Aluno de Iniciação Científica: CAROLINE DE FRANÇA (PIBIC/UFPR-TN)
Curso: Engenharia Elétrica (Eletron.,Eletrotec.,Telecom.)
Orientador: Eduardo Gonçalves de Lima
Departamento: Engenharia Elétrica
Setor: Tecnologia
Palavras-chave: Amplificador de potência , Telecomunicações , Redes neurais
Área de Conhecimento: 30400007 - ENGENHARIA ELÉTRICA

Nos sistemas modernos de telecomunicações sem fio, necessita-se de uma elevada eficiência espectral que é a razão entre largura de banda ocupada e a taxa de transferência de dados. Isso se deve às altas taxas de transmissão de dados e tem como consequência a utilização da modulação da amplitude e fase de uma portadora de RF, a modulação em amplitude exige linearidade no sistema de transmissão, sobretudo dos amplificadores de potência (PAs), porém, para se obter alta eficiência energética, o PA necessita operar próximo à saturação aumentando a sua não-linearidade, com a finalidade de melhorar a eficiência energética dos PAs, porém mantendo o compromisso com a linearidade que as agências reguladoras exigem, a melhor alternativa é a utilização de um linearizador, como a técnica da pré-distorção digital em banda base, que necessita de um modelo comportamental para o PA a modelagem comportamental de PAs pode ser feita através de séries de Volterra e redes neurais, as séries de Volterra possuem grande número de parâmetros, enquanto que as redes neurais necessitam de menos parâmetros e produzem menores erros de extrapolação, este trabalho tem como objetivo implementar e comparar modelos comportamentais de PAs e em particular, definir qual o melhor tipo de rede neural (perceptron ou função de base radial, RBF) e quais os sinais de entrada mais adequados para a modelagem de PAs, o perceptron é uma rede que possui duas camadas ocultas, sendo que a primeira tem função de ativação não linear do tipo sigmoide e a de saída, do tipo linear, já a RBF possui apenas uma camada oculta do tipo gaussiana, tanto para o perceptron quanto para a RBF, foram implementados 3 modelos que se diferenciam pelos sinais de entrada utilizados: apenas o módulo da entrada complexa (entrada AM); as partes real e imaginária da entrada complexa (entrada Re_Im); e o módulo, o seno e o cosseno do ângulo de fase da entrada complexa (entrada AM_SC), para se definir qual o melhor tipo de rede neural, foi utilizado o erro quadrático médio entre as saídas medida e estimada, para entrada AM, os resultados obtidos para ambas as redes (perceptron e RBF), com o mesmo número de parâmetros, foram praticamente os mesmos, já para os modelos de entrada Re_Im e AM_SC, o cálculo do erro mostrou diferenças significativas, sendo o perceptron significativamente superior à RBF, verificou-se também que os resultados para entrada AM são significativamente inferiores aos demais e que os modelos de entrada AM_SC se mostraram muito mais eficazes que os modelos de entrada Re_Im, quando ambos utilizam poucos parâmetros.

0482