Universidade Federal do Triângulo Mineiro

Comunicações Móveis

Prof. Carlos Rafael Nogueira da Silva

e-mail: carlos.nogueira@uftm.edu.br
CANAL RÁDIO MÓVEL
MODELOS ESTATÍSTICOS

• O canal rádio móvel ele caótico

• É impossível prever de exata valores de potência e envoltória

• Modelos estatísticos nos dão uma ideia do comportamento do sinal

MODELOS ESTATÍSTICOS

• O sinal rádio móvel é afetado por diversos fatores

• Sombreamento: Obstáculos no meio do caminho
• Reflexão: Ondas refletidas em superfícies
• Difração: Ondas desviadas por obstáculos
• Espalhamento: (Scattering) Fenômeno associado a múltiplas difrações, Ex.: Folhagem
• Vários outros fenômenos podem causar desvanecimento
MODELOS ESTATÍSTICOS

• Separamos o desvanecimento em duas categorias

• Shadowing (Sombreamento): Obstáculos no percurso causam uma variação lenta do sinal de

rádio. Também é chamado de slow fading

• Multipath (Multipercurso): Esse tipo de desvanecimento é causado pelas múltiplas cópias

recebidas. Causa uma variação rápida do sinal. Também chamado de fast fading
MODELOS ESTATÍSTICOS

• Usamos distribuições de probabilidade para modelar estes desvanecimentos

• Sombreamento:
• A amplitude de uma onda eletromagnética propagando no espaço pode ser descrita por

• Onde é constante de atenuação.

• Esta onda alcançará o receptor após deparar-se com vários obstáculos
• Cada obstáculo tem uma grossura específica, e um coeficiente de atenuação próprio
MODELOS ESTATÍSTICOS

• Na saída do -ésimo obstáculo, a amplitude da onda será

• é o coeficiente de atenuação do -ésimo obstáculo

• é a grossura do -ésimo obstáculo
• é a amplitude logo antes de encontrar o obstáculo

• Não é difícil mostrar como é a relação entre o -ésimo obstáculo e onda transmitida
MODELOS ESTATÍSTICOS

• O que temos de aleatório nesta equação, ?

• Podemos assumir que e são aleatórios e variam de obstáculo para obstáculo
• Vamos definir:

• Então:
MODELOS ESTATÍSTICOS

• O campo elétrico é onde é uma variável aleatória

• Se o número de obstáculos for grande, podemos aplicar o teorema do limite central para
achar a pdf de
• Este teorema diz que a distribuição da soma de variáveis independentes tende para uma
Gaussiana (distribuição normal) quando o número de variáveis cresce sem limites
• PDF da Gaussiana
MODELOS ESTATÍSTICOS

• é a média de
• é a variância de
MODELOS ESTATÍSTICOS

• Vamos definir a perda do campo

• Em dB

• Vamos definir também e como a média e variância de respectivamente

MODELOS ESTATÍSTICOS

• Vamos agora encontrar a PDF de

MODELOS ESTATÍSTICOS

• Como

• Então
MODELOS ESTATÍSTICOS

• Colocando em termos da média e variância de

• Então

• Como , e estão em forma logarítmica, ela fica conhecida como lognormal PDF
MODELOS ESTATÍSTICOS

• Conculindo:
• Se tem uma distribuição normal o excesso de perda relação ao espaço livre em decibéis
também terá uma distribuição normal

• A envoltória, (dB), do sinal recebido em decibéis também terá uma distribuição normal

• e são a média e variância de em decibéis

MODELOS ESTATÍSTICOS

• Medidas de campo observaram um desvio padrão na faixa de dB

• Exercício: Qual a pdf da envoltória linear, sabendo que ?
R.:

• Esta PDF é a PDF da distribuição de probabilidade conhecida como lognormal

• linear tem uma distribuição lognormal em decibéis tem uma distribuição normal
MODELOS ESTATÍSTICOS

• A distribuição lognormal é uma das mais difíceis de trabalhar

• CDF de em db
MODELOS ESTATÍSTICOS

• Multipercurso

• Existem muitos modelos de distribuição para representar o fenômeno de multipercurso

• Cada modelo se ajusta melhor para certas condições específicas

MODELOS ESTATÍSTICOS

• Distribuição de Rayleigh
• É a mais simples
• Considera um sinal chegando de infinitos percursos com fase aleatória distribuída
uniformemente entre 0 e 2
• Seja uma onda com frequência chegando no receptor com um fase e amplitude

• O sinal recebido será a soma de todos os

MODELOS ESTATÍSTICOS

• Podemos escrever como

• Onde

• Usando a fórmula de Euler

MODELOS ESTATÍSTICOS

• Então temos que

• Sabemos que
MODELOS ESTATÍSTICOS

• Considerações
1. grande
2. aleatório
3. distribuído uniformemente

• Pelo teorema do limite central podemos assumir e como sendo Gaussianos com média
zero e variância
• Além disso consideramos e sendo independentes
MODELOS ESTATÍSTICOS

• Levando tudo isto em conta, a PDF da envoltória é obtida depois de uma transformação
de variáveis

• Lembrando que é a variância da Gaussina.

MODELOS ESTATÍSTICOS

• É comum escrever as PDF de uma envoltória em termos do valor rms,

• Segundo momento, , então

• Cumulative Distribution Function (CDF)

MODELOS ESTATÍSTICOS

• O modelo complexo , serviu como base para o desenvolvimento de diversos outros modelos
• Ex.:
• Nakagami-m
• Rice
• Hoyt
• -
• -
• -
MODELOS ESTATÍSTICOS

• O modelo de desvanecimento de Nakagami-m

• Modelo estatístico obtido de forma empírica, inicialmente, sem interpretação física

• é a potência média do sinal

MODELOS ESTATÍSTICOS

• O modelo de desvanecimento de Rice

• Este modelo considera que um raio chega com linha de visada, ou seja um valor
dominante

• A PDF neste caso é dada por

• é chamada de função modificada de Bessel do primeiro tipo e ordem

MODELOS ESTATÍSTICOS

• O modelo de desvanecimento de Hoyt

• O modelo de Hoyt considera que as variâncias de e são diferentes
• A PDF é dada por

• é definido como a razão entre as variâncias, i.e.,

MODELOS ESTATÍSTICOS

• Generalizações
• No final dos anos 90 e início de 2000, pensou-se em um modelo que considera cluster de
multipercurso
MODELOS ESTATÍSTICOS

• Os cluster de multipercurso se combinam em potência, ou seja

• Onde seria o número de clusters de multipercurso

• tem distribuição Gaussiana de média 0 e variância
• tem distribuição Gaussiana de média 0 e variância
• Em um primeiro momento considerou-se que
MODELOS ESTATÍSTICOS

• A PDF de R nestas condições foi obtida como

• Esta é a PDF do modelo de Nakagami-m

MODELOS ESTATÍSTICOS

• O modelo -
• Este modelo considera que o sinal passa por um meio não linear
• A não linearidade é representada pelo parâmetro
MODELOS ESTATÍSTICOS

• A PDF do modelo- é obtida por uma transformação de variáveis

• Fazendo esta transformação

MODELOS ESTATÍSTICOS

• O modelo -: Uma generalização da Rice

• Este modelo considera que o sinal de Rice chega por clusters de multipercurso
• O modelo da envoltória é dado por

• é o número de clusters
• e são as componentes dominantes
MODELOS ESTATÍSTICOS

• A PDF da distribuição - é dada por

• O parâmetro é definido como a razão da potência total da componente dominante pela

potência total da componente espalhada ( e )
MODELOS ESTATÍSTICOS

• Modelo de desvanecimento -: Generalizando Hoyt

• Este modelo considera o sinal de Hoyt em um ambiente com clusters de multipercurso

• e seguem a distribuição Gaussiana

• As variâncias são diferentes
MODELOS ESTATÍSTICOS

• Neste caso a PDF é dada por

• Os parâmetros e são dados por

• E o parâmetro é a razão da potências de e

MODELOS ESTATÍSTICOS

• Casos Particulares

-
Nakagami-m com
Gamma com
Weibull
, Exponencial
Rayleigh
Meia Gaussiana
MODELOS ESTATÍSTICOS

• Casos Particulares

-
Nakagami-m com
Rice
Rayleigh
, Meia Gaussiana
Folded Normal
MODELOS ESTATÍSTICOS

• Casos Particulares

-
Nakagami-m
Nakagami-m
Nakagami-m
Hoyt
MODELOS ESTATÍSTICOS

• Neste ponto estamos prontos para juntar todos os fenômenos

• O sinal é composto por uma queda de percurso que afeta o valor médio
• Este valor médio oscila lentamentamente devido ao sombreamento
• O valor instantâneo oscila rapidamente devido ao multipercurso
MODELOS ESTATÍSTICOS

• A distribuição deste sinal é uma composição do sombreamento e multipercurso

• Vamos considerar um ambiente Rayleigh cuja PDF dado um valor médio em dB

• O valor médio de Rayleigh é . Expressando este valor em dB e igualando a X

MODELOS ESTATÍSTICOS

• Substituindo o valor rms em termos do valor médio

MODELOS ESTATÍSTICOS

• Distribuição de Suzuki