante una transformaci on matem atica (org.geotools.ct.MathTransform2D).
El metodo predecir necesita de los siguientes datos de entrada:
80 8.1. Arquitectura de paquetes
Mopem
TierraPlana
Erceg
Cost231WISimple
Cost231WI
VoglerIkegami Vacio
OkumuraHata
TierraPlanaAproximada
C: double
menu: PanelModelos
nombreImplementacion: String
nombreModelo: String
nombreParametrosAjustables: String[]
nombreParametrosNoAjustables: String[]
parametrosAjustables: double[]
parametrosNoAjustables: Object[]
usarInterpolacion: boolean
Modelo()
areaCalculable()
equals()
getNombre()
getPanelCreacion()
getXML()
predecir()
setNombre()
toString()
verificarDatos()
Modelo
abstract
Figura 8.8: Diagrama parcial de la clase Modelo
El mapa, que contiene las diferentes capas con los datos del entorno
La antena trasmisora, de la cual se obtienen los datos de potencia de trasmisi on,
ganancia y frecuencia.
El proyecto, a n de obtener el perl de usuario, el sitio y la radiobase asociados
a la antena trasmisora
El radio m aximo en torno a la antena
La precisi on con la que se realizar an los c alculos
Devuelve los resultados mediante un objeto del tipo PrediccionUniAntena (ver -
gura 8.9), que contiene b asicamente una Grilla con los valores de potencia y los datos
de la antena con que fue realizada. Quien llama a este metodo es la clase ThreadCal-
culaAtenuacion, creada para que el c alculo de predicci on pueda correr en paralelo con
el thread que mantiene la interfaz gr aca. Esta clase va almacenando los resultados
obtenidos con cada una de las antenas para formar una PrediccionMultiAntena (ver
gura 8.9).
La clase PrediccionMultiAntena es la encargada de formar las grillas de potencia a
desplegar en pantalla, eligiendo el valor de potencia m aximo en los puntos donde tenga
informaci on de m as de una antena, as como tambien de crear las grillas de cobertura
y de interferencia co-canal.
Captulo 8. Arquitectura de software 81
grillasAMostrar: ArrayList
HAY_COBERTURA: double
maxGlobal: double
maxInter: double
minGlobal: double
minInter: double
NO_HAY_COBERTURA: double
prediccionesUniAntena: ArrayList
PrediccionMultiAntena()
agregarPrediccion()
getCoveragesAMostrar()
getCoveragesCobertura()
getCoveragesInterferencia()
getMax()
getMin()
getPredicciones()
PrediccionMultiAntena
antena: Antena
grillaResultados: Grilla
maximo: double
minimo: double
nombreAntena: String
PrediccionUniAntena()
getGrilla()
getMax()
getMin()
setMax()
setMin()
PrediccionUniAntena
Figura 8.9: Diagrama parcial de clases del paquete predicciones
Las clases UtilidadesModelosManzanas y UtilidadesModelosEdicios heredan de U-
tilidadesModelos y centralizan los metodos particulares requeridos en la implementa-
ci on de algunos de los modelos de propagaci on disponibles en la herramienta (ver gura
8.10). UtilidadesModelosManzanas contiene los c alculos asociados a la capa de man-
zanas, como ser la orientaci on de las calles, el ancho de las mismas y las distancias
a las esquinas. Por su parte, UtilidadesModelosEdicios contiene los metodos que ne-
cesitar an aquellos modelos que hagan uso de la capa de edicios y dentro de los m as
importantes se hallan: altura promedio de edicios circundantes al m ovil, determina-
ci on de obstrucci on de la primer elipsiode de Fresnel, y obtenci on del perl de alturas
entre el m ovil y la antena transmisora. Es importante destacar que en caso de querer
implementar un nuevo modelo que requiera alg un algoritmo particular, bastara con
agregar un metodo nuevo en las clases anteriormente detalladas.
8.1.8. El paquete ifusuario
Mediante este paquete se provee una interfaz gr aca que interact ua directamente
con el usuario del software. Se busc o que la misma sea amigable para el usuario y f acil
de usar.
Como se dijo anteriormente, los dos elementos m as importantes que conforman la
ventana principal del programa son el explorador y el mapa. La implementaci on del
explorador se hizo mediante la estructura de clases que se muestra en la gura 8.11. El
mapa est a constituido por la siguientes capas:
Capa de alturas de terreno
82 8.1. Arquitectura de paquetes
fc: FeatureCollection
ultimaPared: Coordinate[]
ge: GeneraElipses
UtilidadesModelosEdificios()
getAlturaEdificioAntena(): double
librePrimerFresnelExacto(): boolean
alturaPromedio(): double
hallarPerfilDeEdificios(): PerfilAlturas
UtilidadesModelosEdificios
fc: FeatureCollection
ultimaOri: double
ultimoAncho: double
ultimaDesq1: double
ultimaDesq2: double
UtilidadesModelosManzanas()
calcularOrientacion(): double
calcularAncho(): double
calcularOrientacionAncho(): double[]
calcularDistanciaEsq(): double[]
UtilidadesModelosManzanas
gc: GridCoverage
mt: MathTransform2D
mtInversa: MathTransform2D
pasoX: double
pasoY: double
interpol: Interpolation
UtilidadesModelos()
calcularDistanciaGrid(): double
calcularDistanciaGrid(): double
calcularDistanciaReal(): double[]
calcularDistanciaReal(): double[]
getAlturaTotal(): double
calcularEnvelope(): Envelope
transformadaParaGrid(): MathTransform2D
alturaEfectiva(): double[]
interpolarGridCoverage(): double[]
UtilidadesModelos
Figura 8.10: Diagrama parcial de clases del paquete predicciones
Capa de manzanas
Capa de edicios
Capa de sitios
Capa de sitio seleccionado
Capa de resultados
En el caso del Generador de Edicios se dene un nuevo mapa, que carece de la capa
de alturas y de sitios e incluye capas destinadas al edicio, la cuadra y la esquina
seleccionados.
Existe una clase que es la encargada de la manipulaci on de las capas, que se llama
ContenedorMapa. Esta clase interact ua con los otros paquetes, de los que puede recibir
Captulo 8. Arquitectura de software 83
TAB_SITIOS: int
TAB_ANTENAS: int
TAB_MODELOS: int
exploradorSitios: ExploradorSitios
exploradorAntenas: ExploradorAntenas
exploradorCanales: ExploradorCanales
exploradorModelos: ExploradorModelos
tabAntenas: JSplitPane
TabsExplorador
NIVEL_RAIZ: int
NIVEL_MODELOS: int
ExploradorModelos()
ExploradorModelos
arbol: JTree
popupNivel0: Popup
popupNivel1: Popup
popupNivel2: Popup
popupNivel3: Popup
eL: EventListener
Explorador()
seleccionar()
renombrarNodo()
getSeleccion(): String
vaciar()
borrarNodo()
agregarNodo(): DefaultMutableTreeNode
getNivelSeleccionado(): int
mouseClicked()
mousePressed()
mouseReleased()
mostrarPopup()
Explorador
NIVEL_RAIZ: int
NIVEL_CANALES: int
ExploradorCanales()
ExploradorCanales
NIVEL_RAIZ: int
NIVEL_SITIOS: int
NIVEL_RADIOBASES: int
NIVEL_ANTENAS: int
ExploradorSitios()
agregarSitio()
editarSitio()
editarRB()
seleccionarSitio()
getSelecciones(): String[]
ExploradorSitios
NIVEL_RAIZ: int
NIVEL_ANTENAS: int
ExploradorAntenas()
ExploradorAntenas
javax.swing.JTabbedPane
interface
java.awt.event.MouseListener
Figura 8.11: Diagrama parcial de clases del paquete ifusuario
informaci on (una FeatureCollection, una lista de sitios, los resultados de una predicci on,
etc.) y a partir de ella crear la capa correspondiente en el mapa (ver gura 8.12). Tanto
el ContenedorMapa como el Explorador pueden generar acciones por s mismas como
reacci on ante eventos provocados por el usuario mediante el rat on; para ello deben
implementar la interfaz java.awt.event.MouseListener.
El sub-paquete ifusuario.menues contiene las ventanas y men ues que intercambian
informaci on con el usuario. Por ejemplo, las ventanas que permiten la creaci on o edici on
de objetos (canales de frecuencia, modelos de antenas, sitios, radiobases, antenas, etc.).
Estas recogen la informaci on que ingresa el usuario y chequean que sea v alida, por
ejemplo que el formato de los datos sea el correcto o que no haya par ametros vacos.
84 8.1. Arquitectura de paquetes
mapa: Mapa
cbPrediccion: ColorBar
dirCapaAlturas: URL
dirCapaEdificios: URL
dirCapaManzanas: URL
ContenedorMapa()
crearCapaSitios()
crearCapaManzanas()
crearCapaEdificios()
crearCapaAlturas()
crearCapaResultados()
crearCapaInterferencia()
crearCapaCobertura()
quitarCapaResultados()
mostrarCapaAlturas()
mostrarCapaEdificios()
mostrarCapaManzanas()
mostrarCapaPredicciones()
ContenedorMapa
barraEscala: RenderedMapScale
popupMapa: JPopupMenu
popupOcultarLupa: JPopupMenu
x: double
y: double
ContenedorMapaGeneral()
mouseClicked()
mostrarPopup()
ContenedorMapaGeneral
capaAlturas: CapaRaster
capaManzanas: CapaVectorial
capaEdificios: CapaVectorial
capaResultados: CapaRaster
capaSitios: CapaVectorial
capaSitiosSeleccionados: CapaVectorial
seleccionado: boolean
Mapa()
agregarCapas()
seleccionarSitio(): boolean
deseleccionarSitios(): boolean
agregarSitio()
borrarSitio()
editarSitio()
Mapa
org.geotools.map.DefaultMapContext
org.geotools.gui.swing.StyledMapPane
interface
java.awt.event.MouseListener
Figura 8.12: Diagrama parcial de clases del paquete ifusuario
En caso de encontrar un error arrojan una excepci on e informan al usuario; en otro
caso crean el objeto correspondiente, que luego es tomado por la clase Principal, quien
Captulo 8. Arquitectura de software 85
contin ua con el procedimiento.
8.1.9. El paquete archivos
El paquete archivos se cre o con la nalidad de centralizar todo lo relativo a la escri-
tura y lectura de informaci on a disco, de forma que si en un futuro se quisiera ampliar
los formatos de archivos soportados alcanzara b asicamente con hacer modicaciones
en este paquete. Sirve de interfaz entre los archivos que se leen o escriben y el resto
del programa, adaptando la informaci on para que ambos la puedan interpretar. Por
ejemplo, la clase LectorFeatures permite extraer una FeatureCollection o una Grilla de
un archivo, que luego se utilizar a para crear la capa correspondiente. Otro ejemplo es
la clase ArchivosXML que se encarga de interpretar el archivo que almacena los datos
de un proyecto.
8.2. Comportamiento dinamico
En la gura 8.13 se puede ver los casos de uso m as relevantes de SAPO. En los
diagramas siguientes se muestra a grandes rasgos la interacci on entre los principales
paquetes que intervienen en dichos casos de uso. El caso de estimaci on de una pre-
dicci on, por ser de especial importancia es representado m as en detalle, mediante un
diagrama parcial de colaboraci on de clases (gura 8.18).
SAPO
creacin de un proyecto
importacin de datos del
entorno
creacin de la red
creacin de modelos
estimacin de
predicciones
guardado de una
prediccin
guardado de un
proyecto
usuario
Figura 8.13: Diagrama parcial de casos de uso
86 8.2. Comportamiento din amico
crea
proyecto
ifusuario principal proyecto
crea
ventana
avisa
crea
proyecto
usuario
acondiciona
interfaz
ingresa datos
proporciona
datos
Figura 8.14: Creaci on de un proyecto
importa datos
ifusuario principal archivos
solicita URL
avisa
pide URL
usuario proyecto
indica URL
proporciona URL
almacena URL
pide datos
proporciona datos
despliega datos
Figura 8.15: Importaci on de datos de entorno
Captulo 8. Arquitectura de software 87
crea modelo
ifusuario principal predicciones
despliega datos
avisa y proporciona datos
crea
m
odelo
usuario proyecto
almacena datos
Figura 8.16: Creaci on de un modelo de propagaci on
crea red
ifusuario principal red
despliega datos
avisa y proporciona datos
crea
red
usuario proyecto
almacena datos
Figura 8.17: Creaci on de la red
88 8.2. Comportamiento din amico
:Principal
:VentanaPrediccion
tca :ThreadCalculaAtenuacion
:Modelo
:ContenedorMapa proyecto:Proyecto
:Timer
1:crear()
2:ArrayList nombreAntenas:= getElegido()
2
.
1
*
:
A
n
t
e
n
a
[
]
a
n
t
e
n
a
s
:
=
g
e
t
A
n
t
e
n
a
(
n
o
m
b
r
e
)
7:crear(antenas,proyecto,mapa,radio,precision,interpolar)
8:start()
10:crear(100,aL)
aL:ActionListener
15:[tca.termino]stop()
1
6
:
P
r
e
d
i
c
c
i
o
n
M
u
l
t
i
A
n
t
e
n
a
p
r
e
d
i
c
c
i
o
n
T
o
t
a
l
:
=
g
e
t
P
r
e
d
i
c
c
i
o
n
(
)
17:crearCapaResultados(prediccionTotal)
8
.
3
*
:
P
r
e
d
i
c
c
i
o
n
U
n
i
A
n
t
e
n
a
p
r
e
d
i
c
c
i
o
n
:
=
p
r
e
d
e
c
i
r
(
p
r
o
y
e
c
t
o
,
m
a
p
a
,
a
n
t
e
n
a
,
r
a
d
i
o
,
p
r
e
c
i
s
i
o
n
)
:Antena
8
.
1
*
:
M
o
d
e
l
o
:
g
e
t
M
o
d
e
l
o
(
)
18:setVisible(false)
6: Mapa mapa:=getMapa()
3:double radio:=getRadio()
4:double precision :=getPrecision()
5:boolean interpolar:=getUsarInterpolacion()
9:crear()
12*:actionPerformed(event)
8.4*:agregarPrediccion(prediccion)
19:dispose()
8
.
2
*
:
s
e
t
U
s
a
r
I
n
t
e
r
p
o
l
a
c
i
o
n
(
i
n
t
e
r
p
o
l
a
r
)
11:start()
1
3
:
i
n
t
a
v
a
n
c
e
:
=
g
e
t
C
u
a
n
d
o
V
a
(
)
14:setCuantoVa(avance)
estimarPrediccion()
Cada modelo tiene
una implemenatcin
particular para el
clulo, utilizando
clases auxiliares.
Figura 8.18: Diagrama de colaboraci on de una predicci on
guarda proyecto actual
ifusuario principal archivos
solicita URL
avisa
proporciona proyecto
usuario
indica URL
genera archivo
Figura 8.19: Guardado de un proyecto
Captulo 8. Arquitectura de software 89
8.3. Manejo de errores
SAPO, como toda aplicaci on que interact ua con agentes externos, se encuentra pro-
penso a que se generen errores de distintandole en tiempos de ejecuci on. La interacci on
con el usuario puede provocar situaciones que impidan el correcto funcionamiento del
software, y estas situaciones deben ser contempladas a los efectos de impedir la reali-
zaci on de c alculos sobre bases err oneas.
Para esto se utiliz o el manejo de excepciones que proporciona Java. Esta tecnica,
tambien presente en otros lenguajes, permite controlar el ujo de ejecuci on del programa
ante situaciones anormales y almacenar informaci on de las mismas que pueda ser de
ayuda para su soluci on, otorg andole robustez a los programas. Si se produce un error, la
aplicaci on no debera abortar, sino que debe lanzar una excepci on para luego capturarla
y resolver la situaci on.
Se implementaron varias excepciones para servir de contingencia ante diversas situa-
ciones especcas de SAPO, otros casos se cubrieron utilizando excepciones propias del
lenguaje, como por ejemplo las relativas a la lectura y/o escritura de archivos (IOExcep-
tion). Todas ellas son objetos que heredan de la clase java.lang.Exception, y se ubican
dentro del paquete que contiene la clase que las genera (es decir, la que contiene el o
los metodos que lanzan la excepci on).
Por ejemplo, la excepci on ifusuario.menues.RadiobaseMalIngresadaException es lan-
zada por la ventana que sirve de interfaz para la creaci on de una nueva radiobase, en caso
que el nombre que ingresa el usuario sea vaco o la altura no sea un valor numerico. Lue-
go al ser creada, si la altura es negativa se genera una red.RadiobaseMalDenidaException
y nalmente, cuando la radiobase es agregada al sitio, si en el mismo ya existe otra con
el mismo nombre se provoca una red.RadiobaseRepetidaException.
La respuesta del programa ante estas situaciones es la de mostrar un mensaje al
usuario avisando de las razones que provocaron el error, permitiendole al mismo repetir
el procedimiento.
Captulo 9
Formato de archivos
En este captulo se detallan los formatos de archivo utilizados por SAPO para el
manejo de datos. Algunos de ellos fueron especicados especialmente para el programa
(como por ejemplo el que permite cargar datos de un patr on de radiaci on), otros,
sin embargo, son reconocidos internacionalmente (como por ejemplo los de alturas de
terreno), dejando abierta la posibilidad de aumentar la cantidad de formatos soportados
en un futuro.
9.1. Archivos de entrada de datos de altura de terreno
Si bien GeoTools dispone de una herramienta para el manejo de datos del tipo
raster (GridCoverage), en la distribuci on de GeoTools 2.0.0 no existe ninguna interfaz
que permita la lectura y/o escritura de archivos con este tipo de informaci on. Por este
motivo se tuvo que buscar otras herramientas, y se encontr o que la distribuci on 2.1.0
(no existente al momento de comenzar el desarrollo del presente proyecto) s soportaba
algunos formatos de archivo, que se listan a continuaci on:
Formato ArcInfo ASCII Grid y GRASS ASCII Grid, soportados tanto para lectura
como para escritura, con y sin compresi on.
Formato World (im agenes geo-referenciadas), tanto para lectura como para escri-
tura.
GeoTIFF (im agenes ti geo-referenciadas), s olo para lectura y a un en desarrollo.
WMS (OGC Web Mapping Server client), s olo para lectura y a un en desarrollo.
Es as que se evalu o la posibilidad de migrar de una versi on de GeoTools a la otra,
pero, dadas las grandes diferencias e incompatibilidades entre ambas distribuciones, se
lleg o a la conclusi on de que no vala la pena por la cantidad de tiempo a invertir en
91
92 9.1. Archivos de entrada de datos de altura de terreno
dicha migraci on, dado lo avanzado de la programaci on hasta ese momento. La soluci on
se encontr o importando de la revisi on 2.1.0 unicamente las bibliotecas especcas que
permitan satisfacer los requerimientos necesarios. Es de interes, adem as de ser capaces
de leer archivos, poder escribirlos, a n de guardar los resultados de las predicciones
en el mismo formato, como se ver a m as adelante. Es por esto que se eligi o, entre los
arriba listados, los formatos ArcInfo ASCII Grid y GRASS ASCII Grid (con y sin
compresi on) que son de una enorme sencillez. Para su soporte fue necesario importar la
biblioteca org.geotools.data.arcgrid (gt2-arcgrid-2.1.x.jar) e integrarla para que funcione
en conjunto con la distribuci on 2.0.0. Se encontraron en ciertas clases algunos problemas
especcos (en la lectura de archivos con salto de lnea, en el establecimiento de los
valores m aximos y mnimos del raster,etc.) que se pudieron corregir creando clases hijas
1
y sobreescribiendo los metodos necesarios con los arreglos correspondientes. Todo esto
fue posible gracias a que se utiliz o una herramienta de c odigo abierto, una de las razones
m as importantes por las cuales se eligi o GeoTools, lo que otorga gran exibilidad.
9.1.1. ASCII Grid
El formato ASCII Grid (.asc o .grd) es un formato denido por la ESRI (Environ-
mental Systems Research Institute), el proveedor lder de sistemas GIS a nivel mundial
[42]. Fue desarrollado originalmente para ArcInfo, software muy popular a nivel co-
mercial; sin embargo ha sido ampliamente difundido y hoy en da es soportado por un
gran n umero de paquetes de software. Al ser un formato ASCII, es f acilmente legible
(puede ser editable mediante cualquier editor de texto); adem as, al tener la posibilidad
de ser comprimido, es capaz de guardar gran cantidad de informaci on en un archivo de
tama no razonable. Consiste en un encabezado que contiene la informaci on geogr aca
y la resoluci on, seguido de los datos de altura, que se leen de izquierda a derecha co-
menzando por la la que corresponde con el lmite m as al norte. Aqu se muestra un
ejemplo de un encabezado v alido:
ncols 150
nrows 250
xllcorner -156.08749650000
yllcorner 18.870890200000
cellsize 0.00833300
nodata value -9999
ncols y nrows se reeren respectivamente al n umero de columnas y las en la
grilla; deben estar seguidos por un valor entero.
xllcorner e yllcorner corresponden al borde m as al este y m as al sur de la grilla
respectivamente.
1
Se crearon las clases archivos.ArcGridRasterGeneral que hereda de
org.geotools.data.arcgrid.ArcGridRaster y archivos.GRASSArcGridRasterGeneral que hereda de
org.geotools.data.arcgrid.GRASSArcGridRaster
Captulo 9. Formato de archivos 93
cellsize es la resoluci on del raster.
nodata value indica el valor que representa la ausencia de datos. Es opcional, por
lo cual no debe asumirse su presencia. El valor por defecto es -9999.
9.1.2. GRASS ASCII Grid
El formato GRASS ASCII grid (.arx) es una variaci on del anterior, que se diferencia
en el encabezado. He aqu un ejemplo del mismo:
north: 3451250
south: 3438850
east: 298920
west: 290860
rows: 100
cols: 65
north, south, east y west son las coordenadas m as al norte, sur, este y oeste de la
grilla respectivamente.
rows y cols se reeren respectivamente al n umero de las y columnas en la grilla;
deben estar seguidos por un valor entero.
A diferencia del ASCII Grid este formato no asume celdas cuadradas. Se soporta para
ambos formatos compresi on con gzip (.gz).
9.2. Archivos de entrada de datos de edicaciones y man-
zanas
Para manejo de datos vectoriales, uno de los formatos m as populares es el shapele
(.shp). Es el unico formato de este tipo soportado en la distribuci on utilizada de Geo-
Tools tanto para escritura como para lectura, por lo cual se decidi o utilizarlo para los
datos de edicaciones y de manzanas. La posibilidad de escribir archivos es de interes
a n de dar herramientas al usuario de crear sus propias bases de datos mediante una
interfaz gr aca (el Generador de Edicios).
9.2.1. SHP
Este formato [43] creado por la ESRI, almacena informaci on de un conjunto de
features geo-referenciados, esto es, geometras y atributos. Consiste en un archivo prin-
cipal (.shp), un archivo ndice (.shx) y una tabla dBASE
2
(.dbf). El archivo principal
2
Formato de base de datos simple y ampliamente utilizado.
94 9.3. Archivos de entrada para generar manzanas
puede tener una cantidad variable de registros, en donde cada uno de ellos describe una
geometra (punto, lnea o area) mediante las coordenadas de sus vertices. El archivo
ndice contiene las posiciones de los registros en el archivo principal y la tabla dBASE
almacena los atributos, cada uno de ellos tiene una relaci on unvoca con la geometra
a la cual est a asociado.
Para ser reconocidos correctamente por SAPO, los SHP deben estar compuestos por
features con los atributos que se muestran en la tabla 9.1.
Nombre Tipo Descripci on
Datos de edicios the geom Polygon Figura en dos dimensiones que re-
presenta la base del edicio. Se de-
ne mediante las coordenadas de sus
vertices, en metros. Es la default
geometry.
altura double Valor numerico que representa la al-
tura del edicio en metros.
Datos de manzanas the geom Polygon Figura que representa la manzana.
Se dene mediante las coordenadas
de sus vertices, en metros. Es la de-
fault geometry.
Cuadro 9.1: Atributos de los features para representar edicios y manzanas
9.3. Archivos de entrada para generar manzanas
En la secci on 7.5.1 se detall o el funcionamiento del generador de datos de disposici on
y tama no de edicios. Para utilizar dicha herramienta es necesario tener la disposici on
y forma de las manzanas. Esta misma herramienta cuenta con la posibilidad de generar
las manzanas a partir de un archivo de texto. La idea es especicar las coordenadas de
las manzanas y el ancho de las calles, o directamente las coordenadas de las esquinas
de las mismas.
En el primer caso, se especican las coordenadas de las manzanas (es decir, del cruce
de las calles que la conforman) y el ancho de la calle correspondiente. Por ejemplo, la
especicaci on de una manzana puede ser:
manzana
0 0 100 0 100 100 0 100 0 0
anchos
10 10 10 10
Lo anterior resulta en una manzana de cuatro esquinas ubicadas en las coordenadas
(5, 5), (95, 5), (95, 95) y (5, 95). Por lo tanto el formato es: la palabra clave manzana, en
Captulo 9. Formato de archivos 95
la siguiente lnea las coordenadas de los cruces de las calles que la conforman nalizando
con la que comenz o, todas separadas por un espacio. Vale la pena aclarar que el orden
de las esquinas debe ser tal que si se unen los puntos en el orden que aparecen, se forme
la manzana que se est a intentando crear. En la siguiente lnea la palabra clave anchos,
luego de la cual se especican los anchos de las calles.
Ahora bien, si se cuenta con las coordenadas de las esquinas, se puede especicar
dichas coordenadas e ingresar anchos todos iguales a cero. Por ejemplo, si se quiere
obtener lo mismo que en el ejemplo anterior basta con escribir:
manzana
5 5 95 5 95 95 5 95 5 5
anchos
0 0 0 0
9.4. Archivos de entrada para la importaci on de patrones
de radiaci on
La informaci on de los patrones de radiaci on horizontal y vertical que conforman los
diferentes tipos de antena puede ser ingresada manualmente mediante la interfaz que
ofrece SAPO, que consiste en tablas de dos entradas. En la primer columna el usuario
debe ingresar los angulos (comenzando por 0, que corresponde a la direcci on de m axi-
ma ganancia) y en la segunda las ganancias relativas a la ganancia m axima en dB. Sin
embargo, puede ser util para el usuario importar dichos datos desde un archivo, si el
mismo dispusiera de ellos en formato digital. No se encontr o un formato de archivo
mundialmente utilizado, ya que pr acticamente todos los fabricantes de antenas poseen
uno propio. Es as que se eligi o usar un archivo de texto plano, al cual la mayora de
los formatos se pueden adecuar f acilmente. Se deben especicar dos columnas separa-
das por un tabulador; la primera lnea es ignorada. Un ejemplo sencillo se muestra a
continuaci on.
ang gan
0 0
60 -10
120 -15
180 -25
240 -15
300 -10
96 9.5. Archivos de entrada-salida de predicciones
9.5. Archivos de entrada-salida de predicciones
Para guardar los resultados de las predicciones se opt o por utilizar los mismos
formatos de archivo que en el caso de los datos de altura de terreno, por ser ambos de
tipo raster.
ASCII grid
ASCII grid comprimido con gzip
GRASS ASCII grid
GRASS ASCII grid comprimido con gzip
Cada predicci on est a formada por los resultados correspondientes a varias antenas; para
el almacenamiento en disco se decidi o guardar un archivo por cada una de ellas. Los
mismos son guardados en una carpeta con el nombre que el usuario elija para almace-
nar la predicci on, y cada uno lleva el nombre de la antena a la cual est a asociado. Al
momento de abrir una predicci on, el usuario selecciona la carpeta, SAPO lee autom ati-
camente todos los archivos dentro de ella y reconstruye la predicci on total, computando
los valores que corresponde en todos los puntos del terreno y despleg andolos en pantalla.
9.6. Archivos de entrada-salida para el analisis de error
de predicci on
En la secci on 7.5.5 se especic o el funcionamiento del m odulo de an alisis de error de
predicci on. El formato de los datos de las medidas es muy sencillo. Es simplemente un
archivo de texto plano donde en cada lnea aparece la coordenada x e y del punto donde
se tom o la medida de potencia, luego debe aparecer la medida en dB; todo separado
por un espacio. Un ejemplo puede ser:
455.5 6809.3 -45.1
El ejemplo especica que en la coordenada (455.5, 6809.3) se midi o una potencia
de recepci on de -45.1 dB. El mismo formato se utiliza en la grabaci on a disco de los
c alculos realizados con esta herramienta.
9.7. Archivos de entrada-salida para el manejo de proyec-
tos
Una vez que el usuario crea un nuevo proyecto o area de trabajo en la que va a
centrar su an alisis de predicci on, debe tener la posibilidad de guardar las modicaciones
Captulo 9. Formato de archivos 97
realizadas para futuros aportes al proyecto en estudio o para simplemente dejar cons-
tancia de los resultados de un conjunto determinado de predicciones. De esta forma,
al utilizar la herramienta de software SAPO, tendr a tanto la opci on de crear un nuevo
proyecto como la de abrir un proyecto anteriormente guardado y continuar trabajando
en el sin necesidad de redenir datos de entrada, variables y par ametros. El formato
de archivo que se eligi o para el guardado de datos fue XML, principalmente debido a
su gran escalabilidad, exibilidad y f acil entendimiento al tratarse de un formato ba-
sado en texto plano. Si bien se manej o como alternativa en primera instancia guardar
directamente los objetos a disco (implementando la interfaz java.io.Serializable en ca-
da clase que se quisiese guardar), al trabajar en el marco de un Proyecto result o m as
adecuado manejar un lenguaje que permita guardar la informaci on de manera estruc-
turada y permitiendo el acceso al contenido con cualquier editor est andar. Adem as, en
futuras versiones de SAPO, podra lograrse compatibilidad con proyectos guardados en
versiones anteriores.
9.7.1. XML
XML, es el Extensible Markup Language, y consiste en un conjunto de reglas para
denir etiquetas sem anticas que permiten organizar un documento en diferentes partes
para futuro procesamiento. Es una recomendaci on de la W3C (World Wide Web Con-
sortium) quien lanz o en febrero de 1988 y contin ua manteniendo hasta hoy la versi on
1.0 como la especicaci on ocial [44].
XML es un metalenguaje que dene la sintaxis utilizada para denir otros lenguajes
de etiquetas (< .. >) estructurados. Los documentos XML se componen de unidades de
almacenamiento llamadas entidades (entities), que contienen datos analizados (parsed)
o sin analizar (unparsed). Los datos analizados se componen de caracteres, algunos de
los cuales forman los datos del documento y el resto forman las etiquetas. Las etiquetas
codican la descripci on de la estructura l ogica y de almacenamiento del documento.
Existen dos tipos de documentos XML:
Bien formados(well-formed): son todos los que cumplen las especicaciones del
lenguaje respecto a las reglas sint acticas y de estructura jer arquica, sin estar
sujetos a elementos jados en un DTD (Document Type Denition)
3
.
V alidos(valid): adem as de estar bien formados, siguen una estructura y una
sem antica determinada por un DTD (por ejemplo HTML).
En el caso de SAPO, luego de analizadas las exigencias que la herramienta de soft-
ware impone sobre el formato para guardar un proyecto, se opt o por trabajar con
documentos XML bien formados, tomando en cuenta que el DTD es opcional en la
3
Denici on del tipo de documento: archivo que encierra una denici on formal de un tipo de docu-
mento y a la vez especica la estructura l ogica de cada documento
98 9.7. Archivos de entrada-salida para el manejo de proyectos
utilizaci on del lenguaje XML y que se adec ua a aplicaciones de mayor complejidad que
la que exige SAPO en el guardado de un proyecto.
Se detallan a continuaci on las principales ventajas del lenguaje XML que inuyeron
en la elecci on de dicho formato para guardar un proyecto en SAPO.
Texto plano: Al no tratarse de un formato binario, se pueden crear y editar archi-
vos desde un editor est andar de texto. Esto facilita la b usqueda y la correcci on de
errores en un programa, y es util para el almacenamiento de peque nas a grandes
cantidades de datos, lo cual garantiza una completa escalabilidad.
Identicaci on de datos: XML permite tener conocimiento del tipo de datos al-
macenado al tener la informaci on identicada mediante etiquetas. De esta forma,
los datos podr an ser procesados por diversos programas y utilizados en diferentes
aplicaciones.
Procesamiento sencillo: El hecho de que sea obligatorio que los documentos XML
esten bien formados hace que sea simple crear un programa para el procesamien-
to de datos, por lo que existen varios parsers para procesar m as f acilmente la
informaci on.
Estructura jer arquica: Permite que sea m as sencillo acceder y modicar la infor-
maci on en el documento dado que los datos se encuentran ordenados.
XML y JAVA
Dado que los documentos XML son documentos de texto plano, pueden ser represen-
tados en programas de Java como una combinaci on de strings (secuencia de caracteres).
Otros tipos de datos, como ser int o double pueden convertirse a su representaci on en
strings para ser tratados.
Para evitar las dicultades que implica analizar una entrada XML, la mayora de
los programas se apoyan en parsers XML para leer los documentos. Un parser es una
biblioteca de software capaz de leer un documento y chequear que este bien formado.
Las aplicaciones utilizan los metodos denidos en la API (Application Performance
Interface) del parser para recibir o solicitar informaci on que el parser obtiene del docu-
mento XML. Existen dos grandes APIs est andar para el procesamiento de documentos
XML con Java: la Simple API for XML (SAX) y la Document Object Model (DOM)
[45], ambas en diferentes versiones. Tambien existen otras, como ser JDOM, dom4j,
ElectricXML, y XMLPULL [45].
Para guardar un proyecto en SAPO se opt o por la biblioteca API SAX, principal-
mente por tratarse de un est andar, por su eciencia y por su escalabilidad.
SAX, la Simple API for XML, es el est andar m as reconocido de las APIs de XML.
Es la m as completa y la m as correcta a la vez. Las clases e interfaces en SAX modelan
el parser, el ujo de datos desde donde se lee el documento y la aplicaci on cliente que
Captulo 9. Formato de archivos 99
recibe los datos del parser. Sin embargo, ninguna clase modela el documento XML en
s mismo, sino que el parser alimenta a la aplicaci on cliente con el contenido. Esto hace
que SAX sea muy r apido y eciente en el uso de la memoria (ya que no tiene que
guardar el documento entero en memoria), lo cual presenta una ventaja frente a otras
bibliotecas en lo que se reere a documentos XML extensos.
XML y SAPO
SAPO le brinda al usuario en todo momento la posibilidad de guardar los cambios
efectuados sobre un nuevo proyecto o un proyecto abierto. Para lograr esto, cuando el
usuario opta por guardar los cambios, se crea en forma autom atica un archivo XML
que reeja los cambios ingresados.
El documento estar a organizado siguiendo una estructura jer arquica yendo del con-
cepto m as general que sera un proyecto a lo m as particular como podran ser las
caractersticas de una antena o los par ametros de un modelo. Tambien se guardar an
en el archivo XML los URLs de los archivos con la informaci on de las distintas capas
(alturas, manzanas, edicios, predicciones) que el usuario vaya agregando al programa
de manera que esten disponibles en forma autom atica al abrir un proyecto. A continua-
ci on se muestra un ejemplo de la composici on de un documento XML utilizado para
guardar un proyecto muy sencillo.
<?xml version="1.0"?>
<Proyecto>
<Nombre>Munich</Nombre>
<Autor>Juan Perez</Autor>
<Observaciones>Este es un proyecto para pruebas.</Observaciones>
<Fecha>Tue Feb 28 13:16:19 ART 2006</Fecha>
<LinkCapaAlturas>file:/C:/altMunich30m16II.arc</LinkCapaAlturas>
<LinkCapaEdificios>file:/C:/edifMunich.shp</LinkCapaEdificios>
<LinkCapaManzanas>file:/C:/manzanasMunich.shp</LinkCapaManzanas>
<PerfilUsuario><Altura>1.5</Altura>
<Sensibilidad>-110.0</Sensibilidad>
<CI>0.0</CI>
</PerfilUsuario>
<Sitio>
<Nombre>sitio</Nombre>
<CoordenadaX>1281.36</CoordenadaX>
<CoordenadaY>1381.27</CoordenadaY>
<Radiobase>
<Nombre>torre</Nombre>
<Altura>13.0</Altura>
<Antena>
<Nombre>antena</Nombre>
100 9.7. Archivos de entrada-salida para el manejo de proyectos
<Potencia>8</Potencia>
<Tilt>0.0</Tilt>
<Azimut>0</Azimut>
<ModeloAntena>espacioLibre</ModeloAntena>
<CanalFrecuenciaAntena>munich</CanalFrecuenciaAntena>
<TipoDeAntena>simple</TipoDeAntena>
</Antena>
</Radiobase>
</Sitio>
<Modelo>
<NombreImplementacion>espacioLibre</NombreImplementacion>
<Nombre>Propagacion en Vacio (L=A*r^n)</Nombre>
<ParametrosAjustables>
<Nombre>n</Nombre>
<Valor>2.0</Valor>
</ParametrosAjustables>
<ParametrosAjustables>
<Nombre>A</Nombre>
<Valor>2.385672579618471E7</Valor>
</ParametrosAjustables>
</Modelo>
<CanalFrecuencia>
<Nombre>munich</Nombre>
<Frecuencia>
<Valor>947.0</Valor>
</Frecuencia>
</CanalFrecuencia>
<TipoAntena>
<NombreTipo>simple</NombreTipo>
<Tipo>isotropica</Tipo>
</TipoAntena>
</Proyecto>
Captulo 10
Algoritmos y calculos
implementados
En el presente captulo se detallan las implementaciones hechas en SAPO para
diferentes algoritmos utilizados en el c alculo de la potencia mediana de se nal, algunos
comunes a todos los modelos (como el c omputo de la distancia o de la ganancia), otros
m as complejos requeridos por modelos particulares. Por ejemplo, el COST231 Walsch-
Ikegami necesita la vericaci on de lnea de vista y el c alculo del angulo de orientaci on
de la calle; el modelo MOPEM agrega el c alculo de la distancia a las esquinas m as
cercanas. El metodo de Vogler exige la resoluci on de la integral de atenuaci on por
m ultiples cuchillos, as como la identicaci on del perl de cuchillos a considerar.
El c alculo de la potencia mediana de se nal en un punto cualquiera (x, y) del mapa
se obtiene aplicando la f ormula:
P
r
(x, y)(dB) = P
t
+G
t
(x, y) PL(x, y)
donde P
r
(x, y) es la potencia de recepci on en el punto (x, y), P
t
es la potencia de
trasmisi on de la antena en dBm, G
t
es la ganancia de la antena trasmisora (que se
calcula seg un se explicar a en la secci on 10.2) y PL es la f ormula de perdida de camino
especca del modelo de propagaci on. La antena receptora se considera isotr opica, por
esto su ganancia no se incluye en la ecuaci on.
10.1. C omputo de distancia
Todos los modelos tienen dependencia con la distancia. La misma se calcula como
(ver gura 10.1):
d =
d
2
0
+ (h
t
h
r
)
2
(10.1)
101
102 10.2. C alculo de ganancia de la antena trasmisora
d
0
d
h
t
h
r
nivel del mar
Figura 10.1: Distancia entre la radiobase y el m ovil
donde
d
0
=
(x
t
x
r
)
2
+ (y
t
y
r
)
2
(10.2)
y (x
t
, y
t
), (x
r
, y
r
) son las coordenadas de la antena trasmisora y las del m ovil respecti-
vamente. Las alturas h
t
y h
r
se calculan como la suma de la altura del terreno m as las
altura de la radiobase y del m ovil. En el caso de la altura del trasmisor, si est a sobre
un edicio la altura de este tambien es tomada en cuenta.
10.2. Calculo de ganancia de la antena trasmisora
La ganancia de la antena trasmisora variar a de acuerdo a la direcci on en donde
se encuentre el receptor, salvo el caso en que la antena sea isotr opica. El valor de la
ganancia (en dB) en la direcci on (
h
,
v
) relativa a la direcci on de m axima propagaci on
es:
G(
h
,
v
) = G
max
+G
h
(
h
) +G
v
(
v
)
donde G
h
y G
v
son ganancias (negativas) relativas a la m axima G
max
y se obtienen de
los patrones de radiaci on horizontal y vertical respectivamente.
10.2.1.
Angulos relativos a la direcci on de maxima propagaci on
Para cada punto del mapa es necesario determinar los valores de los angulos relativos
h
y
v
, que pueden observarse en la gura 10.2.
De la misma se deduce f acilmente:
h
= arcsin
x
r
x
t
d
0
azimut (10.3)
v
= arctan
h
t
h
r
d
0
cos
h
tilt (10.4)
Captulo 10. Algoritmos y c alculos implementados 103
d
0
cos( )
h
d
h
t
h
r
direccin de mx.
propagacin
tilt
v
N
x
r
x
t
y
r
y
t
d
0
direccin de mx.
propagacin
azimut
h
(a) (b)
Figura 10.2: Denici on de los angulos relativos vertical y horizontal para el c alculo de
la ganancia. (a) Vista lateral (b) Vista superior
d
0
y d se calculan seg un las ecuaciones (10.2) y (10.1):
d
0
=
(x
t
x
r
)
2
+ (y
t
y
r
)
2
d =
d
2
0
+ (h
t
h
r
)
2
Cabe aclarar que las ecuaciones (10.3) y (10.4) son v alidas para los casos en que
la disposici on de la radiobase y el m ovil es como se muestra en la gura 10.2. Para
contemplar los otros casos deben realizarse peque nas correcciones, que no vale la pena
detallar aqu. Como ejemplo puede mencionarse que, si el m ovil se ubica al sur de la
radiobase (y
r
< y
t
), el angulo
h
a considerar es el suplementario del expresado en la
f ormula (10.3).
todos los casos, deben sufrir peque nas correcciones (por ejemplo una adici on de
180 grados) de acuerdo a los diferentes casos denidos por la posici on relativa entre la
radiobase y el m ovil.
10.2.2. B usqueda en el patr on de radiaci on
La informaci on del patr on de radiaci on consiste en una lista ordenada de angulos
que varan entre 0 y 360 grados, con sus respectivas ganancias relativas (el primer valor
es el de 0 grados - 0 dB, que corresponde a la direcci on de m axima propagaci on).
Es necesario determinar que valor de ganancia tomar en el caso de un angulo que
no se encuentre en dicha lista. Una opci on podra ser tomar el valor correspondiente al
angulo m as cercano, pero esta posibilidad se descart o por ser poco precisa en caso de
contar con un n umero peque no de datos, opt andose por usar interpolaci on lineal. Para
buscar los valores de ganancia entre los cuales hay que interpolar, se implement o un
algoritmo de forma de tratar de hacer r apida la b usqueda en el patr on de radiaci on,
sin tener que recorrer la lista de datos innecesariamente. Para esto se bas o en la idea
que el c alculo de atenuaci on se hace punto por punto en el mapa, por lo que los valores
de los angulos no diferir an mucho de un punto a otro. Si en la b usqueda anterior se
104 10.3. C alculo de alturas efectivas
determin o que el angulo estaba entre el ndice i e (i+1) de la tabla, se empezar a a buscar
en ese intervalo, y no desde el principio. En caso de que el angulo no este comprendido se
determinar a si es menor o mayor, luego de acuerdo a eso el ndice i se incrementar a o
decrementar a y se volver a a buscar. Este procedimiento se repite hasta encontrar el
intervalo en donde interpolar. Hay que tener en cuenta que la b usqueda en el patr on
de radiaci on es circular, o sea, el ultimo dato es seguido del primero, y en ese caso es
necesario sumar a aquel 360 grados para evitar discontinuidades al hacer el c alculo de
interpolaci on. Dicho c alculo es:
G = G
i
+
G
i+1
G
i
i+1
i
(
i
)
donde G es la ganancia a calcular para el angulo , y, G
i+1
y G
i
son las ganancias en
los angulos
i
y
i+1
respectivamente, obtenidas del patr on de radiaci on.
10.3. Calculo de alturas efectivas
El modelo de Okumura-Hata utiliza el concepto de alturas efectivas como una for-
ma de tomar en cuenta los efectos de reexi on y dispersi on. La denici on original de
Okumura de altura efectiva consiste en considerar la misma sobre el promedio de al-
turas del terreno entre 3 km y 15 km desde la radiobase hacia el m ovil. Sin embargo
se ha mostrado [46] que existen otras deniciones m as ecientes. En la implementaci on
de SAPO se decidi o utilizar el siguiente criterio; como primera opci on se considera la
altura efectiva de la radiobase y del m ovil como la distancia a la recta resultado de
ajustar mediante regresi on lineal el perl de alturas de terreno entre la radiobase y el
m ovil (recta r en la gura 10.3). Si alguna de las alturas obtenidas se encuentra fuera
del rango v alido seg un las hip otesis del modelo, en ese caso se consideran directamente
las sobre el nivel del terreno (alturas relativas).
La utilizaci on de este algoritmo es opcional y congurable por el usuario; en caso de
no habilitarse las alturas consideradas ser an las relativas. Si se cuenta con un terreno
llano la aplicaci on del algoritmo incrementa los tiempos de c alculo y no repercute
considerablemente en los resultados.
h
t,ef
h
r,rel
nivel del mar
h
r,ef
h
t,rel
r
Figura 10.3: Denici on de alturas efectivas
Captulo 10. Algoritmos y c alculos implementados 105
10.4. Calculo del angulo de orientaci on y ancho de la calle
Como se vio en el captulo 5, hay algunos modelos de propagaci on (COST231-WI,
MOPEM, etc.) que consideran la orientaci on y el ancho de las calles como unos de los
tantos factores que inciden en el an alisis de predicci on. Por tal motivo, se incluy o dentro
de la herramienta de software un algoritmo para determinar el angulo que forma la calle
donde est a ubicado el m ovil con la recta que une a este con la radiobase, y a su vez el
ancho de dicha calle.
El algoritmo planteado requiere la capa de manzanas debido a que se considera una
calle al espacio entre dos manzanas adyacentes. Como se vio en la secci on 8.1.5, una
manzana es representada como una geometra (polgono) y esto permite utilizar las
operaciones geometricas disponibles en la biblioteca JTS.
Dada la ubicaci on del m ovil, el primer paso consiste en establecer algunas restriccio-
nes para aumentar la eciencia del algoritmo en lo que se reere a tiempos de c alculo.
Una de ellas es descartar aquellas posiciones del m ovil que se encuentren dentro de la
supercie de una manzana, teniendo en cuenta que el posterior c alculo de atenuaci on en
dichos puntos no agrega valor a la predicci on ya que unicamente se consideran ambien-
tes outdoor. Para ello, se determina si el m ovil est a contenido dentro de una manzana
o no; en el caso de estarlo, no se procede a realizar el c alculo de la orientaci on y del
ancho de la calle en dicho punto.
Otra de las hip otesis consiste en, dada la ubicaci on del m ovil, considerar unicamente
las manzanas que se encuentren cercanas a el, dado que si el mismo se halla muy lejos de
la calle pierde sentido tomar la misma como referencia para el c alculo de la orientaci on
y del ancho. Para obtener las manzanas m as pr oximas al m ovil, se crea un crculo
con centro en la ubicaci on del mismo y radio jo y se calcula la intersecci on entre la
manzana y el crculo. En todos los casos en que la intersecci on no sea nula, es decir,
que la manzana este contenida en el area de interes, se considera la respectiva manzana
como cercana al m ovil, y luego es considerada para el c alculo de la orientaci on y del
ancho de la calle.
Tomando como base las hip otesis anteriormente descritas, se procede a buscar la
cuadra que este a una menor distancia del m ovil dentro de todas las que forman parte
de las manzanas cercanas a el. Para realizar esta medida el algoritmo recorre todas
las cuadras de las manzanas cercanas hasta quedarse con la que diste en una menor
medida de la ubicaci on del m ovil. Si se observa la gura 10.4, la menor distancia desde
el m ovil a alguna de las manzanas cercanas a el est a dada por d.
.
Ancho de la calle
Para determinar el ancho de la calle, el pr oximo paso es hallar el punto m as cer-
cano de la cuadra m as cercana (punto X en la gura10.4) para as obtener luego la
pendiente de la recta que une al m ovil con dicho punto. Con el valor de la pendiente
y el punto X, se procede a crear un semirrecta con origen en X y tama no jo (lo su-
cientemente grande para asegurar la intersecci on con cuadras enfrentadas de la misma
calle). Luego, se recorren nuevamente las manzanas cercanas, se obtiene el punto de
intersecci on entre la semirrecta y cada una de las cuadras de dichas manzanas y se mide
la distancia entre dicho punto y el punto X. La distancia mnima obtenida al nalizar
el recorrido ser a el ancho de la calle (w) donde est a ubicado el m ovil.
10.5. Calculo de la distancia a una esquina
El modelo de propagaci on para entornos urbanos de peque nas microceldas (MO-
PEM) incorpora en el c alculo de atenuaci on la distancia desde el m ovil a las esquinas
(d
esq1
, d
esq2
) como fue detallado en la secci on 5.3.3. Por esta raz on, se desarroll o un
algoritmo que dada la ubicaci on del m ovil, la ubicaci on de la radiobase y el trazado
de manzanas, devuelve las distancias a las dos esquinas de la cuadra m as pr oxima al
m ovil.
Para lograr esto, se toman las mismas hip otesis que para el c alculo de orientaci on:
se descartan las posiciones del m ovil que se hallan dentro de la supercie de la manzana
Captulo 10. Algoritmos y c alculos implementados 107
y se consideran para el c alculo unicamente las manzanas pr oximas al m ovil (resultantes
de la intersecci on con un crculo de centro en el m ovil y radio jo).
Al igual que para el algoritmo de c alculo de orientaci on se procede a continuaci on a
encontrar la cuadra m as pr oxima dentro de todas las manzanas cercanas pero adem as
interesa ahora la manzana que contiene dicha cuadra. Una vez obtenida la cuadra m as
cercana, se mide la distancia del m ovil a la misma y se halla el punto m as cercano
perteneciente a la cuadra (X).
Teniendo en cuenta que al ser una cuadra un segmento de recta es posible obtener
las coordenadas de sus extremos, resultara l ogico pensar que restara medir la distancia
de X a los dos extremos de la cuadra m as cercana para culminar con el algoritmo. Sin
embargo, este procedimiento llevara a resultados err oneos ya que como se describi o en la
secci on 8.1.5, cada manzana es representada por un polgono con un n umero arbitrario
de vertices y no siempre estos se corresponden con esquinas de la misma. Por lo tanto, se
opt o por considerar una esquina a aquel punto perteneciente a dos cuadras adyacentes
que conforman un angulo mayor a 30
i
= arctan
y
i+1
y
i
x
i+1
x
i
i+1
= arctan
y
i+2
y
i+1
x
i+2
x
i+1
=
i+1
i
donde (x
i
, y
i
) y (x
i+1
, y
i+1
) son las coordenadas de la primera cuadra, (x
i+1
, y
i+1
) y
(x
i+2
, y
i+2
) las coordenadas de la siguiente y el angulo entre ambas. Cuando
108 10.6. Consideraci on del factor de seguridad en variables aleatorias
resulte mayor a 30
m
La integral (4.3) se transforma en:
A
N
= C
N
N/2
e
0
e
A
(cosB jsinB) du
1
du
N
donde
A =
N1
m=1
2
m
u
m
u
m+1
u
2
m
2u
m
b
m
u
2
N
2u
N
b
N
B =
N
m=1
2u
m
b
m
+b
2
m
El par ametro b
m
se dene como
m
/
[0,1)
t
f(u)du
Este es un caso bastante general, pues casi cualquier regi on de integraci on se puede
llevar f acilmente al cubo unitario de dimensi on t con alg un cambio de variable.
La primer idea sera utilizar metodos numericos de integraci on cl asicos como una
aproximaci on de Riemman. El problema es que la mayora de estos se vuelven poco
pr acticos cuando la dimensi on t se vuelve m as grande que, por poner un ejemplo,
cuatro o cinco. El estimador cl asico para realizar integrales de mayor dimensi on es el
promedio de f evaluado en alg un conjunto P
n
= {u
0
, . . . , u
n1
} [0, 1)
t
,
Q
n
=
1
n
n1
i=0
f(u
i
)
Y el error de estimaci on resulta: E
n
= Q
n
F
n
(x)) y la distribuci on de una VA uniforme en el hipercubo unitario (F(x)). Es decir:
F
n
(x) =
1
n
n1
i=0
I (x
i
x)
F(x) = F(x
1
, . . . , x
t
) = min(1, x
1
, . . . , x
t
)
La Star-Discrepancy se dene como:
D
n
= sup
x
F
n
(x) F(x)
n
1
(ln n)
t
i
= (u
i
+c) mod 1
la discrepancia en esta nueva secuencia P
n
se mantiene pues la estructura se mantiene;
es as que surge la idea de los metodos RQMC (Randomized Quasi Monte Carlo). Si c en
la ecuaci on anterior es una VA uniforme en [0, 1)
t
, se podran hacer varias realizaciones
QMC con P
n
obtenidos a partir de distintos valores de c sorteados aleatoriamente, y
al promediar los valores obtenidos bajara a un m as la varianza del estimador.
Volviendo a la integral de Vogler, faltara poner los lmites de integraci on en el
hipercubo unitario y se estara en condiciones de aplicar los metodos recien explicados.
Para ello hace falta un ultimo cambio de variable.
u
m
=
x
m
1 x
m
A
N
= C
N
N/2
e
1
0
1
0
e
A
(cosB jsinB)
dx
1
(1 x
1
)
2
dx
N
(1 x
N
)
2
donde
A =
N1
m=1
2
m
x
m
1 x
m
x
m+1
1 x
m+1
x
m
1 x
m
2
x
m
1 x
m
b
m
x
N
1 x
N
2
2
x
N
1 x
N
b
N
B =
N
m=1
2
x
m
1 x
m
b
m
+b
2
m
p
100
2
y hallar la elipsoide con este nuevo radio. Esto se deduce
f acilmente de las siguientes ecuaciones:
r
1
=
d
1
d
2
d
1
+d
2
=
2rd
1
d
2
d
1
+d
2
p
100
r
1
=
2r
p
100
2
d
1
d
2
d
1
+d
2
donde r es el radio de la primera elipsoide de Fresnel.
Est a claro que la altura de un elemento del perl coincidir a con su altura relati-
va respecto al terreno m as la altura de dicho terreno. Por lo tanto, identicados los
elementos del perl y sus alturas, resta asignarles una posici on dentro del mismo.
No existe consenso sobre como asignar posiciones dentro del perl. Por ejemplo,
es muy utilizado ubicar la pantalla en el centro del edicio [51]. Esta puede no ser
la ubicaci on m as representativa, ya que puede suceder que sea una de las esquinas
del edicio la que intersect o al elipsoide. Tratando de evitar estos casos, el algoritmo
adoptado fue el siguiente. En la b usqueda de aquellos edicios que intersectan en la
primera elipsoide de Fresnel reducida, se pueden hallar cu ales paredes del mismo son
las que intersectan al elipsoide. Se tomar a el punto de la recta que une el transmisor
y el receptor que este m as cercano a dichas paredes y se promediar an coordenada a
coordenada. El resultado del promedio, ser a el punto que se tome para ubicar la pantalla
en el perl.
Captulo 11
Ejemplos de aplicaci on
Habiendose detallado las funcionalidades de SAPO y los conceptos te oricos de pla-
nicaci on celular que permiten entender sus posibles aplicaciones, se mostrar an a con-
tinuaci on algunos ejemplos pr acticos de utilizaci on de la herramienta.
Se analizar an en primer lugar las variantes que podr a manejar el usuario en el
momento de correr una predicci on y que efecto tendr an estas sobre los valores de
potencia mediana de se nal resultantes. Para ello se considerar a unicamente la capa de
alturas del terreno y se mostrar an los resultados obtenidos al realizar predicciones con
m as de una antena (cobertura, interferencia, etc), al variar los par ametros de una antena
(potencia, tilt, azimut, etc) y al variar los modelos de propagaci on m as elementales.
Luego, se considerar a una zona de estudio de mayor complejidad, donde se tomar an
en cuenta adem as de la capa de alturas, las manzanas y las edicaciones, de forma de
ilustrar algunas de las potencialidades de SAPO.
11.1. Calculos asociados a una predicci on
Como primer ejemplo de aplicaci on se considerar an dos radiobases con antenas
isotr opicas ubicadas geogr acamente en distintos sitios de una supercie ondulada.
En la pr actica, este escenario correspondera a una zona rural dada la ausencia de
edicaciones y calles.
En la gura 11.1 se muestra el resultado de una predicci on al asociarle a ambas
antenas el modelo de Okumura-Hata COST231 (considerando alturas efectivas) con
una frecuencia de transmisi on de 900 MHz. Observando dicha gura y tomando en
consideraci on los par ametros involucrados en el c alculo de la perdida de camino del
modelo de Okumura-Hata COST231, se puede vericar que es notoria la dependencia
del valor de la potencia mediana de se nal con la distancia, con la altura del terreno y
con las alturas del transmisor y receptor. La antena ubicada en la gura a la derecha
se encuentra a una mayor altura respecto a la otra y esto se reeja en la obtenci on
119
120 11.1. C alculos asociados a una predicci on
Figura 11.1: Valores de potencia
de mayores valores de se nal en la zona de estudio, los cuales decrecen a medida que
se alejan de las radiobases. Se puede observar tambien que en aquellos puntos donde
existe intersecci on entre los radios de c alculo de ambas antenas, el valor de potencia
desplegado es el mayor. Un valor aproximado de la potencia puede estimarse al observar
la barra superior que muestra la escala en dB.
Como se describi o en la secci on 7.5, otros c alculos pueden resultar utiles al trabajar
con m as de un antena, como ser la interferencia co-canal entre ellas o el area de cobertura
conformada por la totalidad de las antenas involucradas en la predicci on. Tomando el
mismo ejemplo que se describi o anteriormente, se muestra en la gura 11.2 la CIR
resultante entre las dos antenas luego de realizada la predicci on.
Figura 11.2: CIR y cobertura
Captulo 11. Ejemplos de aplicaci on 121
En la imagen derecha de la gura 11.2 se despliegan aquellos valores de potencia que
quedaron por encima del umbral denido en la sensibilidad del receptor (color naranja)
y de acuerdo al valor de C/I mnima denida previamente en el perl de usuario. A
esta regi on es a lo que se considera area de servicio, y tambien se despliegan aquellos
valores donde se considera que el m ovil no captar a se nal (color amarillo).
11.2. Variaci on de las caractersticas de una antena
Tambien se mencion o en el captulo 7, que al crear una red celular, el usuario tiene
la posibilidad de denir las caractersticas de las antenas que la van a conformar. Dentro
de estas caractersticas se encuentran: la potencia radiada, el tipo de antena (isotr opica
o direccional), el canal de frecuencias, el tilt y el azimut. La variaci on de cualquiera de
estos par ametros tendr a un efecto directo en el resultado de la predicci on de potencia
mediana de se nal, lo cual se ilustrar a en los ejemplos siguientes.
En primer lugar, tomando una antena del tipo isotr opica y asoci andole el modelo
de Okumura-Hata, se observa en la gura 11.3 que al aumentar la potencia de la misma
(ilustraci on de la derecha) se obtienen valores de potencia mayores en la zona de estudio
luego de realizada la predicci on, lo cual se traduce en una mayor cobertura en ausencia
de otras antenas interferentes. A su vez, como era de esperarse al tratarse de una antena
isotr opica, se observa que la irradiaci on es homogenea en todas las direcciones.
Figura 11.3: Variaci on de la potencia con una antena isotr opica
En segundo lugar, si se consideran ahora antenas del tipo direccionales y se les
asocia el modelo de propagaci on en vaco, se obtendr an los resultados ilustrados en la
gura 11.4. La radiaci on en este caso deja de ser homogenea y los valores de potencia
de se nal resultantes son mayores en las direcciones donde la ganancia relativa de la
antena es mayor. En este ejemplo, las dos antenas tienen el mismo patr on de radiaci on,
pero distintos valores de tilt y azimut. El efecto del azimut es evidente y el efecto del
tilt, que es mayor en la antena a la izquierda, se reeja en una mayor concentraci on
122 11.2. Variaci on de las caractersticas de una antena
de la potencia en la proximidad de la misma. En la imagen de la derecha se aprecia la
C/I para este caso. La relaci on frente espalda trae como consecuencia que la C/I en la
cercana de la antena de la derecha sea mucho mayor.
Figura 11.4: Variaci on del azimut y del tilt en dos antenas direccionales (potencia y
C/I)
Figura 11.5: Radiobase con tres antenas y modelos distintos
En la gura 11.5 puede verse una predicci on con tres antenas directivas ubicadas
en la misma radiobase, con las mismas caractersticas con la excepci on del azimut que
vale 0, 120 y 240 grados respectivamente. En la imagen de la izquierda las tres antenas
tienen asociado el modelo de vaco, mientras que en la de la derecha se asoci o a la antena
de azimut 0 grados el modelo de Okumura-Hata para areas abiertas, a modo ilustrativo
de c omo los modelos en una predicci on de SAPO pueden variar incluso dentro de una
misma radiobase. Puede verse que los resultados cambian levemente, las antenas que
conservan el modelo de vaco predominan frente a la otra.
Captulo 11. Ejemplos de aplicaci on 123
11.3. Variaci on de los modelos de propagaci on
Considerando ahora una supercie suavemente ondulada, nuevamente sin la pre-
sencia de manzanas ni edicaciones, se efectuar a una breve comparaci on del comporta-
miento de los modelos disponibles en el software que podran emplearse en este escenario
(modelo de Erceg, tierra plana aproximada, y modelo de Okumura-Hata COST231, sin
utilizaci on de alturas efectivas). En la gura 11.6 se muestra el resultado de las pre-
dicciones al implementar dichos modelos, mientras que en la gura 11.7 se realiza una
comparaci on de los mismos con el modelo de propagaci on en espacio libre en un set de
medidas particular. De las gr acas comparativas se puede deducir, como era predecible,
que la atenuaci on en casos reales, donde inuyen adem as de la frecuencia y la distancia,
otros factores como las alturas del transmisor y receptor, siempre es mayor a la que
predice el modelo de propagaci on en espacio libre. En el caso del modelo de apoxima-
ci on a tierra plana, se puede apreciar que la potencia predicha cerca de la radiobase es
mayor que para el de vaco. Esto es debido a que dicho modelo no toma en cuenta la
frecuencia, que en este caso es un factor muy importante en la atenuaci on.
Figura 11.6: Valores de potencia mediana de se nal. (a)Erceg (b)Tierra Plana (aproxi-
maci on) (c)Okumura-Hata COST231
Figura 11.7: Comparaci on de modelos con propagaci on en espacio libre. (a)Erceg
(b)Tierra Plana (aproximaci on) (c)Okumura-Hata COST231
Considerando el mismo terreno, pero esta vez tomando en cuenta la presencia de
las manzanas y las edicaciones, se muestra en la gura 11.8 una predicci on a modo de
ejemplo, que involucra tres antenas diferentes, algunas de ellas sobre edicaciones. Los
124 11.4. Vericaci on de lnea de vista
modelos utilizados son Okumura-Hata-COST231, Erceg y Walsch-Ikegami.
Figura 11.8: Ejemplo de una predicci on con varios modelos en un entorno urbano
11.4. Vericaci on de lnea de vista
Como se describi o en la secci on 7.5, otra funcionalidad disponible en la herramienta
de software es la de determinar aquellos puntos donde existe lnea de vista entre la
radiobase y el m ovil en caso de disponer de datos de edicaciones. Esto puede observarse
en la gura 11.9, donde se identican con color naranja los puntos que cumplen con la
condici on. La antena se encuentra en el sitio donde est a la cruz, a 12 m de altura sobre
el edicio.
Figura 11.9: Vericaci on de lnea de vista
Parte IV
Validaci on y Conclusiones
125
Captulo 12
Validaci on
Toda herramienta, al nalizarse las distintas etapas de su desarrollo, debe ser eva-
luada en su performance o calidad, de forma tal de asegurar el correcto funcionamiento
de la misma. En el caso de una herramienta de software, usualmente se comparan en
las mismas condiciones, los resultados que arroja con aquellos de programas que tengan
las mismas funcionalidades. En este caso, como se explic o en la secci on 1.1, las herra-
mientas de software con funcionalidades similares a SAPO son de costos muy elevados,
unicamente las poseen operadores de telefona celular y no es f acil lograr que accedan a
que el software sea utilizado por terceros. Otra posibilidad es la de utilizar una versi on
de prueba sin costo de dichos softwares. De las herramientas mencionadas en la secci on
1.1, unicamente AWE Communications ofrece una versi on de prueba de su programa
ProMan [2]. El problema es que incluye unicamente dos de los modelos implementados
en SAPO (Okumura-Hata-Cost231 y Walsch-Ikegami), y adem as de forma distinta.
Por ejemplo, el modelo de Walsch-Ikegami no toma en cuenta la orientaci on de las
calles.
El grupo de proyecto gestion o y realiz o una peque na pasanta en ANCEL en la cual
le fue permitido manejar el software que ellos utilizan, pero lamentablemente no fue
posible obtener datos de predicciones y su topografa asociada para poder compararlas
con los resultados de SAPO. De todas formas, la experiencia fue enriquecedora pues
al usar dicho software se obtuvieron muchas ideas, tomando sus mejores aspectos y
mejorando sus limitaciones. Las carencias m as importantes que se encontraron fueron
la imposibilidad de utilizar m as de un modelo al realizar una predicci on con varias
antenas y la no consideraci on de datos topogr acos como el trazado de las manzanas.
En el presente proyecto se opt o por utilizar otro posible metodo de validaci on que
consiste en contrastar lo predicho por SAPO contra medidas reales. Aunque es m as
difcil saber si atribuirle el error al software o al modelo de propagaci on aplicado, existen
referencias que ayudar an a distinguir entre estos casos, como se ver a m as adelante.
127
128 12.1. Obtenci on de las medidas reales
12.1. Obtenci on de las medidas reales
El grupo de trabajo COST 231, durante la revisi on de los modelos desarrollados,
llev o a cabo un conjunto de medidas de atenuaci on en parte del centro de Munich,
Alemania. Dichas medidas fueron usadas en el reporte nal para medir la exactitud de
algunos de los modelos desarrollados y otros del tipo ray-tracing a manera de contraste.
Para que la comunidad cientca tenga la oportunidad de comparar sus propios modelos
contra medidas reales sin tener la necesidad de realizar una costosa (tanto en tiempo
como en dinero) campa na de medidas, las hizo disponibles en una p agina web, en
conjunto con los datos topogr acos correspondientes a la zona [52].
Los datos se encuentran en formato ASCII y est an separados en tres secciones. La
primera contiene la informaci on de la altura y disposici on de cada edicio, as como
la altura del terreno subyacente al mismo. La segunda contiene las coordenadas de los
puntos donde se realizaron las medidas de atenuaci on, cada uno con un identicador, y
la ultima contiene la medida de atenuaci on en cada coordenada. Es decir, no se cuenta
con la informaci on de cota del terreno en toda la zona ni de disposici on de las manzanas
en forma directa.
Para hallar la cota del terreno en todo punto, es necesario asignar un valor de altura
en aquellos puntos donde no haya edicaciones. La convenci on en GeoTools es que el
valor asignado en la grilla corresponde con el valor en el centro del rect angulo, por lo
que se decidi o asignar el valor de altura correspondiente al edicio m as cercano a dicho
punto. Aunque se podran haber realizado algoritmos m as sosticados (como interpolar
valores), la distancia entre cualquier punto y alg un edicio es siempre lo sucientemente
peque na para que la diferencia entre ambos sea despreciable. En la construcci on del
trazado de las manzanas se utiliz o un metodo simple pero efectivo; una vez visuali-
zados los edicios era a simple vista evidente la disposici on de las manzanas, por lo
que simplemente se construy o a mano. Algoritmos m as complicados, pero autom ati-
cos, hubiesen podido utilizarse, pero el tiempo que consumira tanto implementarlos,
utilizarlos como validarlos sera mucho mayor que el que llev o este metodo artesanal.
Las medidas se tomaron en tres recorridos distintos, identicados como route00 (970
puntos), route01 (355 puntos) y route02 (1031 puntos). El resultado de la construcci on
de los datos topogr acos, as como los tres caminos pueden apreciarse en la gura 12.1.
Curvas con los valores de las medidas se pueden apreciar en la gura 12.2, donde se
muestra la atenuaci on en funci on de cada coordenada, siguiendo el sentido del recorrido.
Existen adem as comparaciones entre los modelos analizados en el informe de COST231
[16] y estas medidas. El mismo contiene una tabla con la varianza y media del error
en la predicci on de los distintos modelos, as como gr acas comparativas entre las dis-
tintas predicciones y las medidas reales. En particular est an revisados el modelo de
Walsch-Ikegami (seccion 5.3) y el modelo Uni-Valencia [53][54][55] basado en el traba-
jo de Saunders y Bonar [47] que utiliza el metodo de Vogler para estimar la difracci on
por m ultiples cuchillos.
Captulo 12. Validaci on 129
Figura 12.1: El entorno donde se realizaron las medidas y los tres recorridos
Figura 12.2: Las medidas de las distintas rutas. (a)route00 (b)route01 (c)route02
130 12.2. Breve descripci on del entorno y las medidas
12.2. Breve descripci on del entorno y las medidas
Los datos cubren un un area total de 2400 m x 3400 m. La altura del terreno va
desde 505 m hasta 521 m con una media de 514 m y la altura de las edicaciones vara
desde 1m hasta 99 m con una media de 19 m. Es decir, hay una gran variabilidad en
la altura de los obst aculos, aunque el terreno se puede considerar llano. En la zona de
los recorridos, el trazado de las manzanas es bastante regular.
El transmisor se encuentra en las coordenadas (1281.36, 1381.27) (la cruz roja en la
gura 12.1), donde el origen se encuentra en la esquina inferior izquierda y las unidades
son metros. La altura del mismo sobre el terreno subyacente es de 13 m (es decir,
se encuentra por debajo de las edicaciones circundantes) y cuenta con una antena
isotr opica que transmite a 947 MHz. Por ultimo, el receptor tambien cuenta con una
antena isotr opica y tiene una altura relativa de 1.5 m.
Los puntos donde se tomaron las medidas se encuentran separados en su mayora
13m aproximadamente y la atenuaci on se obtuvo de hacer la media por sector en un
area de aproximadamente 10 m [16]. Como se puede ver en las curvas de la gura 12.2 es
bastante claro cu ales medidas corresponden a la zona donde existe lnea de vista entre
el receptor y el transmisor, que coinciden con los picos en la potencia de recepci on.
Todas las rutas tienen alguna parte con lnea de vista, aunque la ruta 2 tiene m as de
una.
12.3. Performance de los modelos
En esta secci on se analizar a la performance de los modelos implementados en el
software en las distintas rutas. Se intentar a vericar el correcto funcionamiento de SA-
PO comparando sus resultados contra referencias de los propios autores del modelo o
revisaciones que se hayan hecho acerca de su exactitud. Los ndices utilizados son la
media y la desviaci on est andar de la diferencia entre las medidas reales y las estima-
ciones. Este ultimo indicador es muy importante, pues el ajuste de un modelo con baja
varianza es muy sencillo (simplemente un termino independiente), mientras que uno
de alta varianza es mucho m as complicado. Vale la pena aclarar que modelos sencillos
como el de vaco no ser an analizados aqu por su inaplicabilidad al entorno.
12.3.1. Okumura-Hata-COST231
El primero y m as sencillo de los modelos es el de Okumura-Hata-COST231. Para la
comparaci on se utiliz o una implementaci on con los par ametros por defecto para el caso
de ciudad grande, tipo de area urbana, frecuencia menor que 1500 Mhz y sin utilizar
alturas efectivas pues el terreno es bastante regular. Si bien el modelo fue dise nado
para ser utilizado en macroceldas, donde la altura del transmisor est a por encima de
los edicios circundantes (al contrario del entorno de estudio), se compar o el modelo
Captulo 12. Validaci on 131
con las medidas reales. Fue una sorpresa encontrar que las predicciones arrojadas por
el modelo son similares a las medidas, sobre todo en la ruta 2. Los datos sobre el error
para cada ruta se pueden ver en el cuadro 12.1.
Ruta (dB) (dB)
route00 10.32 9.53
route01 4.95 6.74
route02 3.62 8.86
Cuadro 12.1: Media y desviaci on est andar del error para el modelo de Okumura-Hata-
COST231
Si se analiza con mayor detenimiento la comparaci on, se puede vericar que las
predicciones son mejores cuanto m as cercano este el m ovil a la base. El modelo, al
estar dise nado para radiobases por encima de los edicios, no toma en cuenta la mayor
atenuaci on debida a las edicaciones circundantes a la base m as altas que esta, por
lo cual tiende a subestimar las perdidas. Esto queda m as claro si se observa la gr aca
comparativa entre las medidas y las predicciones en el camino 0 (ver gura 12.3). Se
puede apreciar como al comienzo, cuando la cantidad de edicaciones entre el m ovil y
la base es mayor, la subestimaci on es mayor que sobre el nal (salvo en aquellos puntos
correspondientes a la zona con lnea de vista), donde las edicaciones son menos y por
lo tanto la atenuaci on en ese sentido es menor y la predicci on m as precisa.
Figura 12.3: Comparaci on entre las medidas y las estimaciones para la ruta 0 del modelo
Okumura-Hata-COST231
12.3.2. Erceg-SUI
Tambien se aplic o el modelo de Erceg en la zona de estudio como parte del proceso
de prueba y validaci on de SAPO. Si bien el modelo fue desarrollado para entornos
132 12.3. Performance de los modelos
suburbanos puede ser tambien aplicado en entornos urbanos, como ya se mencion o en
5.2. El mismo incluye el caso en que la altura de la radiobase es baja, por lo cual en
ese aspecto se estara dentro de las hip otesis, aunque la altura del m ovil se encuentra
por debajo del rango recomendado para el modelo.
Los datos de media y varianza del error obtenido de comparar los resultados con las
medidas para los par ametros por defecto de las zonas A y B pueden verse en la tabla
12.2. En los par ametros aleatorios del modelo se us o un factor de seguridad de 1.
cat. A cat. B
Ruta (dB) (dB) (dB) (dB)
route00 -0.78 6.24 0.07 6.26
route01 -2.69 5.70 -1.92 5.71
route02 -3.92 6.37 -3.15 6.37
Cuadro 12.2: Media y desviaci on est andar del error para el modelo de Erceg
Se obtuvieron resultados muy favorables (mejores que en el caso de Okumura-Hata);
se lograron errores con menor varianza con los par ametros del tipo de terreno A, que
es el que modela las condiciones menos favorables para la propagaci on. Cabe destacar
que los tiempos de ejecuci on de los c alculos para este modelo son muy cortos dada
la simplicidad de su implementaci on. Esto lo hace un modelo muy efectivo, ya que
el compromiso exactitud-tiempo es muchas veces difcil de equilibrar. En la gr aca
comparativa de la gura 12.4 puede verse los resultados para la ruta 1 con tipo de
terreno A. Se aprecia c omo la predicci on ajusta muy bien a las medidas, pero no
acompa na las peque nas variaciones de las mismas; esto es porque el modelo no toma
en cuenta la altura del terreno (considera alturas relativas) ni los edicios.
Figura 12.4: Comparaci on entre las medidas y las estimaciones para la ruta 1 del modelo
de Erceg
Captulo 12. Validaci on 133
Lamentablemente no se cuenta con reportes de otras fuentes de resultados de la
aplicaci on de este modelo en la zona de Munich. Solamente a n de tener una vaga
idea de c omo puede ser su performance en una regi on urbana y vericar que no sea
muy diferente a la obtenida, se consult o un trabajo de investigaci on [19] en donde se
presentan resultados de aplicar el modelo en Cambrige, UK, con los par ametros de la
zona tipo B a una frecuencia de 3.56 GHz. All se obtuvo un error de media 4.2 y
varianza 10.1, valores del orden de los obtenidos por SAPO con los datos de Munich.
12.3.3. COST231-Walsch-Ikegami
El siguiente modelo a analizar es el de Walsch-Ikegami. A diferencia del modelo
de Okumura-Hata-Cost231, este modelo s incluye correcciones para tomar en cuen-
ta el caso en que la antena transmisora se encuentre por debajo de las edicaciones
circundantes. De todas formas, en el informe de COST231 se advierte acerca de la ine-
xactitud del modelo en dicho caso, y si adem as se toma en cuenta que fue dise nado para
altura de edicaciones regular, es de esperar que la predicci on no sea la m as exacta.
Los resultados para una implementaci on del modelo con los par ametros por defecto
para el caso de centro metropolitano se pueden apreciar en el cuadro 12.3. Para una
mejor evaluaci on del error cometido por el modelo, se puede apreciar en la gura 12.5
la comparaci on entre las medidas y la estimaci on para el caso de la ruta 2.
Ruta (dB) (dB)
route00 -2.16 9.06
route01 -7.48 9.67
route02 -6.02 10.91
Cuadro 12.3: Media y desviaci on est andar del error para el modelo de Walsch-Ikegami
Comparando lo obtenido con los resultados del modelo de Okumura-Hata-COST231,
en cuanto a la media se mejora en la primera ruta, aunque en las dos siguientes es mayor
en valor absoluto. Esto se explica por el hecho que el modelo de Okumura en algunas
secciones de dichos caminos subestima la perdida y en otros la sobreestima. Esto hace
que el error se compense y resulte menor en esos caminos, y en el caso del camino 0,
donde siempre subestima (ver gura 12.3), el error medio es mucho mayor. Si se hace
este an alisis con el valor absoluto del error en cada punto, la media en la ruta 0 sigue
siendo mejor con el modelo de Walsch-Ikegami y en el resto de las rutas son muy
similares.
En cuanto a la varianza, el modelo de Walsch-Ikegami tiene una performance
apenas mejor en el camino 0 y algo peor en el resto. Esto es debido al hecho que
depende no s olo de la distancia, sino del ancho y orientaci on de la calle, alto de los
edicios y separaci on entre los mismos. Estos par ametros se calculan en cada punto
con los algoritmos ya comentados (ver el captulo 10) y puede que varen de un punto
a otro.
134 12.3. Performance de los modelos
Figura 12.5: Comparaci on entre las medidas y las estimaciones para la ruta 2 del modelo
de Walsch-Ikegami
En el informe nal de COST231 [16] se presentan valores de la media y la varianza
del error cometido por este modelo para las tres rutas, as como gr acas comparativas.
Sin embargo, el modelo que se utiliz o para las comparaciones diere en el utilizado en
SAPO pues supone valores constantes para el ancho de calles, separaci on entre edicios
y altura de los mismos en todos los puntos (altura de edicios 20 m, ancho de calles
13 m y separaci on entre edicios 26 m). Adem as, no verica la existencia de lnea de
vista y supone que el terreno es de altura constante. Por ello, para la validaci on del
modelo se incluy o en el software otra versi on del mismo que mantiene los par ametros
topogr acos jos. En la tabla 12.4 se puede apreciar como la media result o muy similar
en todos los casos, aunque la varianza resulta un poco mayor en las predicciones de
SAPO que las que aparecen en el informe. Esto es debido a dos factores principalmente:
SAPO toma en cuenta la altura del terreno y tambien toma en cuenta la existencia de
lnea de vista.
Ruta
SAPO
(dB)
SAPO
(dB)
COST231
COST231
route00 -8.97 8.99 -10.8 7.7
route01 -15.94 8.02 -15.4 5.9
route02 -15.39 9.54 -16.3 7.3
Cuadro 12.4: Media y desviaci on est andar del error para el modelo de Walsch-Ikegami
seg un SAPO y y el informe de la COST231
Adem as, las gr acas comparativas entre las medidas reales y lo obtenido seg un el
modelo que aparecen en el informe son muy similares a las gr acas de la gura 12.6.
Los datos exactos de la predicci on en cada punto no est an disponibles en el informe,
por lo que un an alisis m as detallado de las diferencias no es posible.
Captulo 12. Validaci on 135
Figura 12.6: Las medidas en las tres rutas y su respectiva estimaci on seg un SAPO para
el modelo de Walsch-Ikegami simplicado
Otra conclusi on que puede surgir del an alisis de esta implementaci on simplicada
del modelo, es que el c alculo de los par ametros topogr acos en todos los puntos, aunque
aumenta el tiempo que consume realizar una predicci on, es un factor importante en la
exactitud.
12.3.4. MOPEM
La creaci on del modelo de propagaci on para entornos urbanos de peque nos ma-
croceldas (MOPEM) se bas o en una zona urbana de Montevideo a una frecuencia en
el entorno de 900 MHz, lo cual a priori indicara similares caractersticas al escenario
aqu presente en el estudio de propagaci on en el centro de Munich. Sin embargo, una
diferencia no menor es que en el modelo Mopem la altura de la radiobase se considera
mayor que las alturas de las edicaciones circundantes, hip otesis que no se cumple
siempre en el caso de Munich. De todas formas, se procedi o a realizar la comparaci on
con las medidas reales imponiendo que el termino en la ecuaci on de L
msd
que realiza
la diferencia entre la altura de la radiobase y el promedio de las alturas de los edicios
circundantes (ver secci on 5.3.3) sea cero cuando la altura de la radiobase sea menor a
estas.
En la tabla 12.5 se resumen los resultados de la implementaci on del modelo con
los par ametros por defecto en las tres rutas del centro de Munich y para una mejor
evaluaci on del comportamiento se puede visualizar en la gura 12.7 la comparaci on
de la estimaci on con las medidas reales en la ruta 0. Se observa al igual que en el
caso de COST231-WI una sobreestimaci on de las perdidas en los trayectos involucrados
respecto a las medidas reales. Partiendo de la base que no se est a dentro de las hip otesis
del modelo (la altura de la radiobase es menor a la de los edicios circundantes), y que
tampoco se considera un factor correctivo para estos casos, se puede concluir que los
resultados fueron bastante favorables.
Si se compara el comportamiento con los resultados obtenidos con el modelo COST231-
WI, en el cual se basa Mopem, se observan valores muy similares en lo que respecta
a la varianza, pero una media mayor en el error. Sin embargo, es importante destacar
que Mopem, a diferencia de este, no realiza la distinci on entre los casos LOS y NLOS,
136 12.3. Performance de los modelos
Ruta (dB) (dB)
route00 -7.93 9.25
route01 -10.43 9.39
route02 -11.66 10.32
Cuadro 12.5: Media y desviaci on est andar del error para el modelo de Mopem
lo cual mejorara los resultados en la presente zona de estudio, aunque se traducira
tambien en mayores tiempos de c alculo.
Figura 12.7: Comparaci on entre las medidas y las estimaciones para la ruta 0 del modelo
de Mopem
Finalmente, tomando como referencia los resultados de aplicar el modelo en la zona
donde se ajust o, donde se obtuvo un error de 0 dB y una varianza de 5.1 dB, se observa
una diferencia signicativa en la media del error mientras que el valor de la varianza no
se encuentra tan alejado. Estas diferencias son f acilmente atribuibles a que el entorno
del centro de Munich diere de aquel donde se ajust o el modelo a pesar de tratarse
ambos de entornos urbanos, y se le suma a esto el hecho de que la radiobase en el
escenario original se encontraba por encima de las edicaciones circundantes.
12.3.5. Vogler-Ikegami
El modelo m as complejo es el modelo propuesto que se denomin o Vogler-Ikegami.
El mismo unicamente hace una suposici on y es que el mecanismo dominante de propa-
gaci on es sobre los techos de los edicios. Esta hip otesis, como se mencion o en la secci on
5.4, es inherente a suponer que las edicaciones pueden ser sustituidas por pantallas
innitas, pues se est a despreciando la propagaci on por difracci on en los lados de las
mismas. Por ello, la atenuaci on en aquellos casos donde la radiobase este por debajo de
Captulo 12. Validaci on 137
las edicaciones ser a sobreestimada, sobre todo en los puntos m as cercanos a la misma,
pues all el aporte de la difracci on por los lados de las edicaciones es especialmente
signicativo al total de la potencia.
Para el entorno de estudio, es de esperar que en el funcionamiento normal del
modelo, la atenuaci on sea sobreestimada. La implementaci on utilizada para la valida-
ci on se realiz o con los valores por defecto para los terminos debidos a la atenuaci on
desde la ultima edicaci on hasta el m ovil (los pertenecientes a L
rts
), y se ir an variando
los par ametros para el c alculo de la integral de Vogler (ver secci on 10.8.2) de manera
de ver los efectos que tienen los mismos sobre el resultado de la predicci on.
Para comenzar, los par ametros de la integral se asignaron en aquellos valores que
dieron buenos resultados en el c alculo de la integral de Vogler (10 repeticiones, 0.95
de margen de seguridad, 10 % de tolerancia de error y una cantidad m axima de 8
edicaciones). En este caso, la cantidad de cuchillos despreciados es mnima, por lo
tanto, y por lo dicho anteriormente, la perdida de camino ser a sobreestimada. Ahora
bien, como se puede apreciar en la gura 12.8, la sobreestimaci on no es mayor cerca
de la radiobase que lejos de la misma. De esto se puede concluir que la propagaci on
por difracci on en los lados de las edicaciones es importante, tanto en la lejana de
la radiobase como cerca de la misma, en los casos en que la antena se encuentre por
debajo de las edicaciones circundantes.
Figura 12.8: Las medidas en la ruta 0 y la predicci on seg un el modelo de Vogler-Ikegami
con 0.95 de margen de seguridad y 10 % de tolerancia
En la tabla 12.6 se puede apreciar los valores de la media y la varianza del error
para esta primera implementaci on del modelo de Vogler-Ikegami. Por lo dicho, la media
result o alta y negativa. La varianza result o algo mayor que para los modelos anteriores,
en este caso debido a que el c alculo determinstico de la atenuaci on por difracci on en
m ultiples cuchillos resulta bastante variable de punto a punto.
138 12.3. Performance de los modelos
Ruta (dB) (dB)
route00 -9.99 10.41
route01 -6.78 10.33
route02 -10.16 12.02
Cuadro 12.6: Media y desviaci on est andar del error para el modelo de Vogler-Ikegami
en una implementaci on inicial
Ahora bien, si asignamos valores de manera que la cantidad de cuchillos considerada
sea menor, el resultado mejora. Se puede por ejemplo tomar un margen de seguridad
m as cercano a uno, combinado con una tolerancia del error menor. Si por ejemplo los
asignamos a 0.99 y 1 %, el resultado de la predicci on mejora tanto en media como en
varianza.
Para profundizar a un m as la validaci on de este modelo, se compararon las predic-
ciones realizadas en la implementaci on con los valores recien mencionados y el modelo
Uni-Valencia, que tambien utiliza el metodo de Vogler para calcular la atenuaci on por
m ultiples cuchillos. Este modelo considera adem as la propagaci on por los lados de las
edicaciones, aunque en las predicciones que se obtuvieron del mismo [16] no se uti-
liz o esta capacidad, por lo que la comparaci on entre Vogler-Ikegami y este es m as
apropiada. Para la implementaci on de Vogler-Ikegami ya mencionada, la comparaci on
entre la media y la varianza del error cometido por ambos modelos se puede apreciar
en la tabla 12.7. En todos los casos, tanto la media como la varianza son muy similares
para ambos modelos. A su vez, en el informe de COST231 [16] tambien se muestran
las gr acas de las predicciones con este modelo, las cuales son muy similares a las que
Ruta
V I
(dB)
V I
(dB)
UniV alencia
UniV alencia
route00 0.98 10.73 0.2 8.7
route01 -2.39 8.17 -6.6 7.0
route02 -3.17 10.58 -7.4 10.3
Cuadro 12.7: Media y desviaci on est andar del error para el modelo de Vogler-Ikegami
y Uni-Valencia
Figura 12.9: Las medidas en las tres rutas y su respectiva estimaci on seg un SAPO para
el modelo de Vogler-Ikegami con 0.99 de margen de seguridad y 1 % de tolerancia
Captulo 12. Validaci on 139
se muestran en la gura (ver gura 12.9).
12.4. Conclusiones de la validaci on
La conclusi on m as importante es que, dado que en todos los modelos probados
el error se mantuvo dentro de lo razonable, el software es conable y preciso. En lo
que a rapidez se reere, en los modelos que podran denominarse sencillos (Vaco,
Okumura-Hata-Cost231, Erceg, etc.) el c alculo de la predicci on es casi instant aneo. En
los modelos m as complejos (Walsch-Ikegami, MOPEM o Vogler-Ikegami) los tiempos
comienzan a ser un factor negativo, sobre todo en el caso de Vogler-Ikegami, donde la
predicci on puede llegar a tardar m as de una hora. A forma de comparaci on, en la tabla
12.8 se pueden apreciar para los modelos validados, los valores de media y varianza del
error as como el tiempo que tom o realizar la predicci on en la ruta correspondiente.
Las predicciones se realizaron sobre un equipo con procesador Pentium IV de 2.8GHz,
512MB de RAM, sistema operativo Linux Mandrake 10.0 Ocial y la versi on 1.5.0 03-
b07 de Java.
(dB)
OH Erceg WI MOPEM VI
route00 10.32 -0.78 -2.16 -7.93 0.98
route01 4.95 -2.69 -7.48 -10.43 -2.39
route02 3.62 -3.92 -6.02 -11.66 -3.17
(dB)
OH Erceg WI MOPEM VI
route00 9.53 6.24 9.06 9.25 10.73
route01 6.74 5.70 9.67 9.39 8.17
route02 8.86 6.37 10.91 10.32 10.58
t
OH Erceg WI MOPEM VI
route00 < 0 1 0 1 2 20 3 50 50 00
route01 < 0 1 0 1 0 40 0 45 8 00
route02 < 0 1 0 1 2 40 2 50 35 00
Cuadro 12.8: Media y desviaci on est andar del error, y tiempo de predicci on de SAPO
en las tres rutas para los modelos validados
Vale la pena hacer la salvedad de que el entorno de propagaci on utilizado para
la validaci on no es el que se tuvo en consideraci on cuando se crearon algunos de los
modelos, sobre todo en lo referente al ambiente de microceldas (altura de transmisor
por debajo de las edicaciones circundantes). En particular, el unico modelo que fue
dise nado para radiobases de altura baja fue el de Erceg y esto se vio reejado en los
buenos resultados obtenidos. Si se tuviera que elegir un modelo de propagaci on para
una primera estimaci on en un entorno generico, sin duda la opci on sera este ultimo,
140 12.4. Conclusiones de la validaci on
no solo por su exactitud, sino tambien por su simplicidad, reejado esto ultimo en los
tiempos de c alculo despreciables.
Por otro lado, caractersticas de SAPO como hallar el perl de alturas, el ancho
de las calles y el alto de los edicios en cada punto, result o en que el modelo de
Walsch-Ikegami hiciera predicciones m as exactas que en el caso de suponer valores jos
promedio para los mismos. Esto obviamente tiene un costo en la performance temporal,
pues el modelo simplicado demora muy pocos segundos en realizar la predicci on en
cada ruta.
Por ultimo, el modelo m as completo y a la vez m as lento en realizar las predicciones
es el de Vogler-Ikegami. El entorno optimo para la evaluaci on del modelo es de ma-
croceldas, pero lamentablemente no pudieron obtenerse medidas de atenuaci on con su
correspondiente topografa realizadas en dicho escenario. De todas formas, se obtuvie-
ron en la presente validaci on muy buenos resultados, indicio de que modelo ser a muy
exacto en entornos m as propicios.
La cualidad que separa este del resto de los modelos es que es determinstico, con
un fondo te orico que lo respalda. Esto permite hacer un an alisis del error desde el
punto de vista de la propagaci on y no unicamente matem atico. Es decir, se vio que
la falla del modelo estaba en la suposici on implcita de que el mecanismo dominante
de propagaci on es sobre los techos de las edicaciones circundantes. Un camino para
mejorarlo es agregar un termino en el c alculo de la atenuaci on que tome en cuenta la
difracci on por los lados de las edicaciones. A su vez, dicha cualidad permite obtener
conclusiones acerca de los mecanismos de propagaci on propiamente dichos. Por ejemplo,
la aplicaci on de este modelo permiti o vericar que la propagaci on por los lados de las
edicaciones es importante tanto cerca como lejos de la radiobase.
Captulo 13
Conclusiones
En el presente proyecto se logr o el desarrollo de una herramienta de software precisa
que no solo abarca las funcionalidades originalmente planteadas, sino que se fueron
implementando nuevas ideas a medida que se avanzaba en el proyecto.
Desde el punto de vista de la ingeniera de software, se destaca la exibilidad, siendo
muy sencilla la implementaci on de nuevos modelos, el agregado de nuevas funcionali-
dades o la incorporaci on de soporte de otros formatos de datos. A su vez, la validaci on
realizada de la misma arroj o resultados positivos, lo que permite garantizar su con-
abilidad. Desde el punto de vista funcional, la herramienta es de muy sencillo uso y
cuenta con una interfaz gr aca amigable al usuario que proporciona una visualizaci on
clara de los datos ingresados y de los resultados obtenidos.
Una ventaja con la que cuenta SAPO con respecto a otros paquetes de software
de predicci on, es que considera la mayor cantidad posible de informaci on del entorno
(altura de terreno, edicaciones y trazado de manzanas) lo que le permite lograr una
mayor exactitud en entornos heterogeneos. Esto a su vez se ve reforzado por el hecho de
tener la capacidad de asignarle modelos distintos a las diferentes antenas presentes en la
red. Los modelos implementados en el software son variados, pudiendose adem as crear
diferentes implementaciones de un mismo modelo, redeniendo los par ametros que lo
caracterizan. Esto trae como ventaja que todos los escenarios de propagaci on, desde los
m as heterogeneos a los m as sencillos, pueden ser analizados con la herramienta.
Otro elemento diferenciador de SAPO frente al resto de las herramientas disponibles
a nivel comercial, es contar con el modelo Erceg-SUI (modelo reciente y actualmente
muy difundido), el modelo MOPEM (resultado de un proyecto de n de carrera de
la UdelaR) y uno propuesto por el grupo de proyecto especialmente dise nado para
entornos urbanos de caractersticas heterogeneas, denominado Vogler-Ikegami.
SAPO permite estimar la potencia de recepci on tomando en cuenta un n umero
arbitrario de antenas a la misma vez y en aquellas zonas donde las predicciones se
solapen calcula la interferencia co-canal. Toda esta informaci on es tomada en cuenta
al momento de estimar el area de servicio, otra de las funcionalidades disponibles. Los
141
142 13.1. Lneas de trabajo futuro
patrones de radiaci on de una antena pueden ser denidos por el usuario o importados
de un archivo obtenido del fabricante.
Otra facilidad que enriquece al software es la vericaci on de la existencia de lnea
de vista entre el m ovil y la radiobase en caso de contar con edicios. Los datos de
edicaciones son manejados por la herramienta de manera precisa, no solo para esto
ultimo, sino tambien por ejemplo para el calculo del perl de alturas entre la radiobase
y el m ovil.
Una herramienta esencial que le permite al usuario el an alisis del error cometido en
sus predicciones es la comparaci on con datos de medidas reales, las cuales se pueden
importar de un archivo de texto. El an alisis consiste en mostrar el valor de la media y la
varianza de la diferencia entre los valores predichos y las medidas y es posible tambien
obtener gr acas comparativas.
Entre las ideas desarrolladas que no estaban en el planteo original del proyecto, que
distinguen a SAPO y la hacen una herramienta m as completa, se destaca por un lado
la posibilidad de crear y editar datos digitales de disposici on y forma de edicaciones
mediante una interfaz gr aca especca para ello. Por otro lado, se propuso un nuevo
modelo de propagaci on para entornos urbanos, hbrido entre un metodo determinstico
y uno semiemprico, que levanta las hip otesis m as restrictivas del modelo de Walsch-
Ikegami.
Estas son la altura de edicaciones homogeneas y la existencia de un gran
n umero de las mismas entre el m ovil y la radiobase. El resultado fue que las predicciones
realizadas por este modelo son mucho m as exactas que las obtenidas con el modelo de
Walsch-Ikegami.
Finalmente, cabe mencionar que la realizaci on del presente proyecto signic o un
crecimiento personal y academico para sus integrantes. Uno de los principales desafos
fue, en la etapa inicial, tener que hacer un replanteo de los objetivos. Al comienzo,
se consider o la posibilidad de tomar medidas de potencia en una zona suburbana del
pas a n de obtener un modelo de propagaci on que se ajuste lo m as posible a las
mismas y su posterior implementaci on en software. Se realizaron gestiones con ANCEL
para la realizaci on de la campa na de medidas, pero resultaron infructuosas por motivos
puramente institucionales. Por ello es que se opt o, en lugar del ajuste del modelo, centrar
el proyecto en el desarrollo de una herramienta de software m as completa. El desafo
fue entonces enfrentar un problema amplio y ser capaces de dividirlo en problemas
individuales m as tratables, a la vez resolviendolo dentro de un tiempo limitado. Fue
fundamental para esto un buen trabajo en equipo, el manejo adecuado de los tiempos
y la repartici on de tareas, lo cual llev o a un buen termino del proyecto.
13.1. Lneas de trabajo futuro
Toda herramienta de software siempre puede ser mejorada y ampliada. En el caso
de SAPO existen varios aportes que podran realizarse en una primera instancia, como
los que se listan a continuaci on:
Captulo 13. Conclusiones 143
Ajuste de modelos de propagaci on. La interacci on del programa con medidas
reales se limita unicamente al reporte del error cometido por la predicci on de los
modelos. El dise no est a pensado para que la inclusi on de un m odulo para el ajuste
de par ametros de los modelos con dichas medidas sea sencillo.
An alisis de fading. SAPO unicamente predice el valor de la media por sector de
la potencia de recepci on. Un an alisis completo incluye un estudio del fading, el
cual podra ser incorporado a la herramienta en el futuro.
An alisis especcos para determinadas tecnologas. La herramienta hasta ahora
se limita a un an alisis de capa fsica. Dado el crecimiento del tr aco en las redes
celulares de hoy en da, tanto de voz como de datos, sera interesante y util la
inclusi on de un m odulo de an alisis de capacidad de tr aco cursado por la red.
Tambien queda abierta la opci on de extender el an alisis de interferencia co-canal
a otros tipos de interferencia m as dependiente de la tecnologa, como la de canal
adyacente.
Hacer una experimentaci on m as profunda del modelo Vogler-Ikegami. Esto incluye
el agregado de un termino que tome en cuenta la difracci on por los lados de las
edicaciones.
Validar el software en otros entornos, sobre todo el modelo propuesto a n de
comprobar su mayor exactitud.
Ampliaci on de las funcionalidades GIS de SAPO. Existen limitantes inherentes a
la biblioteca utilizada para el manejo de datos del tipo GIS, como ser la cantidad
de formatos de archivo soportados. Una posible soluci on es migrar a la ultima
distribuci on estable de GeoTools, lo cual se traduce en un arduo trabajo, pues la
gran mayora de las clases de SAPO deben ser modicadas.
Mejorar los tiempos de c alculo. JAVA no es el lenguaje m as eciente en cuanto a
velocidad de c alculo. Un posible paliativo es implementar algunos de los algorit-
mos en otros lenguajes m as r apidos (como C) y mantener la implementaci on de
la interfaz en JAVA.
Parte V
Anexos
145
Apendice A
Intersecci on de una elipsoide con
un plano
En este anexo se har a el desarrollo de c omo hallar la intersecci on entre una elipsoide
alineada con los ejes y un plano cualquiera. Luego se ver a c omo utilizar dicho resul-
tado para hallar la intersecci on entre una elipse de revoluci on arbitraria y un plano
perpendicular al plano xy (que es lo necesario para resolver el problema planteado en
la secci on 10.7).
La ecuaci on de una elipsoide alineada con los ejes es:
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1 (A.1)
A.1. Vericaci on de la intersecci on entre un plano y la
elipsoide
El primer paso para hallar la intersecci on de la elispsoide con un plano arbitrario
es vericar que la misma efectivamente exista, para lo cual se deben hacer algunas
consideraciones previas.
En general, para cualquier supercie denida por la ecuaci on F(x, y, z) = 0, el plano
tangente en el punto ( x, y, z) perteneciente a la supercie es:
F
x
(x x) +
F
y
(y y) +
F
z
(z z) = 0
Donde cada derivada parcial se eval ua en ( x, y, z).
147
148 A.1. Vericaci on de la intersecci on entre un plano y la elipsoide
Para el caso de una elipsoide , F(x, y, z) =
x
2
a
2
+
y
2
b
2
+
z
2
c
2
1, por lo que el plano
tangente resulta:
2 x(x x)
a
2
+
2 y(y y)
b
2
+
2 z(z z)
c
2
= 1
Esta ecuaci on en vista de (A.1), se reduce a:
xx
a
2
+
yy
b
2
+
zz
c
2
= 1 (A.2)
Sea un punto P = (, , ) que se encuentra en el plano tangente denido por (A.2).
Por lo tanto, P puede estar fuera o sobre ; y si se encuentra fuera la recta que une P
con ( x, y, z) es tangencial a en ( x, y, z). Sustituyendo en (A.2) resulta:
x
a
2
+
y
b
2
+
z
c
2
= 1
Por lo tanto, cada recta que pasa por P que es tangencial a , la instersecta en
( x, y, z), que adem as de pertenecer a pertenece al plano
x
a
2
+
y
b
2
+
z
c
2
= 1 (A.3)
que es claro que siempre se intersecta con .
Para cualquier punto P (tanto fuera, sobre o dentro de la elipsoide), se dene el
plano polar a la elipsoide tal como aparece en (A.3); el punto P se denomina polo
de dicho plano. En el caso particular que el polo pertenezca a , entonces por (A.2) y
(A.3) el plano polar ser a tangencial a en P.
Ahora bien, un plano arbitrario de ecuaci on
lx +my +nz = f (A.4)
es el plano polar del punto P = (, , ), donde la ecuaci on (A.4) es f veces la ecuaci on
(A.3), por lo que el punto P puede escribirse de la forma:
P = (, , ) =
a
2
l
f
,
b
2
m
f
,
c
2
n
f
2
+
2
+
2
=
al
f
2
+
bm
f
2
+
cn
f
2
En denitiva, el plano (A.4) intersecta , si y s olo si
a
2
l
2
+b
2
m
2
+n
2
c
2
> f
2
Captulo A. Intersecci on de una elipsoide con un plano 149
y es tangente a ella s y s olo s
a
2
l
2
+b
2
m
2
+n
2
c
2
= f
2
Pero si dividimos la ecuaci on (A.4) por h =
l
2
+m
2
+n
2
si f 0 y en caso
contrario por h, el plano pasa a ser igualmente especicado por la ecuaci on escalada:
x +y +z = h (A.5)
donde
=
l
k
, =
m
k
, =
n
k
, h =
f
k
De esta forma, h es el largo del vector normal al plano desde el origen, y adem as
dicho vector tiene la direcci on del vector unitario (, , ). Ahora el punto P puede
volver a ser especicado por:
P = (, , ) =
a
2
h
,
b
2
h
,
c
2
2
+b
2
2
+c
2
2
c
2
Como A y C son ambas mayores que cero, y dado que todos los puntos de la c onica
est an en la elipsoide y por lo tanto est an acotados, la intersecci on es necesariamente
una elipse.
El centro (v, w) de dicha elipse se puede hallar como la soluci on del sistema:
2Av +Bw = D
Bv + 2Cw = E
por lo que:
v =
BE 2CD
4AC B
2
w =
BD2AE
4AC B
2
A.3. Aplicaci on al problema de lnea de vista
Hasta ahora, se ha trabajado con una elipsoide de dimensiones genericas, aunque
alineada con los ejes. El problema original era con una elipse de revoluci on (es decir, sus
dos ejes menores iguales) y orientada arbitrariamente. La primer diferencia simplica
el problema, pues la elipsoide puede rotarse seg un el eje mayor sin que la misma sufra
cambios. Como se ver a m as adelante, se aprovech o esta propiedad para colocar el plano
intersectante en una posici on conveniente. Por el contario, la segunda diferencia obliga
a redenir el sistema de coordenadas de manera que los dos focos pertenezcan a uno
de los ejes, y el centro de la elipsoide sea el origen. Dado que la elipse de revoluci on
puede rotarse seg un el eje mayor sin que sufra cambios, los otros dos ejes pueden jarse
arbitrariamente. Lo que se hizo, fue colocar uno de ellos paralelo al plano intersectante
(y por ende el otro eje queda jado), que como se ver a simplica muchsimo la deter-
minaci on de las dimensiones, y por lo tanto la parametrizaci on de la elipse resultado
de la intersecci on.
Por lo tanto se necesita expresar el plano intersectante y los puntos que conforman
la pared del edicio en este nuevo sistema de coordenadas. Una manera de hacer esto
es aplicarle a los puntos las mismas operaciones que llevaron de la elipsoide original a
la nueva elipsoide alineada. En la implementaci on del algoritmo, se aline o el eje mayor
de la elipsoide con el eje y (la elecci on fue completamente arbitraria). Veamos entonces
Captulo A. Intersecci on de una elipsoide con un plano 151
como llevar una elipsoide de focos (x
1
, y
1
, z
1
) y (x
2
, y
2
, z
2
) a otra con centro en el origen
y focos (0, y
1
, 0) y (0, y
2
, 0).
El primer paso es trasladar la elipsoide de manera tal que su centro coincida con el
origen de coordenadas. Para ello, se halla el centro de la elipsoide:
c = (x
0
, y
0
, z
0
) =
x
1
+x
2
2
,
y
1
+y
2
2
,
z
1
+z
2
2
Luego se debe rotar seg un el eje z de manera tal que los focos queden dentro
del plano z y. se puede calcular proyectando los polos al plano x y como (for-
zando al notaci on, llamaremos (x
1
, y
1
, z
1
) y (x
2
, y
2
, z
2
) a los focos luego de haber sido
trasladados):
= atan
x
2
x
1
y
2
y
1
cos sin 0
sin cos 0
0 0 1
x
y
z
xcos y sin
xsin +y cos
z
El tercer paso es rotar seg un el eje x de manera que nalmente los focos pertenzcan
al eje y. El angulo puede obtenerse del resultado de haber rotado los focos:
= atan
z
2
z
1
(x
2
x
1
) sin + (y
2
y
1
) cos
1 0 0
0 cos sin
0 sin cos
xcos y sin
xsin +y cos
z
xcos y sin
(xsin +y cos ) cos z sin
(xsin +y cos ) sin +z cos
Con estas tres transformaciones ya se logra alinear la elipsoide con los ejes. Como
se dijo, ahora se puede rotar seg un el eje y, que la elipsoide no sufrira cambios. Para
obtener cu al es el valor m as conveniente para la rotaci on, se obtendr a primeramente el
resultado de estas operaciones sobre el plano.
El plano original es aquel que contiene la pared del edicio (o la recta que pasa
por una de las bases de dicha pared) y es perpendicular al plano x y. El resultado
de trasladar dicho plano, ser a otro perpendicular al plano x y pero que contiene a la
recta trasladada. La recta original se puede parametrizar como:
y = mx +N
152 A.3. Aplicaci on al problema de lnea de vista
Y la traslaci on de dicha recta se puede escribir como:
y = mx +N +y
0
mx
0
La traslaci on en el eje z es ignorada, pues el plano es paralelo a este. La nueva recta
la reescribiremos de la forma:
y = mx +n
donde: n = N +y
0
mx
0
Cualquier plano puede caracterizarse por el vector normal que parte del origen
(salvo el caso particular en que el plano pase por el origen) y para hallar el plano
resultante de rotar con centro en el origen el plano original, basta realizar las mismas
operaciones sobre dicho vector. En este caso en particular, el vector normal al plano es
tambien el normal a la recta. Por lo tanto, sus coordenadas se pueden hallar resolviendo
el siguiente sistema:
y = mx +n
y =
1
m
x
z = 0
Lo que resulta en el vector normal:
n
m
2
+ 1
m,
n
m
2
+ 1
, 0
=
n
m
2
+ 1
(m, 1, 0)
En el caso particular en que la recta sea paralela al eje y, m tiende a innito. El vector
normal en ese caso resulta:
(x +x
0
, 0, 0)
donde x es la coordenada x de cualquier punto de la pared en cuesti on.
Ahora se puede hallar el vector normal del plano rotado seg un los angulos ya vistos:
n
m
2
+ 1
(mcos sin , cos (msin + cos ) , sin (msin + cos ))
Que en el caso particular en que m sea innito resulta:
((x +x
0
) cos , xsin cos , xsin sin ))
Pero intersectar este plano con la elipsoide resultara una elipse demasiado generi-
ca. Lo conveniente es utilizar la rotaci on seg un el eje y (que como se vio no afecta
la elipsoide) para que el plano quede paralelo a uno de los ejes. En esta implementa-
ci on en particular, se escogi o el eje x arbitrariamente para dicho eje. Veamos entonces
Captulo A. Intersecci on de una elipsoide con un plano 153
que angulo debe ser rotado el plano para que el resultado sea paralelo al eje x, o sea,
la coordenada x de su vector normal se anule.
n
m
2
+ 1
cos 0 sin
0 1 0
sin 0 cos
mcos sin
cos (msin + cos )
sin (msin + cos )
=
=
n
m
2
+ 1
j
2
+k
2
y +
k
j
2
+k
2
z =
j
2
+k
2
Sustituyendo en la ecuaci on (A.5) se obtienen los siguientes valores:
= 0, =
j
j
2
+k
2
, =
k
j
2
+k
2
, h =
j
2
+k
2
La ecuaci on de la elipse de revoluci on con su eje mayor alineado al eje y es:
x
2
b
2
+
y
2
a
2
+
z
2
b
2
= 1
Supongamos que la normal forma el menor angulo con el eje z (o sea, que abs
j
k
<
1). Sustituyendo en (A.6) resulta:
A =
b
2
b
2
+
2
=
k
2
j
2
+k
2
B = 0 C =
2
b
2
a
2
+
2
=
k
2
j
2
+k
2
b
2
a
2
+
j
2
j
2
+k
2
D = 0 E = 2h = 2j F = h
2
2
b
2
= j
2
+k
2
k
2
j
2
+k
2
b
2
154 A.3. Aplicaci on al problema de lnea de vista
Para el caso que la normal forme el menor angulo con el eje y, las cuentas resultan
bastante similares, por lo que no vale la pena reproducirlas aqu. De todas formas,
B = 0 y D = 0 por lo que lo formulado de aqu en adelante es exactamente igual para
ese caso, sustituyendo la variable y por z.
Por lo tanto la ecuaci on de la elipsoide se reduce a:
Ax
2
+Cy
2
+Ey +F = 0
con centro en
0,
E
2C
E
2
4CF
2C
y =
E
2C
Ax
2
+C
E
2
4C
2
E
E
2C
+F = 0 Ax
2
E
2
4C
F
a
E
= x =
1
A
E
2
4C
F
x = a
E
sin(t)
y =
E
2C
+b
E
cos(t)
t [0, 2)
Lo que resta hacer es encontrar las coordenadas de un punto arbitrario en esta base,
para poder hallar las coordenadas de los vertices de las paredes:
donde
x = x +x
0
y = y +y
0
z = z +z
0
En denitiva, habiendo calculado los par ametros de la elipse de revoluci on original
(a, b y focos), se halla el centro y se calculan y . Luego, con cada pared de cada
edicio, se halla m y n y con ellos calculamos . Despues, se encuentran j y k. De-
pendiendo de la relaci on entre ellos, se proyecta al plano x y o al plano x z. Por
ultimo, se hallan los par ametros a
E
y b
E
y el centro de la elipse de intersecci on en el
plano correspondiente. Por ultimo, se halla la proyecci on de la pared expresada en las
nuevas coordenadas sobre el plano correspondiente. Como la pared y la la elipse per-
tenecen al mismo plano, la pared y la elipse se intersectaran si y s olo si se intersectan
sus intersecciones.
Este es el algoritmo utilizado para vericar si hay lnea de vista.
Bibliografa
[1] Ericsson TEMS Cellplanner Universal 6.0. http://www.ericsson.com/products/
hp/TEMS Cellplanner Universal 6 0 pos.shtml [visitada en marzo de 2005].
[2] AWE Communications ProMan. http://www.awe-communications.com [visitada
en marzo de 2005].
[3] Teleworx Xcalibur. http://www.teleworx.com/produx/xcalibur.html [visitada en
marzo de 2005].
[4] Expert Wireless Solutions MaXPlan. http://www.expertwireless.com/prod03.htm
[visitada en marzo de 2005].
[5] G. Jorcn, A. Jorge y J. Zavodniko. Caracterizaci on del fading en Montevideo.
Proyecto de n de carrera, Facultad de Ingeniera, UDELAR, Julio 2002.
[6] J.D. Parsons. The Mobile Radio Propagation Channel. John Wiley & Sons Ltd,
second edition, 2000.
[7] M. Abramowitz e I. A. Stegun. Handbook of Mathematical Functions with Formu-
las, Graphs, and Mathematical Tables. Dover, New York, ninth dover printing,
tenth gpo printing edition, 1964. ISBN 0-486-61272-4.
[8] K. Bullington. Radio propagation at frequencies above 30 mc.. Proc IRE,
35(10):11221136, 1947.
[9] J. Epstein y D.W. Peterson. An experimental study of wave propagation at 850
mc. Proc IRE, 41(5):595611, 1953.
[10] J. Deygout. Multiple knife-edge diraction of microwaves. IEEE Transaction
on Antennas and Propagation, 14(4):480489, 1966.
[11] L. E. Vogler. An attenuation function for multiple knife-edge diraction. Radio
Science, 17(6):15411546, Noviembre-Diciembre 1982.
[12] L. E. Vogler. The attenuation of electromagnetic waves by multiple knife-edge
diraction. NTIA Rep. 81-86, 1981.
[13] K. Furutsu. On the theory of radio wave propagation over inhomogeneous earth.
Journal of Research, 67D(1):3962, Enero-Febrero 1963.
155
156 BIBLIOGRAF
IA
[14] Y. Okumura, E. Ohmori, T. Kawano y K. Fukuda. Field strength and its varia-
bility in the VHF and UHF land mobile radio service. Review of the Electrical
Communications Laboratory, 44(1):825873, Setiembre-Octubre 1968.
[15] M. Hata. Empirical formula for propagation loss in land mobile radio services.
IEEE Trans. on Vehicular Tech., 29(3):317325, Agosto 1980.
[16] COST 231. Digital mobile radio towards future generation systems. Technical
report, 1999.
[17] V. Erceg, L.J. Greenstein, S.Y. Tjandra, S.R. Parko, A. Gupta, B. Culik, A.A.
Julius y R. Bianchi. An empirically based path loss model for wireless chanels
in suburban enviroments. IEEE Journal on Selected Areas of Communications,
17(7):12051211, Julio 1999.
[18] V. Erceg, K.V.S. Hari, M.S. Smith, D.S. Baum, K.P. Sheikh, C. Tappenden, J.M.
Costa, C. Bushue, A. Sarajedini, R. Schwartz, D. Branlund, T. Kaitz y D. Trink-
won. Channel models for xed wireless applications. IEEE 802.16 Broadband
Wireless Access Working Group, Julio 2001.
[19] V.S. Abhayawardhana, I.J. Wassell, D. Crosby, M.P. Sellars y M.G. Brown. Com-
parison of empirical propagation path loss models for xed wireless access sys-
tems. 61st IEEE Vehicular Technology Conference, 1:7377, Mayo-Junio 2005.
[20] T.S. Chu y L.J.Greenstein. A quantication of link budget dierences between
the cellular and PCS bands. IEEE Trans. Veh. Technol., 48(1):6065, Enero 1999.
[21] W.C. Jakes y D.O. Reudink. Comparison of mobile radio transmission at UHF
and X-band. IEEE Trans. Veh. Technol., VT-16:1013, Octubre 1967.
[22] Sprint Stanford University G2 MMDS channel models. Stanford University Semi-
nar, CA., Agosto 2000.
[23] J. Walsch y H.L. Bertoni. A theoretical model of UHF propagation in urban
environments. IEEE Trans. on Antennas Propagat., 36(12):17881796, Diciembre
1988.
[24] S. Kosono y K. Watanabe. Inuence of environmental buildings on UHF land
mobile radio propagation. IEEE Trans. Commun., COM(25):11331145, 1977.
[25] F. Ikegami, D. Yoshida, T. Takeuchi y M. Umehira. Propagation factors con-
trolling mean eld strength on urban streets. IEEE Trans. Antennas Propagat.,
AP(32):822829, 1984.
[26] J.Casaravilla, G.Dutra y N. Pignataro. Modelo de propagaci on para entornos
urbanos de peque nas macroceldas. Proyecto de n de carrera, Facultad de Inge-
niera, UDELAR, 2002.
[27] Geographic Information System. http://www.gis.com [visitada en noviembre de
2004].
BIBLIOGRAF
IA 157
[28] GML4J Home Page. http://gml4j.sourceforge.net [visitada en diciembre de 2004].
[29] WKB4J. http://wkb4j.sourceforge.net [visitada en diciembre de 2004].
[30] GeoServer. http://docs.codehaus.org/display/GEOS/Home [visitada en diciembre
de 2004].
[31] DeGree. http://deegree.sourceforge.net [visitada en diciembre de 2004].
[32] uDig. User-friendly Desktop Internet GIS. http://udig.refractions.net [visitada en
diciembre de 2004].
[33] The Jump Project. http://www.jump-project.org [visitada en diciembre de 2004].
[34] OpenMap. Open Systems Mapping Technology. http://openmap.bbn.com [visita-
da en diciembre de 2004].
[35] MapObjects - Java Edition. Mapping and GIS Components for the Java Developer.
http://www.esri.com/software/mojava/ [visitada en diciembre de 2004].
[36] GeoTools, The open source Java GIS toolkit. http://www.geotools.org [visitada
en diciembre de 2004].
[37] JTS Topology Suite. http://www.vividsolutions.com/jts/main.htm [visitada en
diciembre de 2004].
[38] Open Geospatial Consortium specications. http://www.opengis.org [visitada en
noviembre de 2004].
[39] JTS Topology Suite Technical Specications. Version 1.4. Vivid Solutions, Oc-
tubre 2003.
[40] B. Eckel. Thinking in Java. Prentice-Hall, second edition, Junio 2000. ISBN
0-13-027363-5.
[41] C. Larman. UML y Patrones: Introducci on al an alisis y dise no orientado a objetos.
ISBN 970-17-0261-1.
[42] ESRI. The GIS Software Leader. http://www.esri.com [visitada en diciembre de
2004].
[43] ESRI Shapele Technical Description. An ESRI White Paper, Julio 1998.
[44] Extensible Markup Language (XML) 1.0. Third edition. W3C Recommendation,
Febrero 2004.
[45] Elliote Rusty Harold. Processing XML with JAVA.
[46] R. Faub y A. Wasch T. Kurner. A hybrid propagation modelling approach for
DCS1800 macro cells. IEEE VTC96, pages 16281632, Abril-Mayo 1996.
158 BIBLIOGRAF
IA
[47] S. R. Saunders y F. R. Bonar. Prediction of mobile radio wave propagation over
buildings of irregular heights and spacings. IEEE Transactions on Antennas and
Propagation, 42(2):137144, Febrero 1994.
[48] P. LEcuyer y C. Lemieux. Variance reduction via lattice rules. Management
Science, 46(9):12141235, Setiembre 2000.
[49] McIeish. Computer intensive methods for stochastic models in nance. Course
Notes, 2004.
[50] S. R. Saunders y C. Tzaras. Rapid, uniform computation of multiple knife-edge
diraction. Electronic Letters, 35(3):237239, Febrero 1999.
[51] L. Piazzi y H.L. Bertoni. On screen placement for building representation in
urban environments considering 2D multiple diraction problems. IEEE VTC99,
4:19771981, Setiembre 1999.
[52] COST231 - Vector Building and GSM Measurement Data of Mu-
nich. Mannesmann Mobilfunk GmbH, Germany; http://www.ihe.uni-
karlsruhe.de/forschung/cost231/cost231.en.html [visitada en Noviembre de
2005].
[53] P. M oller y F. Alonso N. Cardona. Applicability of Walsch-type urban propa-
gation models. Electronics Letters, 31(23), Noviembre 1995.
[54] F.