Modelo Híbrido Neuro-Empírico para Predição de Perdas em Propagação

sobre Ambientes Vegetados na Faixa de 700 – 800 MHz

Jean Carneiro Silva, Gláucio Lima Siqueira e Pedro Vladimir Gonzales Castellanos

Abstract - This paper proposes the utilization of neural-empiric neural artificial do tipo MLP operando em paralelo para
hybrid models on propagation loss analysis over paths with
fazer a previsão de perda em cada ambiente analisado.
vegetation. The hybrid model is composed by a multi-layer
perceptron neural artificial network and a classic empiric model.
Three environments were investigated: a small wood, an arborized
A rede neural será treinada com os valores dos erros
city park square and a line of trees. The models will be compared in calculados a partir do modelo empírico em relação aos
terms of standard deviation and absolute mean error metrics. valores médios da perda obtidos na campanha de
medições para cada morfologia vegetal. Sua função é
Keywords – Propagation on vegeted environments, artificial
neural networks, modeling. aprender e compensar o erro do modelo de forma a
melhorar a capacidade de previsão.
Resumo - O presente trabalho propõe a utilização de modelos
híbridos neuro-empíricos na análise da perda em propagação em Os modelos híbridos serão comparados aos modelos
ambientes vegetados. Estes modelos são compostos de uma rede
originais em termos de erro médio quadrático e desvio
neural multi-layer perceptron (MLP) e um modelo empírico clássico
em processamento paralelo. Os modelos híbridos e empíricos serão padrão, e focado na perda em propagação do sinal em
comparados entre sí pelas métricas do erro absoluto médio e desvio função da distância entre transmissor e receptor.
padrão. As análises abordam os ambientes: floresta, bosque e linha
de árvores. O espaço amostral foi tomado a partir de uma II. Ambientes, rotas e espaço amostral
campanha de medições realizada nos estados do Pará e Rio de
Janeiro.
Foram consideradas três morfologias bem representativas
como possíveis ambientes de propagação sobre áreas
I. Introdução
vegetadas:
O estudo da dispersão e desvanecimento dos sinais
a) Linha de árvores (configuração habitual de vegetação
eletromagnéticos associados a ambientes com vegetação é
em ruas, usualmente paralelas aos prédios, com a
um tema pouco estudado no mundo [1], de relevância
vegetação disposta na calçada);
crescente, pois existe um interesse maior na sua criação e
manutenção. b) Bosque cobrindo uma área bem definida no interior de
cidades (como ocorre em parques e jardins botânicos e
Vários modelos de predição de perda em propagação
praças arborizadas);
utilizam abordagens experimentais baseadas em medições
de campo. Tal abordagem possui a vantagem de conseguir c) Floresta relativamente grande, cobrindo completamente
uma boa caracterização do fenômeno a nível local, em uma área.
detrimento da generalidade [2].
As principais configurações utilizadas no setup de
Uma característica destes modelos diz respeito a sua medições pode ser visto na TABELA I, abaixo.
representação por funções monotônicas, em especial as
logarítmicas, que aproximam a previsão a partir das TABELA I
amostras por uma determinada métrica. Este tipo de Características do setup de medições.
representação apresenta deficiências na modelagem de
ambientes vegetados em virtude da alta Antenas de TX e RX Log-periódica
o
aleatoriedade e não linearidade intrínsecas a este meio [3]. Largura de feixe vertica ( ) 22
Largura de feixe horizontal (o) 25
Este estudo propõe a utilização de uma nova classe de Polarização Horizontal
modelos híbridos de predição em ambientes vegetados Potência transmitida (dBm) 43
Altura do TX (m) 1,5 / 6 / 12
baseados nos modelos propostos por Sanches e
Altura do RX (m) 1,5
Cavalcante [4] para sistemas de comunicações móveis. Frequências (MHz) 700 / 750 / 800
Estes são compostos por um modelo empírico e uma rede
O espaço amostral de cada morfologia consiste dos
valores obtidos em campo do valor médio da perda em
propagação, tomados em intervalos regulares de distância
entre as antenas, na direção de maior diretividade e em
todas as alturas de transmissão (1.5, 6 e 12 m) e
frequências (700, 750 e 800 MHz).
Figura A- Linha de árvores no INMETRO em Xerém-RJ. (Dados:
Digital globe).
Figura B- Jardim Botânico em Belém-PA, Morfologia bosque.
(Dados: Digital globe).
Figura C- Pequena floresta,Belém-PA. (Dados: Digital globe).
Os sites de medição consistem de rotas previamente
estabelecidas, localizadas no Inmetro, em Xerém, Duque
de Caxias, zona metropolitana do Rio de Janeiro-RJ e no
Jardim Botânico e uma propriedade rural com floresta em
Belém, PA, Figuras A, B e C.
Os dados aquisitados serão analisados e processados para
a extração da perda média em função da distância com o
transmissor fixo nas alturas de 1.5, 6 e 12 metros, e o
receptor variando na distância em uma altura fixa de 1.5
metros, nas frequências de 700, 750 e 800 MHz.
Para cada ambiente estudado foram selecionadas as
amostras de cada rota, perfazendo 180 elementos para
floresta, 180 elementos em bosque 144 em linha de
árvores .
Para cada ambiente estudado foram selecionadas as
amostras de cada rota, perfazendo 180 elementos para
floresta, 180 elementos em bosque 144 em linha de
árvores .
III. Modelos empíricos
Os modelos considerados para cada morfologia são os
apresentados por Silva em [5] que descrevem a perda em
propagação em cada ambiente em função da frequência de
irradiação, altura do transmissor e distância entre as
antenas. Eles possuem boa aproximação em relação aos
dados coletados, pois foram adaptados pela interpolação
linear de curvas de melhor ajuste através da técnica do
erro quadrático mínimo. Suas representações
monotônicas, entretanto, não conseguem caracterizar mais
precisamente os ambientes em função de fatores não-
lineares encontrados nos meios.
Os modelos analisados são:
Floresta
(1)
Bosque
(2)
Linha de árvores
(3)
Onde é a frequência em MHz, é a altura de
transmissão em metros, d é a distância do transmissor em
quilômetros e é a perda adicional por proximidade de
uma árvore que vale 10,29 dB.
IV. Redes neurais artificiais
Redes neurais artificiais são amplamente utilizadas na
resolução de vários tipos de problemas. Uma de suas
principais características é a possibilidade de
aprendizagem e mapeamento complexo em problemas
que são de difícil tratamento por métodos analíticos
tradicionais. No contexto da propagação em ambientes
vegetados, podem ser usadas para aproximar as funções
que modelam o fenômeno utilizando a base de dados das
medições reais, promovendo soluções para o mapeamento
não-linear, que são de intrincada solução em abordagens
clássicas.
As redes neurais propostas neste estudo são do tipo MLP,
utilizando o método da retro propagação do erro. Estas
redes são formadas por neurônios que são interligados e
ponderados por pesos sinápticos. Os neurônios são
treinados com as informações da base de dados e os pesos
corrigidos a cada iteração do algoritmo. A atualização dos
pesos possibilita o aprendizado dos padrões e seu
armazenamento.
Serão simuladas no Matlab R11 pela biblioteca
NNTOOL. O aplicativo será utilizado sempre com a
mesma arquitetura para todas as morfologias, por
similaridades e boa adequação experimental. A topologia
da rede neural pode ser vista na figura D.
Figura D- Topologia das redes neurais.
Os parâmetros da simulação são:
a)Quantidade de redes: serão utilizadas redes
independentes para cada morfologia;
b)Codificação e normalização: será utilizada a codificação
1-de-N para os valores da distância entre as antenas e
representação numérica normalizada entre -1 e 1 para o
erro na topologia. As variáveis frequência e altura de
transmissão não se mostraram representativas e foram
desconsideradas para simplificação do espaço de
atributos;
c) Topologia: serão utilizados para floresta e bosque, 20
entradas e para linha de árvores 16 entradas. Doze
neurônios na camada escondida e um na camada de
saída, aproximando a métrica proposta em [6], abaixo:
(4)
Onde é a quantidade de neurônios na camada
escondida, e são o número de neurônios na camada
de entrada e saída, respectivamente.
A função de ativação na camada escondida será a
sigmóide e na saída do tipo linear.
d) Será utilizado o método de parada antecipada early-
stop com o objetivo de evitar o overfitting (super
treinamento), com o threshold de trinta ciclos.
A base da dados para cada morfologia consiste de oito
set's (combinações entre alturas de transmissão e
frequência) com os valores do erro em função da
distância, perfazendo 160 amostras para floresta e bosque
e 128 para linha de árvores. Elas serão divididas
individualmente em três grupos: treinamento, validação e
teste. O conjunto de treinamento terá 70% do total. O
conjunto de validação e teste serão formados por 15% do
total cada. Cada conjunto será escolhido aleatoriamente
da base a cada execução. Na simulação de cada
morfologia não serão utilizados os sets na frequência de
750 MHz e altura de transmissão de 6 metros, reservados
apenas para verificar e demonstrar o modelo híbrido.
As distâncias entre antenas serão os atributos de entrada e
os erros os targets da aprendizagem assistida. Para cada
morfologia será selecionada a melhor previsão dentre
todas, que será utilizada na elaboração do modelo híbrido.
V. Modelos híbridos
Esta classe de modelos é formada pelo processamento
paralelo dos modelos empíricos e as redes neurais
artificiais, para cada morfologia, Figura E.
 descritos e comparados com modelos empíricos clássicos
em três morfologias vegetais típicas como prováveis
percursos de ondas eletromagnéticas na faixa de 700 a
800 MHz. Os híbridos apresentaram melhores predições
em todos os ambientes considerados, utilizando as
métricas de erro médio absoluto e desvio padrão sobre
dados obtidos através de medições em ambiente real.

Figura E- Modelo híbrido.

Segundo [4], modelos empíricos e redes neurais artificiais

podem não apresentar bom desempenho quando utilizadas
isoladamente. Os empíricos, pela incapacidade de realizar
mapeamento não-linear da perda em propagação e as
redes neurais, pela capacidade limitada de generalização
sob novas condições de propagação para as quais não
foram treinadas. No processamento paralelo essas duas
técnicas podem ser complementares, na medida em que
unem as vantagens inerentes a ambas abordagens.

VI. Resultados
Figura F- Floresta.
Os modelos empíricos e híbridos foram analisados em
função das estatísticas de erro médio absoluto e desvio
padrão representadas em função da perda de propagação
em relação a distância entre as antenas, para cada
morfologia (Tabela II). Foram utilizados como controle os
sets de medição na altura de transmissão de seis metros
em 750 MHz em cada ambiente, que não foram utilizados
em nenhuma etapa do processamento das redes neurais.

Tabela II

Estatísticas de erro dos modelos.

Morfologia Modelo Erro Desvio

absoluto padrão
médio
Floresta Empírico 6.35 6.32
Híbrido 4.80 5.71 Figura G- Bosque.
Bosque Empírico 4.25 1.65
Híbrido 1.77 1.51
Linha de Empírico 5.02 3.55
árvores Híbrido 2.22 2.07

Pode-se notar que os modelos híbridos apresentaram

melhores desempenhos em todos os ambientes analisados.
O processamento paralelo das redes neurais atuou
ajustando o modelo empírico baseado na aprendizagem e
mapeamento do erro de propagação, Figuras (F-H).

VII. Conclusão

Neste estudo foi proposta a utilização de modelos

híbridos neuro-empíricos na predição da perda de
propagação em ambientes vegetados. Estes foram Figura H- Linha de árvores.
 Agradecimentos

Ao CAPES – Comissão de Aperfeiçoamento de

Pessoal do Nível Superior, pelo apoio em concessão de
bolsa.
A UFPA – Universidade Federal do Pará, na pessoa
do prof. Gervásio Protásio dos Santos Cavalcante, pela
ajuda material no campanha de medições.

Referências

[1] J.R.C. Dal Bello, G.L. Siqueira, and H.L. Bertoni,

“Theoretical Analysis and Measurements Results of
Vegetation Effects on Path Loss for Mobile
Cellular Communication Systems”, IEEE
Transaction on Vehicular Technology, Vol. VT-49,
n0 04, pp. 1285-1293, July 2000.
[2] J.D. Parsons, The Mobile Radio Propagation
Channel, New York, John Wiley & Sons, 1992.
[3] L.J. De Matos, and G.L. Siqueira, “Time and
Frequency Dispersion of the Mobile Radio Signal
Through a Vegetated Channel”, Journal of
Communication and Information Systems JCIS -
IEEE, Vol.24, No.1, pp. 24-29, April 2009.
[4] G.P. Cavalcante, and M. Sanches, "Neural Adapted
Models for Radio Propagation Prediction on
Terrestrial Mobile Systems", Proceedings of the
XVIII Brazilian Telecommunication Symposium,
SBT’2000 – Gramado - RS, Brazil, 2000.
[5] J.C. Silva, "Effects of Vegetation on the Fading of
Radio Communication Links in the 700 MHz
Range". MSc. Dissertation, Electrical Engineering
Department, Pontifical Catholic University of Rio
de Janeiro (PUC-Rio), August, 2014.
[6] H. Demuth, and M. Beale, Neural Network Toolbox
for use with Matlab – User’s guide, The
Mathworks, inc., June 1992.
[7] Lecture on "Redes Neurais I", Professor Marley
Vellasco, Electrical Engineering Department, PUC
- Rio, 2014.