ads:
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL
FACULDADE DE ENGENHARIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
DESCONVOLUÇÃO AUTODIDATA CONCORRENTE PARA
BEAMFORMERS NÃO SUPERVISIONADOS EM ANTENAS
CONTROLADAS POR REATÂNCIA
LEONARDO ORTOLAN
Porto Alegre, Abril de 2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL
FACULDADE DE ENGENHARIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
DESCONVOLUÇÃO AUTODIDATA CONCORRENTE PARA
BEAMFORMERS NÃO SUPERVISIONADOS EM ANTENAS
CONTROLADAS POR REATÂNCIA
LEONARDO ORTOLAN
Dissertação de mestrado apresentada ao Programa de
Pós-Graduação em Engenharia Elétrica, da Pontifícia
Universidade Católica do Rio grande do Sul, como
parte dos requisitos para a obtenção do título de
Mestre em Engenharia Elétrica.
Área de concentração: Tecnologia da Informação /
Telecomunicações
ORIENTADOR: Maria Cristina Felippeto de Castro
CO-ORIENTADOR: Fernando César Comparsi de
Castro
Porto Alegre, Abril de 2007
ads:
DESCONVOLUÇÃO AUTODIDATA CONCORRENTE PARA
BEAMFORMERS NÃO SUPERVISIONADOS EM ANTENAS
CONTROLADAS POR REATÂNCIA
Esta dissertação foi julgada adequada para a obtenção
do título de Mestre em Engenharia Elétrica e aprovada
em sua forma final pelo Orientador e pela Banca
Examinadora.
Orientador:
____________________________________
Prof. Dr. Maria Cristina Felippeto de Castro,
PUCRS
Doutor pela UNICAMP
Banca Examinadora:
Prof. Dr. Paulo Roberto Girardello Franco, PUCRS
Doutor pela University of New México, U.N.M., Estados Unidos
Prof. Dr. Fernando C. C. De Castro, PUCRS
Doutor pela UNICAMP, Campinas, SP
Coordenador do PPGEE: _______________________________
Prof. Dr. Daniel Coutinho
Porto Alegre, Abril de 2007
Aos meus pais Léo Ortolan e
Nadir Maria Ortolan
À minha irmã Silvia Ortolan
Dedico
AGRADECIMENTOS
Agradeço em primeiro lugar à Deus que me iluminou durante mais essa etapa de
minha formação acadêmica. Tenho a certeza que em muitas horas ele se fez presente dando
força e me mantendo firme no rumo que um dia eu escolhi.
Agradeço a todos que, direta ou indiretamente, contribuíram para o desenvolvimento
deste trabalho. Em especial:
À minha orientadora, Profª Dra. Maria Cristina Felippetto de Castro, pela
oportunidade de ingressar neste programa de Pós-Graduação, pelos seus ensinamentos e
confiança em mim depositada ao longo desses anos, meus sinceros agradecimentos.
Ao Prof Dr. Fernando César Comparsi de Castro, pela atenção, suporte e paciência a
mim dedicados, ajuda que foi fundamental para que este trabalho fosse concluído com êxito.
À todos integrantes do Centro de Pesquisa em Tecnologias Wireless da PUCRS,
companheiros de trabalho mas, acima de tudo amigos que estiveram presentes durante
momentos difíceis de minha vida.
Aos meus pais, Léo e Nadir, pessoas magníficas que nunca mediram esforços para que
eu pudesse estudar e sempre me incentivaram na busca de meus objetivos, pelo eterno
incentivo meu eterno agradecimento.
À minha irmã Silvia, pelo amor, força e incentivo incondicionais, agradeço com muito
carinho.
À minha grande amiga, Márcia Cristina Andreazza, pelo carinho, companheirismo,
amizade, dedicação e amor em todo tempo que estivemos juntos, pelo eterno incentivo, meu
profundo agradecimento.
RESUMO
A ESPAR (Electronically Steerable Parasitic Array Radiator) é uma antena
adaptativa, utilizada para recepção de sinais digitais. Esta antena, diferentemente das demais
antenas inteligentes, necessita de apenas um downconverter no elemento central ativo. Todos
os outros elementos da antena são parasitas e modelam o diagrama de irradiação através do
ajuste independente de reatâncias controláveis. Estas reatâncias são ajustadas por meio de um
algoritmo adaptativo. O objetivo deste algoritmo é buscar um conjunto de valores para as
reatâncias, tal que o diagrama de irradiação seja modelado de modo a anular sinais
interferentes. Neste trabalho são propostos dois novos algoritmos baseados no Gradiente
Estocástico, para controle de antenas controladas por reatâncias, tal como a ESPAR. O
primeiro algoritmo aplica o princípio de operação do Processo de Desconvolução Autodidata
Concorrente (PDAC) ao algoritmo Maximum Moment Criterion (MMC). Já o segundo
algoritmo utiliza a arquitetura original do PDAC. Esses processos avaliam não apenas a
energia do sinal recebido (amplitude), mas também a fase do sinal, sem necessidade de
transmissão de qualquer seqüência de treino. Os resultados obtidos demonstram que os
algoritmos que utilizam a arquitetura concorrente não só resultam em um menor erro médio
quadrático em relação à constelação de referência da modulação digital, como também
resultam em uma melhor relação sinal-interferência.
Palavras-chaves: ESPAR. Antenas Inteligentes. Beamformers. Processamento Digital de
Sinais. Processamento adaptativo.
ABSTRACT
The electronically steerable parasitic array radiator (ESPAR) is a smart antenna suited
for low-cost user terminal applications. Beamforming is achieved by adaptively adjusting the
load reactances at parasitic elements surrounding the active central element. The main goal is
to establish nulls in the interfering directions of the array radiation pattern. This work presents
two new blind beamformers for use with reactance domain controlled arrays, such as ESPAR
antennas. The new beamformers are based on the concurrent operation of two stochastic
gradient algorithms, one which minimizes a cost function that measures the received signal
energy dispersion and other which minimizes the Euclidean distance between the received
digital modulation symbols and the ones in the reference constellation. The first algorithm
applies the principle of operation of the Concurrent Self-learning Deconvolution Process
(CSDP) to the Maximum Moment Criterion (MMC) algorithm. The second algorithm uses the
original architecture of the CSDP, which relies upon the Constant Modulus Algorithm
(CMA). These two approaches not only evaluate the energy of the received signal, but also
the signal phase, needing no transmission of any training sequence. The results show that
these two concurrent approaches result not only in a smaller mean square error (MSE) in
relation to the reference constellation of the digital modulation but also result in a better signal
to interference ratio.
Keywords: ESPAR, smart antennas, Beamformers, Digital Signal Processing, Adaptive
Process.
LISTA DE FIGURAS
Figura 2. 1: Dipolo curto referenciado a um sistema de coordenadas esféricas
(
)
φθ
,,r
. ..... 17
Figura 2. 2: Componentes de campo de um dipolo ideal ........................................................ 23
Figura 2. 3: Padrão de irradiação tri-dimensional do dipolo curto ....................................... 23
Figura 3. 1: PLL (phase-lock loop) array................................................................................ 25
Figura 3. 2: Array adaptativo genérico ................................................................................... 26
Figura 3. 3: Filtro Adaptativo Temporal ................................................................................. 27
Figura 4. 1: Arquitetura do array de uma ESPAR. ................................................................. 29
Figura 4. 2: Detalhe construtivo da ESPAR mostrada na Figura 4.1..................................... 29
Figura 4. 3: Antena ESPAR ..................................................................................................... 30
Figura 4. 4: Arquitetura do array da ESPAR adotada neste trabalho. ................................... 31
Figura 4. 5: AI receptora genérica constituída por um array de M dipolos simétricos de
comprimento
l
, estando o m-ésimo dipolo localizado em
(
)
mmm
zyx ,, . ............ 32
Figura 4. 6: Representação do acomplamento entre duas antennas ....................................... 37
Figura 5. 1: Espalhador eletromagnético cilíndrico alinhado com o eixo
z
. .......................... 39
Figura 5. 2: Modelos equivalentes para um EE cilíndrico com
λ
<<
a , sendo
λ
o
comprimento de onda. (a) EE com densidade de corrente de superfície
equivalente
s
J observado de um ponto na superfície do EE. (b) EE com
densidade de corrente de superfície equivalente
s
J observado do eixo do
cilindro. (c) linha de corrente filamentar equivalente à situação mostrada em
(b). (d) representação alternativa e equivalente à situação mostrada em (c)
.
... 42
Figura 5. 3: Aproximação “em escada” da distribuição de corrente no EE. ......................... 46
Figura 5. 4: Modelo da fonte de excitação delta gap. ............................................................. 51
Figura 5. 5: Modelo da fonte de excitação frill. ...................................................................... 51
Figura 5. 6: Campo elétrico tangencial total normalizado
si
EEE
tantantan
+= ........................ 54
Figura 5. 7: Cálculo do elemento
12
ZZ
mn
=
da matriz
[
]
mn
Z
para o dipolo curto de
comprimento
λ
1.0
e raio
λ
005.0
=
a do exemplo em questão.
(
)
zF
′
2
é a
função de expansão da corrente e
(
)
zF
1
é a função de teste. No caso, uma vez
que estamos utilizando o Método de Galerkin com função pulso retangular,
(
)
zF
′
2
é dada por (5.17) e
(
)
zF
1
é dada por (5.38).
(
)
zzK
′
,
é obtida da
comparação de (.13) com (5.1).
(
)
zzR
′
,
é dado por (5.8) com xx
′
=
e
yy
′
=
.
............................................................................................................................. 57
Figura 5.8: Curvas mostrando a convergência da impedância de entrada
AAA
jXRZ +=
para o Método de Galerkin com função pulso retangular a medida em que o
número N de elementos finitos (segmentos) é aumentado. Para cada gráfico são
mostradas duas curvas: uma para fonte delta gap e outra para fonte frill. O EE
é um dipolo de comprimento
λ
47.0
=
L e raio
λ
005.0
=
a . ............................. 59
Figura 6. 1: Diagrama do Equalizador Concorrente. ............................................................. 60
Figura 8. 1: Gráficos das Constelações: 16-QAM e 64-QAM, com SNR= 35dB.................... 75
Figura 8. 2: Gráficos da Constelação 16-QAM, com SNR= 35dB, nos cenários de operação
dos casos I, II e III............................................................................................... 75
Figura 8. 3: Gráficos da Constelação 64-QAM, com SNR= 35dB, no cenário de operação do
caso IV................................................................................................................. 76
Figura 8. 4: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 35dB .................................................. 77
Figura 8. 5: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 35dB................................................. 78
Figura 8. 6: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 35dB ............................................... 79
Figura 8. 7: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 35dB................................................ 80
Figura A. 1: Constelação do sinal de referência sob efeito de ruído gaussiano..................... 86
Figura A. 2: Constelação do sinal na saída da antena, com duas frentes de onda incidindo na
mesma.................................................................................................................. 87
Figura A. 3: Diagramas de Irradiação Caso I ........................................................................ 88
Figura A. 4: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 15dB .................................................. 89
Figura A. 5: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 25dB .................................................. 90
Figura A. 6: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 35dB .................................................. 91
Figura A. 7: Diagramas de Irradiação Caso II ....................................................................... 92
Figura A. 8: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 15dB................................................. 93
Figura A. 9: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 25dB................................................. 94
Figura A. 10: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 35dB................................................. 95
Figura A. 11: Diagramas de Irradiação Caso III.................................................................... 96
Figura A. 12: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 15dB ............................................... 97
Figura A. 13: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 25dB ............................................... 98
Figura A. 14: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 35dB ............................................... 99
Figura A. 15: Diagramas de Irradiação Caso IV.................................................................. 100
Figura A. 16: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 15dB.............................................. 101
Figura A. 17: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 25dB.............................................. 102
Figura A. 18: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 35dB.............................................. 103
Figura A. 19: Diagramas de Irradiação Caso V ................................................................... 104
Figura A. 20: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 15dB............................................... 105
Figura A. 21: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 25dB............................................... 106
Figura A. 22: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 35dB............................................... 107
Figura A. 23: Diagramas de Irradiação Caso VI.................................................................. 108
Figura A. 24: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 15dB.............................................. 109
Figura A. 25: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 25dB.............................................. 110
Figura A. 26: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 35dB.............................................. 111
Figura A. 27: Constelação do sinal na saída da antena, com três frentes de onda incidindo na
mesma................................................................................................................ 112
Figura A. 28: Diagramas de Irradiação Caso VII................................................................. 113
Figura A. 29: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 15dB ............................................ 114
Figura A. 30: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 25dB ............................................ 115
Figura A. 31: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 35dB ............................................ 116
Figura A. 32: Diagramas de Irradiação Caso VIII ............................................................... 117
Figura A. 33: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR = 15dB........................................... 118
Figura A. 34: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR = 25dB........................................... 119
Figura A. 35: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR =315dB.......................................... 120
Figura A. 36: Diagramas de Irradiação Caso IX.................................................................. 121
Figura A. 37: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 15dB.............................................. 122
Figura A. 38: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 25dB.............................................. 123
Figura A. 39: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 35dB.............................................. 124
Figura A. 40: Diagramas de Irradiação Caso X ................................................................... 125
Figura A. 41: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 15dB............................................... 126
Figura A. 42: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 25dB............................................... 127
Figura A. 43: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 35dB............................................... 128
Figura A. 44: Constelação do sinal na saída da antena, com quatro frentes de onda incidindo
na mesma........................................................................................................... 129
Figura A. 45: Diagramas de Irradiação Caso XI.................................................................. 130
Figura A. 46: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 15dB.............................................. 131
Figura A. 47: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 25dB.............................................. 132
Figura A. 48: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 35dB.............................................. 133
Figura A. 49: Diagramas de Irradiação Caso XII................................................................. 134
Figura A. 50: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 15dB ............................................ 135
Figura A. 51: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 25dB ............................................ 136
Figura A. 52: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 35dB ............................................ 137
Figura A. 53: Constelação do sinal de referência sob efeito de ruído gaussiano................. 138
Figura A. 54: Constelação do sinal na saída da antena, com duas frentes de onda incidindo
na mesma........................................................................................................... 138
Figura A. 55: Diagramas de Irradiação Caso XIII ............................................................... 139
Figura A. 56: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIII, SNR = 25dB........................................... 140
Figura A. 57: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIII, SNR = 35dB........................................... 141
Figura A. 58: Diagramas de Irradiação Caso XIV ............................................................... 142
Figura A. 59: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIV, SNR = 25dB ........................................... 143
Figura A. 60: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIV, SNR = 35dB ........................................... 144
Figura A. 61: Diagramas de Irradiação Caso XV................................................................. 145
Figura A. 62: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XV, SNR = 25dB ............................................ 146
Figura A. 63: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XV, SNR = 35dB ............................................ 147
Figura A. 64: Diagramas de Irradiação Caso XVI ............................................................... 148
Figura A. 65: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVI, SNR = 25dB ........................................... 149
Figura A. 66: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVI, SNR = 35dB ........................................... 150
Figura A. 67: Diagramas de Irradiação Caso XVII .............................................................. 151
Figura A. 68: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVII, SNR = 25dB.......................................... 152
Figura A. 69: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVII, SNR = 35dB.......................................... 153
Figura A. 70: Diagramas de Irradiação Caso XVIII............................................................. 154
Figura A. 71: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVIII, SNR = 25dB ........................................ 155
Figura A. 72: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVIII, SNR = 35dB ........................................ 156
LISTA DE TABELAS
Tabela 1: Procedimento passo a passo para execução do algoritmo Concorrente (MMC-DD e
CMD-DD)............................................................................................................... 72
Tabela 2: Características das frentes de onda que chegam na antena ................................... 85
SUMÁRIO
1.
INTRODUÇÃO .......................................................................................................14
2.
CONCEITOS BÁSICOS SOBRE ANTENAS.........................................................16
2.1. Dipolo curto................................................................................................................... 16
2.2. Padrão de irradiação ...................................................................................................... 20
3.
ANTENAS ADAPTATIVAS....................................................................................25
4.
A ANTENA ESPAR................................................................................................28
4.1. Descrição física da ESPAR ........................................................................................... 28
4.2. Descrição analítica da ESPAR ...................................................................................... 30
5.
MÉTODO DOS MOMENTOS.................................................................................38
5.1. Introdução ao MoM....................................................................................................... 38
5.2. Equação integral de Pocklington e as equações de malha de Kirchhoff....................... 44
5.3. Modelos para a Fonte de Excitação do EE.................................................................... 50
5.4. O Método dos Resíduos Ponderados............................................................................. 52
6.
O EQUALIZADOR AUTODIDATA CONCORRENTE............................................60
7.
DESCRIÇÃO DO ALGORITMO INTELIGENTE....................................................66
8.
RESULTADOS EXPERIMENTAIS ........................................................................73
9.
CONCLUSÕES ......................................................................................................82
10.
REFERÊNCIAS BIBLIOGRÁFICAS......................................................................83
14
1. INTRODUÇÃO
No cenário de operação de um receptor digital
wireless
, a antena recebe o sinal
desejado juntamente com vários sinais interferentes resultantes de outras fontes de sinal e de
multipercurso. Neste contexto, o principal objetivo de uma antena inteligente (AI) é modelar
adaptativamente o diagrama de irradiação de modo a reduzir o ganho nas direções dos sinais
interferentes, operação que é denominada de
beamforming
.
Existem duas grandes classes de
beamformers
: os que necessitam do conhecimento de
uma seqüência de treino (
beamformer
supervisionado) e os que não necessitam (
beamformer
blind
). O
beamformer
descrito em [1] utiliza uma seqüência de treino para minimização da
função de custo adotada, sendo, portanto, supervisionado. Diferentemente dos algoritmos
blind
usuais, como o MMC (
Maximum Moment Criterion
) [2] cuja função de custo somente
considera a amplitude do sinal, o Processo de Desconvolução Autodidata Concorrente
(PDAC) [3] faz o uso de uma função de custo que avalia não só a amplitude como também a
fase do sinal.
A proposta deste trabalho é aplicar o princípio de operação concorrente do PDAC ao
beamformer
proposto em [1], substituindo a função de custo supervisionada original pelas
arquiteturas concorrentes. São propostas duas arquiteturas para avaliar a potência do sinal
recebido: a primeira utiliza a configuração original do PDAC com o CMA (
Constant Modulus
Algorithm
); a segunda, utiliza o MMC proposto em [2]. Tal configuração objetiva avaliar
simultaneamente, a amplitude e fase do sinal recebido na operação do
beamformer
.
A antena a ser utilizada neste trabalho é proposta por Ohira [4][5]. Denominada
ESPAR (
Electronically Steerable Parasitic Array Radiator
), essa arquitetura de antena possui
15
um custo relativamente baixo, pois necessita de apenas um
downconverter
que é ligado ao
elemento central ativo. O diagrama de irradiação dessa antena é modelado através do ajuste
independente nas reatâncias de base dos elementos parasitas. A descrição detalhada deste
array
será feita posteriormente.
A fim de balizar o estudo, no sentido de aplicar os conceitos necessários para o
desenvolvimento do trabalho proposto, foi feita uma revisão teórica abrangendo princípios
elementares sobre antenas. Orientando o estudo para o campo dos
arrays
adaptativos, foi
realizada uma breve análise sobre modelos de funcionamento dessas antenas. Ainda, no
contexto de antenas adaptativas, foi desenvolvido um estudo sobre a arquitetura da antena
ESPAR,
array
escolhido para o
beamformer
proposto neste trabalho, no intuito de apresentar
suas principais características e princípios de funcionamento. Houve necessidade, ainda, de
estudo das técnicas não supervisionadas de minimização da função de custo, além de técnicas
de modelamento eletromagnético de antenas (Método dos Momentos).
16
2. CONCEITOS BÁSICOS SOBRE ANTENAS
Antena é o elemento de um sistema
wireless
cuja finalidade é transferir a energia de
um circuito para o espaço e vice-versa. A performance operacional de uma antena é definida
em função de alguns parâmetros e propriedades fundamentais que estudaremos na seção 2.1
mediante o estudo de dipolos curtos. Um dipolo curto é o irradiador mais elementar
concebível, mas o seu estudo permite inferirmos o comportamento de antenas mais
complexas, na medida em que qualquer antena pode ser decomposta em uma infinidade de
irradiadores elementares do tipo de um dipolo curto [12].
2.1. Dipolo curto
A fim de reduzir a complexidade matemática no estudo das propriedades
eletromagnéticas da estrutura e geometria de uma antena, faremos a análise do chamado
dipolo curto. Qualquer geometria de antena pode ser decomposta em uma infinidade de
elementos infinitesimais (
λ
<<
l ), onde l é o tamanho do dipolo [13], cada elemento
infinitesimal sendo um dipolo curto.
A figura 2.1 mostra um dipolo curto simetricamente posicionado na origem do sistema
de coordenadas e orientado ao longo do eixo
z
. Dado a simetria geométrica de um dipolo, é
conveniente analisar o dipolo curto referenciado a um sistema de Coordenadas Esféricas
(
)
φθ
,,r
[12].
17
Figura 2. 1: Dipolo curto referenciado a um sistema de
coordenadas esféricas
(
)
φθ
,,r
.
Assumiremos que o dipolo curto é parte de uma antena linear arbitrariamente maior,
alimentada por uma linha de transmissão excitada por um gerador de tensão senoidal
(
)
(
)
ftVtV
π
2cos
0
=
de modo que a variação temporal da corrente na antena linear maior e no
dipolo curto é da forma
(
)
(
)
ϕπ
+==
ftItII 2cos
0
, onde
0
I
é o valor instantâneo máximo da
corrente [12].
Sob o ponto de vista da geração do campo magnético
H
, a partir de uma corrente
elétrica, o comprimento
λ
<<
l do dipolo curto permite que a distribuição espacial de
corrente seja considerada aproximadamente constante e de valor
I
ao longo do comprimento
l , variando no tempo de acordo com
(
)
(
)
ϕπ
+==
ftItII
2cos
0
.
Sob o ponto de vista da geração do campo elétrico
E
, a partir de uma densidade
volumétrica de cargas elétricas, a variação senoidal no tempo da corrente impõe uma
aceleração às cargas livres no condutor de forma a gerar uma densidade volumétrica de carga
não nula que varia ao longo de l [12].
18
Os campos
E
e
H
de qualquer antena real podem ser obtidos como uma composição
vetorial dos campos
E
e
H
gerados pela infinidade de dipolos curtos que a compõe. As
características e o relacionamento entre os campos
(
)
trE ,,,
φθ
e
(
)
trH ,,,
φθ
apresentam
comportamento diferenciado que é função da distância
r
do ponto
(
)
φθ
,,rp
ao dipolo curto.
Este comportamento diferenciado depende especificamente da relação entre
r
e o
comprimento de onda
λ
, definindo duas regiões básicas do processo de irradiação
denominadas de Campo Próximo (
λ
<<
r
) e Campo Distante (
λ
>>
r
) [12].
Tomando por base as Equações de Maxwell e conceitos de teoria eletromagnética,
obtém-se as relações analíticas obtidas para os campos gerados, sem nenhuma restrição
quanto a distância
r
do ponto
(
)
φθ
,,rp
do espaço
3
ℜ
ao dipolo curto. Dado que
F/m 361010854,8
912
0
πε
−−
≈×= é a permissividade elétrica do vácuo;
f
π
β
2
=
é a
constante de propagação de uma onda eletromagnética senoidal;
×==
s
m
103
1
8
00
εµ
c
é a
velocidade da luz no vácuo e H/m 1041026.1
76
0
−−
×=×=
πµ
é a permeabilidade magnética
do vácuo, temos que [12]:
(
)
+=
−
32
0
0
11
2
cos
rjcr
eI
E
rtj
r
ωπε
θ
βω
l
m
V
(2.1)
(
)
++=
−
322
0
0
11
4
rjcrrc
j
seneI
E
rtj
ω
ω
πε
θ
βω
θ
l
m
A
(2.2)
(
)
+=
−
2
0
1
4 rcr
j
seneI
H
rtj
ω
π
θ
βω
φ
l
m
V
(2.3)
0===
θφ
HHE
r
(2.4)
19
A região de Campo Distante é a região do espaço
3
ℜ na qual a distância
r
entre um
irradiador e qualquer ponto
(
)
φθ
,,rp
pertencente à região é tal que
λ
>>
r
. Na prática, isto é
quantificado através da relação
λ
2
2
D
r
> , onde D é a maior dimensão física do irradiador.
Sendo que essa relação é válida se
D
r
>>
,
λ
>>
r
e
λ
>>
D
, situação que ocorre para
antenas de abertura, como Refletores Parabólicos e Horns. Para o caso específico do dipolo
curto, adota-se a relação
π
λ
2/
>
r
e para antenas lineares, em geral, vale a relação
λ
10
>
r
[13].
A partir das equações (2.1), (2.2), (2.3) e (2.4), podemos obter as relações analíticas de
(
)
trE ,,,
φθ
e
(
)
trH ,,,
φθ
na região de campo distante, para um dipolo curto [12].
0=
r
E
(2.5)
( )
rc
seneI
rc
jseneI
E
rtj
rtj
λε
θω
πε
θ
π
βω
βω
θ
0
2
0
2
0
0
24
+−
−
=
=
ll
m
V
(2.6)
( )
r
seneI
cr
j
seneI
H
rtj
rtj
λ
θ
ω
π
θ
π
βω
βω
φ
24
2
00
+−
−
=
=
ll
m
A
(2.7)
0===
θφ
HHE
r
(2.8)
Considera-se uma região de campo próximo a região do espaço
3
ℜ na qual a distância
r
entre um irradiador e qualquer ponto
(
)
φθ
,,rp
pertencente à região é tal que
λ
<<
r . Na
20
prática essa relação é quantificada por
λ
3
62.0
D
r < . Para o caso do dipolo curto e para
antenas lineares em geral adota-se a relação
π
λ
2/
<
r [13].
A partir das equações (2.1), (2.2), (2.3) e (2.4), podemos obter as relações analíticas de
(
)
trE ,,,
φθ
e
(
)
trH ,,,
φθ
na região de campo próximo para um dipolo curto [12]
( )
=
=
−−
−
3
0
2
0
3
0
0
1
2
cos
1
2
cos
r
eI
rj
eI
E
rtj
rtj
r
ωπε
θ
ωπε
θ
π
βω
βω
ll
m
V
(2.9)
( )
=
=
−−
−
3
0
2
0
3
0
0
1
4
1
4 r
seneI
rj
seneI
E
rtj
rtj
ωπε
θ
ωπε
θ
π
βω
βω
θ
ll
m
V
(2.10)
(
)
=
−
2
0
1
4 r
seneI
H
rtj
π
θ
βω
φ
l
m
A
(2.11)
0===
θφ
HHE
r
(2.12)
2.2. Padrão de irradiação
O padrão de irradiação
(
)
φθ
,F
de uma antena é definido como uma função
matemática ou representação gráfica das propriedades de irradiação da antena em função das
coordenadas espaciais. Em muitos casos, o padrão de irradiação é determinado na região de
campo distante e é representado como uma função das coordenadas direcionais [12].
É conveniente normalizar a expressão de campo tal que seu valor máximo, seja
unitário:
21
( )
( )
max
,
θ
θ
φθ
E
E
F =
(2.13)
onde
(
)
φθ
,F
define a intensidade normalizada do campo elétrico
(
)
φθ
θ
,E resultante em cada
ponto da superfície esférica de raio
r
, em cujo centro encontra-se a antena e
(
)
max
θ
E é o
máximo valor de
θ
E sobre a esfera de raio
r
[13].
Um elemento de corrente sobre o eixo
z
tem um padrão de irradiação normalizado
dado por,
( )
( )
θ
λε
λε
θ
θ
π
βω
π
βω
θ
θ
sen
rc
eI
rc
seneI
E
E
F
rtj
rtj
===
+−
+−
0
2
0
0
2
0
2
2
max
l
l
(2.14)
sendo que não há variação de
φ
[13].
Em geral, um padrão de campo normalizado pode ser escrito como o produto
(
)
(
)
(
)
φθφθφθ
,,, fgF =
(2.15)
onde
(
)
φθ
,g
é o fator elemento e
(
)
φθ
,f
o fator padrão. O fator padrão vem da
integral sobre a corrente e é estritamente devido à distribuição de corrente no espaço. Já o
fator elemento é o padrão de um dipolo curto na distribuição de corrente e pode ser
interpretado como a projeção do elemento corrente na direção
θ
[13].
O padrão de irradiação é dado em decibéis por
22
(
)
(
)
(
)
φθφθ
,log20, FF
dB
=
(2.16)
Freqüentemente, propriedades direcionais da irradiação de uma antena são dadas por
outra forma de padrão de irradiação; o padrão de potência [13], dado por:
(
)
(
)
2
,,
φθφθ
FP =
(2.17)
e em decibéis dada por
(
)
(
)
(
)
(
)
(
)
φθφθφθ
,log20,log10, FPP
dB
==
(2.18)
Examinando o padrão de irradiação de um dipolo curto podemos entender melhor esse
conceito. Os campos irradiados a partir de um dipolo ideal são mostrados na Figura 2.2 sobre
a superfície de uma esfera de raio
r
na região de campo distante e podem ser calculados a
partir de (2.6) e (2.7). A variação angular de
θ
E e
φ
H sobre a esfera é sen(
θ
). Se utilizarmos
uma antena como ponta de prova e a movermos sobre a superfície da esfera orientada
paralelamente a
θ
E , obteremos uma tensão em seus terminais proporcional a sen(
θ
). O
gráfico do valor normalizado desta tensão é o padrão de irradiação do dipolo curto. Note que
se movermos a antena de prova paralelamente a
θ
E em qualquer plano que contenha o eixo z,
dito Plano-E pois contém o vetor campo elétrico, obteremos o mesmo padrão de radiação
23
proporcional a sen(
θ
). Um plano perpendicular ao Plano-E, ou seja, o plano x-y, é chamado
de Plano-H pois contém o campo magnético
φ
H [13].
Figura 2. 2: Componentes de campo de um dipolo ideal
A Figura 2.3 nos mostra uma representação tri-dimensional do padrão de irradiação de
um dipolo ideal.
Figura 2. 3: Padrão de irradiação tri-dimensional do dipolo curto
24
O principal objetivo de uma antena inteligente é modelar seu padrão de irradiação de
forma a atender a necessidade do sistema em que ela estiver sendo utilizada. Na seção 3, será
feito um estudo mais detalhado sobre esse tipo de antena.
25
3. ANTENAS ADAPTATIVAS
Uma antena adaptativa é uma antena capaz de controlar seu padrão de irradiação
através de um sistema realimentado. Algumas antenas adaptativas são capazes de controlar
inclusive sua resposta em freqüência. Essas antenas são formadas a partir de arrays pelo fato
destes terem seu padrão de irradiação facilmente controlado pelo ajuste da amplitude e fase
dos sinais oriundos de cada um dos elementos antes de serem combinados [14].
Em sistemas de comunicação, antenas adaptativas são bastante utilizadas quando o
ângulo de chegada do sinal desejado é desconhecido. O array adaptativo é capaz de alterar
seu padrão de irradiação automaticamente em função desse sinal [14].
Em 1956, Altman e Sichak propuseram o uso de um PLL (phase-lock loop), Figura
3.1, para combinar os sinais oriundos de diversas antenas. Este sistema operava pelo
alinhamento da fase do sinal recebido de cada elemento com o sinal de referência, antes de
combinar os sinais para obter a saída do array [14].
MIXER
VCO
Detector de
fase
Filtro
(
)
tx
1
(
)
ts
1
(
)
tV
1
MIXER
VCO
Detector de
fase
Filtro
(
)
tx
2
(
)
ts
2
(
)
tV
21
ARRAY
Sinal de
referëncia
SAIDA
Figura 3. 1: PLL (phase-lock loop) array
26
Mas este tipo de array é bastante vulnerável à interferência e jamming o que fez com
que novos tipos de array fossem adotados, tais como o LMS e o Applebaum [14]. Estes
arrays não só detectam o sinal desejado e aumentam a SNR na saída, como também são
capazes de formar nulos. O sinal de cada elemento é ajustado tanto em amplitude como em
fase, conforme podemos ver na Figura 3.2, sendo que esses ajustes são feitos através de um
algoritmo adaptativo de otimização [14].
(
)
tx
1
(
)
ts
1
27
amostras temporais do sinal de entrada, ponderadas pelos N coeficientes do filtro. Os
coeficientes são variados segundo algum algoritmo para atender o critério de minimização da
função de custo utilizada [22].
*
1
w
*
2
w
*
3
w
*
N
w
∑
)(kx
)1(
−
kx
)2(
−
kx
)1(
+
−
Nkx
)(ky
Figura 3. 3: Filtro Adaptativo Temporal
Neste trabalho, em específico, trataremos de filtragem adaptativa espacial. Assim, ao
invés do filtro processar amostras atrasadas do sinal de entrada, como no caso do filtro
temporal, são processadas amostras espaciais tomadas de uma frente de onda captada por um
array de antenas (Figura 3.2). Neste caso, a característica de interesse do sinal processado é
sua direção de chegada ao array, que perfaz o mesmo papel da freqüência num filtro
temporal. O análogo espacial do espectro de freqüências de um filtro temporal é o padrão de
irradiação, que reflete a sensibilidade do array em relação à direção de chegada, que
chamaremos de DOA (Direction of Arrival), dos sinais captados.
28
4. A ANTENA ESPAR
A ESPAR é uma antena inteligente (AI) desenvolvida no Instituto de Pesquisas
Avançadas em Telecomunicações (ATR) de Kyoto, Japão. Essa arquitetura da antena possui
um custo de implementação relativamente baixo, pois apenas um elemento ativo é ligado ao
conversor D/A (transmissor) ou A/D (receptor) [5]. Os demais elementos da antena,
chamados de elementos passivos, são responsáveis por modelar o diagrama de irradia .953(d)-1.84 0(i)-3.0311437934( )-81.216(d)- sI e estão voslaionados eircularmente,em torlemento centrel (ativo),
29
vetor X , são os parâmetros livres da ESPAR que serão ajustados pelo algoritmo adaptativo
adotado no beamformer [4].
Em geral, a reatância é um varactor, conforme mostra a Figura 4.1. As reatâncias
variáveis são obtidas pelo controle por tensão da capacitância de varactores.
Figura 4. 1: Arquitetura do array de uma ESPAR.
Figura 4. 2: Detalhe construtivo da ESPAR mostrada na Figura 4.1.
30
O array de monopólos da Figura 4.3 deriva do array construído a partir de dipolos
mostrado na Figura 4.4. Entretanto, o plano de terra do array de monopólos permite proteção
(elétrica e física) do circuito de controle da ESPAR, que pode ficar embaixo do plano. Esta é a
razão da antena ESPAR ser preferencialmente implementada na forma de um array de
monopólos. Note que, nesta situação, o array de dipolos da ESPAR é reduzido ao array de
monopólos equivalentes situados sobre um plano de terra infinito. Na prática, entretanto,
dificilmente o plano de terra terá dimensões físicas que possam ser consideradas infinitas sob
o ponto de vista de suas características elétricas. A redução do tamanho do plano de terra num
array de monopólos faz com que o ângulo de irradiação principal desloque-se ligeiramente
em direção ao zênite reduzindo o ganho no plano de azimute. A solução para compensar este
efeito é incluir no plano de terra uma folha condutiva ou saia condutora no perímetro lateral
ao plano de terra.
Figura 4. 3: Antena ESPAR
4.2. Descrição analítica da ESPAR
Neste trabalho, para efeito de análise do algoritmo adaptativo utilizado no
beamformer, o plano de terra é eliminado e cada monopólo de tamanho ¼ do comprimento de
31
onda
λ
é substituído por um dipolo de tamanho 2
λ
=l . As reatâncias de controle são
32
Figura 4.5: AI receptora genérica constituída por um
array de M dipolos simétricos de comprimento
l
,
estando o m-ésimo dipolo localizado em
(
)
mmm
zyx ,, .
A Figura 4.5 mostra a k-ésima onda eletromagnética plana incidindo no array da AI
sob uma direção de propagação dada por
(
)
kk
φ
θ
,
, 1,,1,0
−
=
Kk L , sendo
K
o número total
de sinais que incidem no array. Seja
(
)
ns
k
a n-ésima amostra do envelope complexo em
banda-base da modulação digital transportada pela onda recebida na direção
(
)
kk
φ
θ
,
, sendo o
intervalo entre cada amostra dado pelo inverso do symbol rate do sistema. A n-ésima amostra
(
)
nr
na saída da AI resultante de
K
frentes de onda respectivamente incidentes nas direções
(
)
kk
φ
θ
,
é dada por
( ) ( ) ( )
∑
−
=
=
1
0
,
K
k
kkk
FnsAnr
φθ
(4.1)
33
onde, sob convergência do
beamformer
,
(
)
nr
é idealmente um símbolo IQ da
modulação digital adotada no sistema. Na Equação (4.1)
2.131
=
A
é uma constante de ganho
[6] e
(
)
φ
θ
,F é o padrão de radiação [13] do
array
definido por
(
)
(
)
(
)
φθφθφθ
,,,
fFF
d
=
(4.2)
Na Equação (4.2)
(
)
φθ
,
d
F
é o padrão de radiação de cada dipolo simétrico de tamanho
l
e é dado por
( )
coscoscos
,
θ
λ
π
π
λ
φθ
sen
θ
F
d
−
=
ll
(4.3)
e
(
)
φ
θ
,f
é o
fator do array [12][13], dado por
(
)
(
)
φθφθ
,,
T
awf ⋅=
(4.4)
onde
w
é o vetor definido pelo conjunto de coeficientes
m
w , conforme
[
]
T
M
wwww
110
−
= L
(4.5)
e
(
)
(
)
(
)
[
]
T
M
aaa
φθφθφθ
,,1 ,
11 −
=
L
(4.6)
34
com
( )
( )
θφθφθ
λ
π
φθ
cos cos
2
,
mmm
zsensenysenxj
m
ea
++
=
(4.7)
sendo
(
)
φ
θ
,a
o
steering vector
[12][13] na direção
(
)
φ
θ
,
da onda incidente.
λ
é o
comprimento de onda de operação da AI.
Note de (4.1) e (4.2) que a amplitude de
(
)
nr
depende do fator do
array
(
)
φθ
,
f
dado
por (4.4), mas
(
)
φθ
,f
é função do vetor
w
que é ajustado pelo algoritmo adaptativo adotado
na AI. Portanto, se a onda eletromagnética que incide no
array
sob a direção
(
)
φθ
,
for um
sinal desejado, então o algoritmo adaptativo idealmente ajustará w de modo que maximize o
ganho na direção
(
)
φθ
,
.
O vetor
w
é dado por [1][2][6]
UXZw
1
)(
−
+=
(4.8)
sendo
Ζ
a matriz de impedâncias definida por (4.10), X o vetor de reatâncias
acopladas aos dipolos parasitas e U o vetor
[
]
T
M
uuuu
110
−
= L
(4.9)
A performance de uma AI é função da geometria do
array
, isto é, das coordenadas
(
)
mmm
zyx ,,
dos
M
dipolos do
array
que definem a ação do
steering vector
(
)
φθ
,a sobre o
conjunto de sinais (desejado e interferentes) recebidos de diversas direções
(
)
φ
θ
,
. Mas, acima
35
de tudo, a performance global de uma AI é função do tipo do algoritmo para
beamformer
que
ajusta o vetor
w
e que define o fator do
array
(
)
φθ
,f através de (4.4).
O novo
beamformer blind
proposto neste trabalho é uma versão modificada da técnica
de gradiente utilizada em [1] adaptada para operação
blind
sob uma arquitetura concorrente
[3].
O acoplamento mútuo entre os elementos do
array
afeta os
sidelobes
resultantes do
processo de
beamforming
[7]. Neste trabalho, o efeito do acoplamento mútuo é modelado
através do Método dos Momentos (MoM) [16][17], com função base de corrente triangular
[12] [18] e com ponderação dos resíduos ao longo dos segmentos em que é efetuado o
match-
point
[13]. Essa técnica será apresentada posteriormente, no capítulo 5. Especificamente, o
MoM determina a impedância mútua
ij
z
entre o
i
-ésimo e o
j
-ésimo elemento do
array
[1],
conforme (4.10).
=Ζ
66656463626160
56555453525150
46454443424140
36353433323130
26252423222120
16151413121110
06050403020100
zzzzzzz
zzzzzzz
zzzzzzz
zzzzzzz
zzzzzzz
zzzzzzz
zzzzzzz
(4.10)
Devido à simetria da estrutura da ESPAR [1] temos que:
362514
625146352413
615645342312
060504030201
665544332211
zzz
zzzzzz
zzzzzz
zzzzzz
zzzzzz
==
=====
=====
=====
=
=
=
=
=
(4.11)
36
Em geral, a impedância mútua é difícil de calcular ou medir. Uma aproximação é
facilmente generalizada pela determinação da impedância mútua entre dois elementos
quaisquer num array arbitrário
mn
Z . Supondo que uma antena isolada no espaço livre tenha
uma tensão
1
V
e uma corrente
1
I
, então a impedância de entrada é dada por :
1
1
11
I
V
Z =
(4.12)
Se uma segunda antena é trazida para as proximidades da primeira, a radiação da
primeira antena induz correntes sobre a segunda, a qual, por sua vez, também irradia e induz
correntes sobre a primeira. A segunda antena pode ser um elemento ativo ou parasita [13]. A
tensão na primeira antena é então dada por:
2121111
IZIZV +=
(4.13)
De maneira análoga, a tensão nos terminais da segunda antena é dada por:
2221212
IZIZV +=
(4.14)
Podemos determinar a impedância mútua entre duas antenas, baseando-se no conceito
de quadripolos. Afigura 4.6 representa a rede de acomplamento entre duas antenas [13].
37
1211
ZZ −
1222
ZZ −
12
Z
Figura 4. 6: Representação do acomplamento entre duas antennas
O procedimento geral para determinação da impedância mútua a partir de medições
em circuito aberto e fechado envolve os seguintes passos [13]:
Abrir o circuito (ou remover) antena 2. Medir
11
ZZ
oc
=
nos terminais da antena 1. Para
antenas idênticas,
1122
ZZ =
.
Curto-circuitar a antena 2. Medir
sc
Z
nos terminais da antena 1.
Calcular
12
Z
usando (4.15)
(
)
scococ
ZZZZ
−=
12
(4.15)
Para o cálculo das impedâncias de entrada foi utilizado o
software
SuperNec v2.7 [23].
Para efeitos de simulação foi considerada uma antena operando em 300MHz. Com
base na Figura 4.4, as impedâncias calculadas utilizando o MoM são:
[ ]
Ω
+=
+=
−=
−=
+=
+=
02.3280.17
23.4038.5
65.3600.43
12.3728.43
60.4800.85
60.4800.85
14
13
12
01
11
00
jz
jz
jz
jz
jz
jz
(4.16)
38
5. MÉTODO DOS MOMENTOS
Uma abordagem clássica na análise e projeto de irradiadores eletromagnéticos
operando em regime permanente é sem dúvida o método dos momentos (MoM). O método
consiste em dividir a estrutura a ser modelada em sub-regiões de forma geométrica constante.
Em geral, são utilizadas sub-regiões filamentares, também chamadas de Wireframes. Cada
região filamentar é, portanto, subdividida em segmentos elementares de tamanho pequeno
comparado ao comprimento de onda. Isto é necessário para que se possa assumir uma
distribuição de corrente uniforme ao longo do segmento. Este método determina a corrente
em cada segmento, devido à fonte de tensão (plano de onda se aproximando ou mesmo uma
fonte de tensão aplicada em um dos segmentos) e devido a todas as demais correntes nos
demais segmentos. Uma vez determinadas estas correntes, o Campo Elétrico em qualquer
lugar do espaço pode ser determinado por meio de um somatório das contribuições de todos
os segmentos de fio.
5.1. Introdução ao MoM
O texto que segue é uma tradução livre de [13]. Optamos por apresentar este método
analítico crucial para o modelamento de qualquer AI mediante uma tradução livre de [13]
porque, em nossa opinião, esta obra apresenta o tema de uma forma bastante clara e precisa
sem os rodeios teóricos desnecessários que alguns autores não raro permitem ocorrer.
Consideremos um Espalhador Eletromagnético (EE) cilíndrico alinhado com o eixo z
de um sistema cartesiano, conforme mostra a Figura 5.1. Uma forma genérica para a equação
integral que descreve um EE cilíndrico é [13]:
39
(
)
(
)
(
)
zEdzzzKzI
i
=−
∫
','
(5.1)
Na expressão acima,
i
E
é o campo elétrico incidente (isto é, aplicado ao EE) e
I
é a
conseqüente distribuição espacial de corrente elétrica. O Kernel
(
)
',
zzK
depende da
formulação da equação integral específica usada. Neste trabalho será adotada a equação de
Pocklington [13].
Figura 5. 1: Espalhador eletromagnético cilíndrico alinhado com o eixo
z
.
A solução de problemas de espalhamento eletromagnético pode sempre ser expressa
por uma equação integral na forma geral da equação (5.1), com um termo da fonte à direita e
o termo desconhecido dentro da integral.
O MoM é um procedimento numérico para a solução da equação integral (5.1), através
de um sistema de equações algébricas lineares simultâneas em termos da corrente
desconhecida
(
)
'
zI
. Uma vez conhecida a distribuição de corrente, é um procedimento direto
determinar a radiação e a impedância.
40
A equação integral de Pocklington adotada neste trabalho, estabelece a relação entre o
campo elétrico incidente
i
E
e a distribuição espacial de corrente resultante na antena. Seja
um EE cilíndrico com condutividade
σ
, situado no espaço livre de permeabilidade
0
µ
e
permissividade
0
ε
, conforme mostra a Figura 5.1a. Se
σ
é suficientemente alta (por
exemplo, um EE constituído de um fio de cobre), então a corrente é quase totalmente limitada
à superfície do fio, de acordo com o skin effect [19]. Nesta situação, o modelo equivalente do
EE é o mostrado na Figura 5.1b, onde a corrente no cilindro é substituída por uma corrente
superficial equivalente no espaço livre [13].
Quando o raio do EE cilíndrico é muito menor que o comprimento de onda
λ
,
pode-se considerar que existem somente correntes na direção z. A partir da Condição de
Lorentz tem-se que:
Φ−=
∂
∂
00
µωε
j
z
A
z
(5.2)
onde
Φ
é o potencial escalar
[
]
V
e
z
A
é a componente z do vetor potencial magnético
[
]
mV.s
. O campo elétrico originado pelo vetor potencial magnético e pelo potencial elétrico
escalar é dado por:
Φ
∇
−
−
=
AjE
ω
(5.3)
Para a situação da Figura 5.1, a equação (5.3) reduz à equação escalar
z
AjE
zz
∂
Φ
∂
−−=
ω
(5.4)
41
Derivando (5.2) em relação à
z
, isolando-se
z
∂
Φ
∂
e substituindo em (5.4) tem-se:
+
∂
∂
=
z
z
z
A
z
A
j
E
2
2
2
00
1
β
εωµ
(5.5)
onde
λπβ
2= é a constante de propagação.
A partir da equação escalar de Helmholtz [18], considerando um volume de corrente
dirigido no sentido z e um elemento de corrente '
Jdv
, onde
J
é a densidade de corrente
[
]
2
mA
tem-se que:
(
)
( )
'',
',1
2
2
2
0
Jdvzz
z
zz
j
dE
z
Ψ+
∂
Ψ∂
=
β
ωε
(5.6)
onde
(
)
', zzΨ é a Função de Green no espaço livre dada por
( )
R
e
zz
Rj
π
β
4
',
−
=Ψ
(5.7)
sendo
R
a distância entre o ponto de observação
(
)
zyx ,, e o ponto da fonte
(
)
',',' zyx , dada por
( ) ( ) ( )
222
''' zzyyxxR −+−+−=
(5.8)
A contribuição total para o campo elétrico é dada pela integral sobre o volume do EE:
(
)
( )
'',
',1
2
2
2
0
Jdvzz
z
zz
j
E
z
∫∫∫
Ψ+
∂
Ψ∂
=
β
ωε
(5.9)
42
Assumindo-se que a condutividade do EE é infinita, então a corrente é limitada à
superfície do cilindro e a expressão (5.9) reduz-se à
(
)
( )
''',
',1
2
2
2
2
2
0
φβ
ωε
ddzJzz
z
zz
j
E
s
c
L
L
z
∫ ∫
−
Ψ+
∂
Ψ∂
=
(5.10)
onde
c
é a curva que delimita a seção transversal do cilindro e
L
é o comprimento do
condutor, conforme mostra a Figura 5.2a. Se observarmos a distribuição superficial da
corrente a partir de um ponto no eixo do EE, como na Figura 5.2b, então temos
( )
2
2
'
azzR
+−=
(5.11)
Figura 5.2: Modelos equivalentes para um EE cilíndrico com
λ
<<
a
, sendo
λ
o
comprimento de onda. (a) EE com densidade de corrente de superfície equivalente
s
J
observado de um ponto na superfície do EE. (b) EE com densidade de corrente de superfície
equivalente
s
J
observado do eixo do cilindro. (c) linha de corrente filamentar equivalente à
situação mostrada em (b). (d) representação alternativa e equivalente à situação mostrada em
(c)
.
43
Para
λ
<<
a
, a distribuição de corrente é aproximadamente uniforme com relação à
φ
e (5.10) reduz-se à integral
(
)
( ) ( )
''',
',1
2
2
2
2
2
0
dzzIzz
z
zz
j
E
L
L
z
∫
−
Ψ+
∂
Ψ∂
=
β
ωε
(5.12)
Note que a linha de corrente filamentar equivalente da fonte
(
)
'
zI
está localizada a
uma distância radial “
a
” do ponto de observação como nas Figuras 5.2c e 5.2d. Note também
que não é aqui assumido que o cilindro seja infinitamente fino, como seria admitido se fosse
utilizado o conceito de dipolo fino [12].
O campo elétrico total
T
E
é igual a
S
E
+
i
E
, onde
S
E
é o campo elétrico espalhado
pelo EE e
i
E
é o campo elétrico incidente no EE [13]. Na superfície de um condutor elétrico
perfeito (
∞
→
σ
), o campo elétrico total é nulo, ou seja, 0
=
T
E
. Conseqüentemente,
i
z
s
z
EE +=−
, onde o subscrito z indica a direção de interesse z. Usando a equação (5.12), que
define
s
z
E
como resultante da corrente
(
)
'
zI
, temos como resultado a equação integral de
Pocklington, que tem a forma genérica da equação (5.1):
( ) ( )
(
)
( )
'',
',
'
1
2
2
2
2
2
0
dzzz
z
zz
zI
j
zE
L
L
i
z
∫
−
Ψ+
∂
Ψ∂−
=
β
ωε
(5.13)
A equação (5.13) é uma equação integral de primeira ordem porque a incógnita
(
)
'
zI
,
aparece somente dentro da integral. Essa forma é conhecida como uma equação integral
porque nela está implícita a seguinte condição de contorno: o campo elétrico incidente
i
z
E
, ao
longo da direção
z
, é conhecido; e a incógnita a ser determinada, a partir desta condição
conhecida, é a distribuição espacial de corrente
(
)
'
zI
.
44
Fazendo um breve resumo das implicações que resultam da suposição
λ
<<
a :
•
Correntes circunferenciais no EE cilíndrico são desprezíveis.
•
O uso da condição de contorno na superfície do EE (Figura 5.2a) pode ser realizada
no eixo do EE (Figura 5.2b) e a corrente de superfície pode ser aproximada por um filamento
de corrente (Figura 5.2c). Reciprocamente a corrente no filamento pode ser colocada no eixo
do EE e o ponto de observação colocado a uma distância “a” distante do filamento (Figura
5.2d).
•
A distância
R
dada por (5.11) conduz ao denominado Thin Wire Kernel ou Reduced
Kernel [13][18]. Nesta situação,
R
nunca pode ser zero e conseqüentemente o Kernel nunca é
singular, facilitando o procedimento de integração numérica. No entanto, é quase singular
toda vez que
aR
≅
, o que pode eventualmente implicar em
overflow
numérico do
procedimento.
5.2. Equação integral de Pocklington e as equações de malha de Kirchhoff
O MoM é uma técnica de elementos finitos que consiste em decompor o EE em
N
elementos, sendo cada elemento um cilindro de raio “a” e comprimento muito menor que um
comprimento de onda
λ
. Assume-se que o n-ésimo elemento seja percorrido por uma
corrente
n
I
e que haja uma impedância mútua
mn
Z
entre cada dois elementos m e n do
conjunto de N elementos. Neste contexto, o problema de determinar o conjunto de todas as N
correntes
n
I
(a corrente
n
I
percorre o
n
-ésimo elemento do conjunto) torna-se muito
semelhante à solução das equações de malha de Kirchhoff de um circuito elétrico com
N
impedâncias:
,N,,,mVI
N
n
mnmn
L321 para , Z
1
==
∑
=
(5.14)
onde
m
V
é a tensão
aplicada
nos terminais do
m
-ésimo elemento.
45
Portanto, a solução da equação integral de Pocklington para a corrente
(
)
'
zI
pode ser
efetuada decompondo-se o EE em
N
elementos finitos e resolvendo-se um sistema de
N
equações e
N
incógnitas, sendo cada incógnita uma das
N
correntes
n
I
.
Seja (5.13) re-escrita na forma
( ) ( ) ( )
∫
−
−=
2
2
'','
L
L
i
z
dzzzKzIzE
(5.15)
Vamos aproximar a incógnita
(
)
'
zI
em (5.15) através da expansão de
(
)
zI
′
em uma
série de funções
(
)
nF
tal que
( ) ( )
∑
−
=
N
n
nn
zFIzI
1
''
(5.16)
onde os coeficientes
n
I
da expansão são números complexos e constituem as
incógnitas a serem determinadas. Neste trabalho, assume-se que as expansão de
(
)
zI
' em
funções
(
)
nF
sejam pulsos ortogonais dados por
( )
→
∆→
=
contrário caso0
' em' para1
'
n
n
zz
zF
(5.17)
de modo que a expansão define uma aproximação “em escada” da distribuição de
corrente no EE cilíndrico, sendo o EE dividido em N segmentos de comprimento
n
z
'
∆
,
conforme mostra a Figura 5.3.
46
Figura 5. 3: Aproximação “em escada” da distribuição de corrente no EE.
Substituindo (5.16) em (5.15) tem-se:
( ) ( ) ( )
∫
∑
−
=
≈−
2
2
1
'','
L
L
N
n
m
i
zmnn
zEdzzzKzFI
(5.18)
Note que
m
em
m
z
indica que a integral no termo à esquerda em (5.18) está sendo
igualada ao campo elétrico aplicado sobre o segmento
m
. Note também que a integral é
efetuada sobre o segmento
n
. Note ainda que o lado esquerdo da equação (5.18) é apenas
aproximadamente igual ao lado direito porque substitui-se a distribuição real de corrente por
uma distribuição aproximada (pulsos).
Substituindo (5.17) em (5.18) pode-se escrever:
( ) ( )
∑
∫
=
∆
≈−
N
n
z
m
i
zmn
n
zEdzzzKI
1
'
'',
(5.19)
Por conveniência façamos
(
)
(
)
'',',
'
dzzzKzzf
m
z
nm
n
∫
∆
−=
(5.20)
47
Daí, substituindo-se as equações (5.16) e (5.17) em (5.15) e usando (5.20) resulta em
(vide Figura 5.3):
( ) ( ) ( ) ( ) ( ) ( ) ( )
∫
−
≈+++++≈−
2
2
2211
',',',','','
L
L
m
i
zNmNnmnmmm
zEzzfIzzfIzzfIzzfIdzzzKzI LL
(5.21)
A equação (5.21) pode ser interpretada da seguinte maneira: O EE cilíndrico é
dividido em N elementos finitos (segmentos cilíndricos), cada segmento tendo um tamanho
'' zz
n
∆=∆ . A corrente
n
I no n-ésimo segmento é uma incógnita a ser determinada. No centro
do m-ésimo segmento, o recíproco do somatório dos campos espalhados por todos os N
segmentos (inclusive pelo próprio segmento m) é igual ao campo elétrico incidente
(
)
m
i
z
zE no
ponto
m
z . O campo elétrico incidente
(
)
m
z
i
zE no m-ésimo segmento é um campo conhecido
que é originado por uma fonte localizada no EE (este é o caso quando, por exemplo, o EE é
uma antena transmissora e o segmento m é atingido pelo campo elétrico gerado pelo excitador
da antena) ou de uma fonte localizada a uma grande distância (este é o caso quando, por
exemplo, o EE é uma antena receptora e o segmento m é atingido pelo campo elétrico de uma
frente de onda plana gerada à grande distância e que chega na antena receptora). Note que
quanto maior for N menores serão os elementos de tamanho '' zz
n
∆=∆ , e, portanto, maior a
precisão da discretização espacial.
A equação (5.21) pode ser escrita como
∑
=
=
N
n
mnmn
VI
1
Z
(5.22)
onde
48
(
)
nmmn
zzf ',Z =
(5.23)
e
(
)
'zm
i
zm
zEV ∆=
(5.24)
mn
Z é a impedância mútua entre o m-ésimo segmento (onde a tensão
m
V é originada
por ação do campo elétrico incidente
i
z
E ) e o n-ésimo segmento do EE (o n-ésimo segmento
é percorrido pela corrente
n
I que é originadora do campo elétrico espalhado por este
segmento).
Até o presente ponto do desenvolvimento analítico aqui apresentado foi obtida apenas
uma equação com N incógnitas referida ao ponto
m
z no centro do m-ésimo segmento –
equação (5.22) – segmento ao qual é aplicado uma tensão
m
V . Necessitamos de N-1 equações
independentes adicionais para resolver as N incógnitas. Para obter estas equações adicionais ,
escolhe-se um diferente ponto
m
z para cada equação adicional. Ou seja, determina-se N
equações integrais, uma para cada m-ésimo segmento do conjunto de N possíveis segmentos
totais em que o EE é decomposto. Este processo é chamado de point-matching [12].
O point-matching efetuado nos m-ésimos segmentos do conjunto de N possíveis
segmentos totais em que o EE é decomposto resulta no seguinte sistema de equações:
(
)
(
)
(
)
(
)
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
N
i
zNNNNN
i
zNN
i
zNN
zEzzfIzzfIzzfI
zEzzfIzzfIzzfI
zEzzfIzzfIzzfI
=
′
++
′
+
′
=+++
=
′
++
′
+
′
=
′
++
′
+
′
, ... ,,
...
, ... ,,
, ... ,,
2211
22222121
11212111
MMMM
(5.25)
Re-escrevendo (5.25) em forma matricial, temos
49
(
)
(
)
(
)
( ) ( ) ( )
( ) ( ) ( )
( )
( )
( )
=
′′′
′′′
′′′
N
i
z
i
z
i
z
N
NNNN
N
N
zE
zE
zE
I
I
I
zzfzzfzzf
zzfzzfzzf
zzfzzfzzf
2
1
2
1
21
22212
12111
, ... ,,
, ... ,,
, ... ,,
MM
(5.26)
ou em notação compacta
[
]
[
]
[
]
mnmn
VIZ =
(5.27)
sendo
mn
Z e
m
V dados por (5.23) e (5.24).
O índice n em (5.27) refere-se a corrente
n
I no n-ésimo segmento, e o vetor
[
]
n
I é um
vetor de incógnitas a ser determinado. Cada segmento percorrido por uma corrente
n
I gera
um campo elétrico espalhado sobre todos os demais segmentos em que foi decomposto o EE.
O índice m em (5.27) refere-se ao m-ésimo segmento – segmento onde é efetuado o point-
matching – no qual o recíproco do somatório dos campos espalhados por todos os N
segmentos n é igual ao campo elétrico incidente
(
)
m
i
z
zE aplicado no ponto
m
z (tensão
m
V
resultante aplicada – ver equação (5.24)). Portanto, o índice m refere-se ao segmento onde é
calculada a m-ésima equação do sistema de equações definido por (5.27).
Devido à analogia com as equações de malha de Kirchhoff, as matrizes
[
]
mn
Z ,
[
]
n
I e
[
]
m
V são conhecidas como matrizes generalizadas de impedância, corrente e tensão
respectivamente. Esta é somente uma analogia. No contexto do MoM, as unidades de
[
]
mn
Z ,
[
]
n
I e
[
]
m
V necessariamente não precisam ser Ohms, Amperes e Volts, respectivamente. Esta
analogia, no entanto, não é restrita a segmentos colineares, mas se aplica bem à configurações
arbitrárias de fios [18].
50
A solução de (5.27) é, portanto:
[
]
[
]
[
]
mmnn
VI .Z
1−
=
(5.28)
Uma vez obtido de (5.28) o vetor
[
]
n
I que define a distribuição espacial de corrente, é
imediata a obtenção da impedância de entrada
i
Z do EE ou o seu diagrama de irradiação.
Observe que (5.28) determina o vetor
[
]
n
I através da solução de um sistema de N
equações na forma de (5.15), com o termo à esquerda de cada uma delas definido pelo campo
elétrico incidente
(
)
m
i
z
zE ou equivalentemente pela tensão
m
V aplicada. Assim, (5.28) é uma
solução numérica precisa e eficiente para a equação integral dada por (5.15), desde que N seja
suficientemente grande.
5.3. Modelos para a Fonte de Excitação do EE
Três modelos de fontes de excitação são comumente usados quando o MoM é aplicado
no contexto de antenas transmissoras e receptoras. Para antenas transmissoras, a fonte tipo
delta gap e tipo frill produzem o campo elétrico incidente (campo gerado pelo excitador da
antena). Para uma antena receptora, o campo elétrico incidente é usualmente uma onda plana.
O modelo de gerador mais usado na Teoria de Antenas Cilíndricas [12] é o modelo
delta gap [13], mostrado na Figura 5.4. Este modelo de fonte assume que uma tensão é
aplicada transversalmente ao gap, dando origem a um campo elétrico incidente
δ
VE
i
=
totalmente contido no interior do gap. Na Figura 5.4, a tensão no gap é determinada pela
integral de linha do campo elétrico transversal ao gap. O resultado é
δ
*
i
A
EV += . A tensão
A
V
aplicada transversalmente ao gap não corresponde necessariamente aos elementos
m
V da
51
matriz de tensão generalizada
[
]
m
V . Para um modelo de fonte delta gap,
δ
A
i
m
VEV ==
quando a técnica do point-matching é usada [13].
Figura 5. 4: Modelo da fonte de excitação delta gap.
O segundo modelo de gerador de significância prática é denominado gerador tipo frill.
A Figura 5.5a mostra uma linha coaxial alimentando um monopólo em um plano de terra.
Figura 5. 5: Modelo da fonte de excitação frill.
É possível mostrar que se o centro do frill está na origem das coordenadas, o campo
elétrico no eixo do monopolo é [13]:
( )
( )
−=
−−
2
2
1
1
.
ln2
1
,0
R
Rj
e
R
Rj
e
ab
zE
i
z
52
onde
22
1
azR +=
(5.30)
22
2
bzR +=
(5.31)
A terceira fonte de significância prática é uma onda plana incidente. Neste caso, os
elementos da matriz generalizada de tensão são obtidos a partir da componente tangencial do
campo elétrico incidente em cada ponto do EE em que se efetua o point-matching.
Para o dipolo dirigido na direção z da Figura 5.2 tem-se:
θβ
cos
tan
ˆ
zji
EezE =
(5.32)
onde
z
ˆ
é o vetor unitário na direção z.
Por exemplo, para uma onda plana de amplitude unitária incidindo normalmente ao
dipolo dirigido na direção z, os elementos da matriz generalizada de tensão são todos
(
)
01 j+
.
5.4. O Método dos Resíduos Ponderados
O Método dos Resíduos Ponderados (MRP) é uma extensão do MoM que objetiva
aumentar a precisão do processo de point-matching.
Seja o processo de point-matching aplicado a um EE cilídrico, conforme discutido
anteriormente. Define-se resíduo
R
como a soma das componentes tangenciais do campo
elétrico espalhado
S
E
e do campo elétrico incidente
i
E
no EE:
53
si
EER
tantan
+=
(5.33)
Idealmente
R
deve ser nulo de forma que a condição de contorno
is
EE
tantan
+=− seja
atendida ao longo dos segmentos em que o point-matching é efetuado. Assim, a partir de
(5.19) e (5.33) o resíduo
R
é obtido como sendo:
( ) ( ) ( )
zEzzfIzR
i
z
N
n
nn
∑
=
+−=
1
',
(5.34)
O ponto
m
zz = para o qual a equação (5.34) é calculada denomina-se match point. Ou
seja, um match point é o ponto do m-ésimo segmento onde é efetuado o processo de point-
matching. O resíduo do m-ésimo match point deve ser obrigatoriamente ser zero uma vez que
a solução para as correntes
n
I foi obtida através da condição de contorno 0
tantan
=+
si
EE para
os N match points. Porém, para pontos diferentes do match point ao longo de cada segmento
m, o campo elétrico tangencial total geralmente não será nulo ( 0
tantan
≠+
si
EE ), como
mostrado na Figura 5.6.
54
Figura 5. 6: Campo elétrico tangencial total normalizado
si
EEE
tantantan
+=
( resíduo
R
) ao
longo de um dipolo de meia onda com a condição de contorno
is
EE
tantan
+=− sendo atendida
via point-matching (isto é, a função de expansão da corrente é a função pulso retangular e a
função de ponderação é a função Delta de Dirac). Os pontos
•
próximos à ordenada zero
indicam a localização
m
zz = dos match points.
Portanto, o resíduo
R
para
m
zz ≠ , sendo Nm ,,3,2,1
L
=
, não será zero também.
Assim, o processo de point-matching pode ser interpretado como um relaxamento da condição
de contorno
is
EE
tantan
+=− tal que ela é somente satisfeita para um único ponto específico
m
zz = em cada segmento m em que o point-matching é efetuado. Entre os pontos
m
zz = a
condição de contorno não é idealmente obedecida de modo que solução é algo imprecisa. Por
isto, à medida que N é aumentado dentro de certos limites, a solução tende a melhorar porque
a distância entre os match points tende a diminuir.
Para minimizar esta imprecisão da solução pelo point-matching simples, o MRP
obtém as correntes
n
I tal que a média do resíduo
R
ao longo de cada segmento m é forçada à
zero. Assim, a solução via MRP do problema do EE apresentado na Figura 5.1, consiste em
efetuar a média ponderada do resíduo
R
tal que esta média seja nula:
55
(
)
(
)
NmdzzRzW
m
,,3,2,1 ,0
L
==
∫
(5.35)
onde
(
)
zW
m
é chamada de função de ponderação ou função de teste. Substituindo-se
(5.34) em (5.35) obtém-se:
( ) ( ) ( ) ( )
∫∫
∑
−−
=
==+−
2
2
2
2
1
,....,3,2,1 ,0',
L
L
i
zm
L
L
N
n
nnm
NmdzzEzWdzzzfIzW
(5.36)
Para o caso em que a função de teste é a função Delta de Dirac (impulso unitário)
(
)
z
δ
, então o MRP reduz-se ao point-matching simples:
(
)
(
)
mm
zzzW −=
δ
(5.37)
e, portanto, a equação (5.36) se reduz à equação (5.21).
Para o caso em que a função de teste é um pulso retangular, isto é
( )
∆
=
casos demais osp/ 0,
de dentro zp/ ,1
m
m
z
zW
(5.38)
Portanto a equação (5.36) torna-se
( ) ( )
0',
1
=
∆
+
∆
−
∫
∑
∫
=
m
i
z
N
n
m
nn
z
dzzE
z
dzzzfI
(5.39)
sendo
(
)
∫
∆
=
m
nmn
z
dzzzfZ ',
(5.40)
56
e
(
)
∫
∆
=
m
i
zm
z
dzzEV
(5.41)
As correntes
n
I obtidas da solução de (5.39) não serão necessariamente tais que o
somatório dos campos espalhado e incidente (isto é, o resíduo
R
) seja nulo em todos os
pontos ao longo da superfície do EE. No entanto, o MRP garante que média de
R
sobre a
superfície do EE tenderá a ser zero, resultando em valores de correntes
n
I mais precisos para
um determinado número N de elementos do que para o point-matching simples (point-
matching é um caso particular do MRP quando a função de teste é a função Delta de Dirac
(
)
z
δ
). No entanto, a precisão da solução pelo MRP é dependente do tipo de função adotada
para a expansão da corrente e do tipo função adotada para a função de teste (função de
ponderação). Embora não exista regra definida para a adoção destas funções, é usual escolher
funções de expansão de corrente que se assemelhem à forma da distribuição espacial da
corrente no EE e usar as mesmas funções para as funções de ponderação. Quando a função de
expansão e a função de teste são as mesmas, o procedimento é chamado de Método de
Galerkin [12][13]. No entanto, várias heurísticas são possíveis. Por exemplo, uma heurística
bastante popular é adotar a função pulso triangular para a expansão de corrente e a função
pulso retangular para a função de teste [18].
57
Figura 5. 7: Cálculo do elemento
12
ZZ
mn
= da matriz
[
]
mn
Z para o dipolo curto de
comprimento
λ
1.0 e raio
λ
005.0
=
a do exemplo em questão.
(
)
zF
′
2
é a função de
expansão da corrente e
(
)
zF
1
é a função de teste. No caso, uma vez que estamos utilizando o
Método de Galerkin com função pulso retangular,
(
)
zF
′
2
é dada por (5.17) e
(
)
zF
1
é dada por
(5.38).
(
)
zzK
′
,
é obtida da comparação de (.13) com (5.1).
(
)
zzR
′
,
é dado por (5.8) com
xx
′
=
e yy
′
=
.
Utilizando o Método de Galerkin com função pulso retangular, obtemos os seguintes
resultados a partir de (5.40), (5.41) e (5.39):
[ ] [ ]
Ω
°−∠°∠°∠°∠°∠
°∠°−∠°∠°∠°∠
°∠°∠°−∠°∠°∠
°∠°∠°∠°−∠°∠
°∠°∠°∠°∠°−∠
=
987.89397.14971.891414.6763.897592.0136.892063.0984.870875.0
971.891414.6987.89397.14971.891414.6763.897592.0136.892063.0
763.897592.0971.891414.6987.89397.14971.891414.6763.897592.0
136.892063.0763.897592.0971.891414.6987.89397.14971.891414.6
984.870875.0136.892063.0763.897592.0971.891414.6987.89397.14
.10
2
mn
Z
Utilizando uma fonte frill de 1 Volt localizada no centro do dipolo, o vetor tensão
aplicada
[
]
m
V e o vetor solução
[
]
n
I são respectivamente:
58
[ ]
°−∠
°−∠
°−∠
°−∠
°−∠
=
2799.001082.0
0342,008907.0
0038.079076.0
0342,008907.0
2799.001082.0
m
V [V]
[ ]
°∠
°∠
°∠
°∠
°∠
=
−
57.8948519,0
66.8991184.0
75.8937831.1
66.8991184.0
57.8948519,0
.10
3
n
I [A]
Utilizando uma fonte delta gap de 1 Volt localizada no centro do dipolo, o vetor
tensão aplicada
[
]
m
V e o vetor solução
[
]
n
I são respectivamente:
[ ]
°∠
°∠
°∠
°∠
°∠
=
00
00
01
00
00
m
V [V]
[ ]
°∠
°∠
°∠
°∠
°∠
=
−
57.8948559.0
67.8991238.0
78.8952418.1
67.8991239.0
57.8948561.0
.10
3
n
I [A]
A impedância de entrada
A
Z
do dipolo curto pode ser obtida a partir da razão entre a
tensão e corrente no segmento onde o dipolo recebe excitação (segmento central). Para a fonte
frill
Ω−= 519.72510386.3 jZ
A
e para a fonte delta gap
Ω−= 084.65652526.2 jZ
A
. Apesar
de o dipolo curto ter sido decomposto em apenas 5
=
N elementos finitos (segmentos),
ambos valores de impedância de entrada podem ser considerados uma boa aproximação da
impedância de entrada de um dipolo curto obtida a partir da Teoria de Antenas Cilíndricas
[12].
A Figura 5.8 mostra a convergência da impedância de entrada para um dipolo de
comprimento
λ
47.0
=
L e raio
λ
005.0
=
a utilizando o Método de Galerkin com função
pulso retangular.
59
Figura 5.8: Curvas mostrando a convergência da impedância de entrada
AAA
jXRZ +=
para
o Método de Galerkin com função pulso retangular a medida em que o número
N
de
elementos finitos (segmentos) é aumentado. Para cada gráfico são mostradas duas curvas:
uma para fonte
delta gap
e outra para fonte
frill
. O EE é um dipolo de comprimento
λ
47.0
=
L e raio
λ
005.0
=
a .
Note que no caso da Figura 5.8, para 40
>
N o valor da impedância de entrada
AAA
jXRZ +=
atinge a convergência para todos os fins práticos. Portanto, o uso de um valor
de N muito maior do que o valor mínimo para a convergência resulta em um desnecessário
aumento do custo computacional na inversão da matriz
[
]
NN
mn
×
Z na equação (5.28).
60
6. O PROCESSO DE DESCONVOLUÇÃO CONCORRENTE (PDAC)
Este processo de desconvolução foi proposto por De Castro [3] no contexto de
equalização autodidata de canais, isto é, no contexto de desconvolução temporal. O presente
trabalho estende e aplica o PDAC ao contexto da desconvolução espacial. Sendo assim,
torna-se crucial entendermos o princípio de operação do PDAC, o qual baseia-se na utilização
de um equalizador LMS (Least Mean Square) operando cooperativamente com um
equalizador CMA, controlado através de um elo não-linear que depende do estado a priori do
sistema. A Figura 6.1 detalha essa arquitetura.
Figura 6. 1: Diagrama do Equalizador Concorrente.
O algoritmo de equalização adaptativa autodidata conhecido como CMA (Constant
Modulus Algorithm) foi desenvolvido independentemente por Godard [8] e Treichler [9], e
61
baseia-se na minimização de uma função de custo
CM
J que objetiva ajustar uma potência
P
inteira do conjunto de saídas do equalizador a uma constante real e positiva
P
R . Esta
constante é escolhida de modo a projetar sobre um círculo todos os pontos da constelação de
saída do equalizador. Em [8]
CM
J é definida como
(
)
−
4
1
=
2
p
P
CM
EJ Ry
(6.1)
para algum inteiro
P
. Note que
CM
J é uma dispersão estatística de ordem
P
[20] e que
inerentemente utiliza estatísticas de ordem superior do conjunto de saídas y do equalizador.
Embora
P
possa teoricamente assumir qualquer valor inteiro, a suprema maioria das
implementações de equalizadores autodidatas atuais aplica o algoritmo CMA com a função de
custo
CM
J para
2
P
=
, minimizada pelo Gradiente Estocástico [10][21][22]. Assim,
adotaremos, a função
CM
J para
2
P
=
sendo referida como Função de Custo CMA ou Função
de Custo de Godard , representada por
G
J , e dada por
(
)
−=
2
2
G
E
4
1
J
CMA
y
γ
(6.2)
onde
CMA
γ
é a constante de dispersão do algoritmo CMA definida por
{
}
{ }
2
4
E
E
Α
Α
=
CMA
γ
(6.3)
sendo
{
}
1−10
=Α
M
sss
L
,,
o conjunto de M possíveis símbolos, ou alfabeto, referente ao
tipo de modulação utilizada. Godard mostra em [8] que
CMA
γ
, assim definido, minimiza
G
J .
62
A partir de sua inicialização, o vetor de pesos
[
]
T
L
VVVV
1−10
=
L
é atualizado
pelo algoritmo Gradiente Estocástico [22] objetivando minimizar a função de custo de Godard
J
G
. Da mesma forma, a partir de sua inicialização, o vetor de pesos
63
1−10=+−1−= LkikLunr
k
,,, ),()(
L
(6.4)
onde:
L é a dimensão do equalizador,
u
é a seqüência de amostras recebida por amostragem fracionária
2
T
do canal, com
1−31=
a
Ni ,,,
L
variando na medida em que
1−10=
r
Nn ,,,
L
tal que
1
+
2
=
ni ,
N
a
é o número total de amostras a serem recebidos por amostragem fracionária do canal,
1+
2
1−−
=
LN
N
a
r
é o número total de regressores a serem obtidos do canal ,
T é o intervalo entre os símbolos gerados no transmissor,
⋅ é o operador que resulta no inteiro mais próximo e menor que o argumento.
A saída do equalizador no instante
n
é dada por
)()()()()( nrnVnrnWny
TT
⋅+⋅=
(6.5)
A minimização da função de custo
J
G
é feita através de sucessivos ajustes do vetor V
pelo algoritmo Gradiente Estocástico, à medida que n é incrementado:
(
)
)(Jlim EJ
GG
ny
n ∞→
2
2
=
−
4
1
=
γ
(6.6)
(
)
−
4
1
=
2
2
γ
)( )(J
G
nyn
(6.7)
(
)
)()( )()()(
*
nrnynynVnV
v
⋅−⋅+=1+
2
γη
(6.8)
64
onde
v
η
é o passo de adaptação,
0>
v
η
Com o vetor V atualizado, é obtido a saída perturbada que será utilizada para avaliar o
estado atual do sistema, a partir de
)()()()1()(
~
nrnWnrnVny
TT
⋅+⋅+=
(6.9)
Uma vez definida a saída perturbada )(
~
ny resultante da perturbação
)(nV∆
, é
necessário avaliar quantitativamente se )(ny e )(
~
ny . Sendo
i
s
e
j
s
os símbolos QAM tal que
δ
+=
i
)( sny
e
ε
+=
j
)(
~
sny
, onde
δ
e
ε
são números complexos distintos de módulo
arbitrariamente pequeno, com
1
−
1
0
=
M
L
,,ji, , sendo M o número de símbolos presentes no
alfabeto M−QAM. Tão mais próximos )(ny e )(
~
ny estarão respectivamente de
i
s e
j
s
quanto
mais efetiva tenha sido a minimização concorrente e simultânea das funções de custo
J
G
e
J
Q
até o instante arbitrário n.
Sendo assim, de modo semelhante à função
J
G
, a minimização da função de custo
J
Q
é
feita através de sucessivos ajustes do vetor W pelo algoritmo Gradiente Estocástico, à medida
que n é incrementado:
{ }
{
}
)(JlimQ EJ
QQ
nyy
n
∞→
2
=−
2
1
=
(6.10)
{ }
{
}
2
−
2
1
= )()(Q )(J
Q
nynyn
(6.11)
[
]
{
}
[
]
)( )()(Q )()()(
*
nrnynynDnWnW
Qw
−−1+=1+
η
(6.12)
onde o operador
{
}
⋅Q
retorna o símbolo IQ da modulação digital que apresenta menor
distância euclidiana ao argumento
{
}
⋅
e
w
η
é o passo de adaptação, 0>
w
η
e
(
)
nD
Q
dado
por:
65
{
}
{
}
{ } { }
≠1
=0
=
)(
~
Q)(Q ,
)(
~
Q)(Q ,
)(
nyny
nyny
nD
Q
(6.13)
Note, de (6.12) e (6.13), que o fator
[
]
Q
D−1
atua como uma chave controlada pelo
estado a priori do sistema, chave esta que permite a atualização de W em função da
atualização de V. O fator
[
]
Q
D−1
gera um comportamento semelhante ao algoritmo
stop-and-go de Picchi e Prati [11]: W somente é atualizado se, ao se atualizar V, a saída y
permanece no mesmo nível de quantização Q. No entanto, o algoritmo stop-and-go não é
concorrente e possui um limiar constante que não segue a dinâmica dos estados a priori do
sistema. Uma atualização em V que não altere o nível de quantização Q implicitamente
significa uma atualização provavelmente correta, já que esta é a condição esperada após a
convergência do equalizador. Portanto, o fator
[
]
Q
D−1
controla a atualização de W em
concordância com a operação concorrente do sistema
:
O processo de minimização de
J
Q
somente é ativado quando o processo de minimização de
J
G
simultaneamente minimiza
J
Q
.
Como os filtros W e V compartilham a mesma saída y, o fator
[
]
Q
D−1
evita qualquer
interferência não cooperativa do processo de minimização de
J
Q
que possa desequilibrar o
processo de minimização de
J
G
.
66
7. DESCRIÇÃO DO ALGORITMO INTELIGENTE
A técnica de minimização por gradiente adotada no novo beamformer proposto neste
trabalho segue a heurística apresentada em [1], a qual consiste em perturbar individualmente a
reatância no centro de cada dipolo, obtendo-se com isto o gradiente da função de custo.
O vetor de reatâncias é inicializado com o valor
(
)
[
]
T
nX 000000500 ==
[Ω] e, a partir deste ponto, perturba-se o vetor de
reatâncias a fim de executar o procedimento de otimização. Sejam os vetores de reatâncias
perturbados
up
X e
down
X
dados por
(
)
(
)
(
)
nncnXnX ∆+= )(
up
(7.1)
(
)
(
)
(
)
nncnXnX ∆−= )(
down
(7.2)
onde
)(nc
é a variável que controla a parcela da perturbação aplicada no instante
discreto n dada por:
γ
)1(
)(
+
=
n
C
nc
(7.3)
onde C é uma constante e
γ
é um coeficiente não-negativo, cujos valores escolhidos
são um compromisso entre a velocidade de convergência e o erro em regime permanente.
67
[
]
T
654321
0
δδδδδδ
=∆
é um vetor cujos componentes
i
δ
,
6,,2,1
L
=
i
, assumem
valores do conjunto
{
}
1,1
−
de maneira aleatória e com distribuição probalística uniforme.
A função de custo a ser minimizada no contexto do algoritmo adaptativo MMC [2] é
(
)
2
),(1 NanrMMCL −=
(7.4)
e no contexto do algoritmo original do PDAC [3], que utiliza o CMA é
),),((
CMA
NanrCMAL
γ
=
(7.5)
onde
(
)
(
)
(
)
(
)
[
]
T
L
nrnrNnrnr 11 −+−=
L
é o vetor que armazena as últimas
NaN
L
≥
amostras
(
)
knr −
na saída da antena,
1,1,0 −=
L
Nk
L
. Note que a amostra atual
(
)
nr
é obtida em função do atual vetor de reatâncias
(
)
nX
.
O MMC (Maximum Moment Criterion) foi proposto por Ohira [2] no contexto de
beamforming blind para a antena ESPAR. Seu principio baseia-se na utilização dos momentos
estatísticos de primeira e segunda ordem das amplitudes dos sinais recebidos. Busca
minimizar o desvio nas amplitudes do sinal recebido. Diferentemente do CMA que usa uma
função de custo que tende a ser minimizada, o MMC é uma função objetivo que tende a ser
maximizada ao longo do tempo e é dada por:
{
}
2
2
)(
)(
tyE
tyE
MMC =
(7.6)
Reescrevendo a Equação (7.6), temos que
(
)
),( NanrMMC
é dado por
68
( )
( )
( )
( )
∑
∑
−
=
−
=
−
−
=
1
0
2
2
1
0
1
1
),(
Na
k
Na
k
knr
Na
knr
Na
NanrMMC
(7.7)
e reescrevendo a Equação (6.2), temos que
),),((
CMA
NanrCMA
γ
é dada por:
( )
(
)
∑
−
=
−−=
1
0
2
2
)(
.4
1
),),((
Na
k
CMACMA
knr
Na
NanrCMA
γγ
(7.8)
onde
Na
é o número de amostras utilizadas para o cômputo das médias implícitas em
(7.7) e (7.8) e
CMA
γ
é a constante de dispersão do algoritmo CMA definida em (6.3).
Visto
L
ser uma função de
X
, então, a partir de (7.1) (7.2) e (7.4) (7.5) pode-se
definir
)(
up
up
XLL
=
(7.9)
)(
down
down
XLL =
(7.10)
Desta forma os componentes
i
g , 621 ,,,i
L
=
do vetor gradiente
[ ]
T
L
gggggg
X
L
654321
0=
∆
∆
=∇
(7.11)
podem ser obtidos no instante discreto n através de
69
i
i
c
LL
g
δ
2
)(
downup
−
=
(7.12)
sendo
(
)
ncc =
, conforme (7.3).
Uma vez obtido o gradiente
L
∇
, o primeiro ajuste
I
X do vetor de reatâncias
X
no
instante discreto n pode ser efetuado por
(
)
nnanXnX
L
∇−= )()()(
I
(7.13)
onde
)(na
é o tamanho do passo de adaptação das reatâncias, dado por (7.14). Os
parâmetros
a
e A são constantes, e α é um coeficiente não-negativo, cujos valores escolhidos
são um compromisso entre a velocidade de convergência e o erro em regime permanente.
( )
α
1
)(
++
=
nA
a
na
(7.14)
O segundo ajuste
II
X
do vetor de reatâncias
X
no instante discreto n é condicionado
ao processo de decisão intrínseco ao PDAC [3]. A decisão consiste em proceder ou não a
minimização da função de custo
Q
J
que mede o erro médio quadrático entre as últimas
L
NNb
≤
amostras armazenadas no vetor
(
)
nr
e os símbolos IQ com menor distância
euclidiana aos respectivos componentes de
(
)
nr
. Especificamente,
Q
J
é dado por
( ) ( ) ( )
( )
∑
−
=
−−−=
1
0
2
}{
1
),(
Nb
j
Q
jnrjnrQ
Nb
NbnrJ
(7.15)
70
onde o operador
{
}
⋅
Q
retorna o símbolo IQ da modulação digital que apresenta menor
distância euclidiana ao argumento
{
}
⋅
e
L
NNb
≤
é o número de amostras utilizadas para o
cômputo da média em (7.15) .
Este processo de minimização condicional [3] de (7.15) é efetuado através de
(
)
(
)
(
)
nnbDnXXnX
J
∇−−==+ )1()1(
III
(7.16)
sendo
0
=
D
se
(
)
{
}
(
)
{
}
nrQnrQ
I
= e
1
=
D
se
(
)
{
}
(
)
{
}
nrQnrQ
I
≠
, onde
(
)
nr é a saída
da AI para o vetor de reatâncias
(
)
nX
e
(
)
nr
I
é a saída da AI para o vetor de reatâncias
(
)
nX
I
.
(
)
nb é o passo de adaptação das reatâncias, dado por (7.17). Os parâmetros
b
e B são
constantes, e β é um coeficiente não-negativo, cujos valores escolhidos são um compromisso
entre a velocidade de convergência e o erro em regime permanente.
( )
β
1
)(
++
=
nB
b
nb
(7.17)
O cálculo do gradiente
J
∇
é dado por (7.18).
(
)
(
)
I
I
XX
XJXJ
X
J
J
QQQ
−
−
=
∆
∆
=∇
(7.18)
A Tabela 1 apresenta o procedimento passo a passo adotado para execução do
algoritmo.
Etapa Procedimento
1 Inicializar o vetor de reatâncias:
71
=
X [50 0 0 0 0 0 0]
Inicializar contador de símbolos IQ:
0
=
n
2
Obter UXZw
1
)(
−
+=
através de (4.8).
3
Inicializar o vetor regressor de canal
(
)
nr com
L
N amostras
(
)
nr iniciais obtidas a
partir de (4.1)-(4.4), com
1,1,0 −=
L
Nn
L
, sendo NaN
L
≥
e NbN
L
≥
.
4
Gerar a seqüência de valores aleatórios
[
]
T
654321
0
δδδδδδ
=∆
.
5
Determinar
)(na
,
)(
nb e
)(nc
de acordo com (7.14), (7.17) e (7.3).
6
Obter as reatâncias perturbadas
up
X
e
down
X de acordo com (7.1) e (7.2).
7
Calcular
up
w
e
down
w a partir de (4.8) e de
up
X
e
down
X .
8
Calcular )(
up
nr e
)(
down
nr
a partir de (4.1)-(4.4) e de
up
w
e
down
w .
9
Atualizar regressores com )(
up
nr e
)(
down
nr
:
(
)
(
)
(
)
(
)
[
]
T
L
nrnrNnrnr
up
up
11 −+−=
L
(
)
(
)
(
)
(
)
[
]
T
L
nrnrNnrnr
down
down
11 −+−=
L
10
Calcular a função de custo
up
L e
down
L
através de (7.4) para o caso MMC-DD ou
(7.5) para o caso CMA-DD e de
(
)
nr
up
,
(
)
nr
down
11
Calcular o gradiente
L
∇
através de (7.11) e (7.12).
12 Obter o vetor de reatâncias atualizadas
(
)
nX
I
através de (7.13).
13
Obter UXZw
1II
)(
−
+=
através de (4.8).
14 Obter
(
)
nr
I
a partir de (4.1)-(4.4) e
I
w .
15
Avaliar o estado atual do sistema, quantizando a amostra do regressor
(
)
nr (com a
reatância
(
)
nX ) e a amostra do regressor
(
)
nr
I
(com a reatância
(
)
nX
I
).
Se
(
)
{
}
(
)
{
}
nrQnrQ
I
=
, D=0, em caso contrário, D=1.
72
16
Calcular J
∇
a partir de (7.18).
17
Obter o vetor de reatâncias atualizadas
(
)
nX
II
através de (7.16).
18
Mover uma posição à esquerda as amostras armazenadas na fila do regressor de canal
(
)
nr .
19 Obter UXZw
1IIII
)(
−
+=
através de (4.8).
20
Obter
(
)
nr
II
a partir de (4.1)-(4.4) e
II
w .
21
Armazenar a saída
(
)
nr
II
na ultima posição do regressor de canal
(
)
nr :
(
)
(
)
(
)
(
)
[
]
T
L
nrnrNnrnr
II
11 −+−=
L
22
Incrementar indexador
1
+
=
nn
23
Testar fim de loop:
Se
Q
J
< 0.001 ou
n
= número máximo de iterações predefinido (usualmente 8000)
então FIM
caso contrário ir para etapa 4.
Tabela 1: Procedimento passo a passo para execução do algoritmo Concorrente (MMC-DD e
CMD-DD).
73
8. RESULTADOS EXPERIMENTAIS
A avaliação do desempenho dos beamformers propostos foi feita mediante a
comparação dos resultados experimentais entre os algoritmos baseados na arquitetura
concorrente e o algoritmo original proposto por Ohira [2] quando submetidos às mesmas
condições de operação.
Os critérios de desempenho adotados basearam-se nos seguintes resultados de
simulação:
•
Gráficos da constelação na saída
r
da antena após a convergência dos algoritmos.
•
Gráficos comparativos das curvas MSE.
Para o caso dos algoritmos baseados na arquitetura concorrente considerou-se ter
ocorrido convergência na n-ésima iteração quando a função de custo
Q
J (7.15) tenha
estabilizado em um valor abaixo de 0.001. O segundo critério de parada foi o número máximo
de iterações. Esse valor pré-definido, para as simulações realizadas neste trabalho, foi de
10000 iterações.
A seqüência que representa a fonte de informação S a ser transmitida através do canal
possui média zero, variância unitária, distribuição uniforme e apresenta independência
estatísticas entre as amostras.
As modulações utilizadas nas simulações foram 16-QAM e 64-QAM. Foram
simulados diferentes possíveis cenários de operação da antena. Por não existir um estudo que
nos indique com precisão quais são os diferentes azimutes de chegada nos modelos de canais
existentes, os mesmos foram escolhidos aleatóriamente, sujeito à condição de que os azimutes
74
de chegada estejam angularmente separados de no mínimo 30°. A razão para esta condição é
o fato de que cada monopolo passivo do array está contido na bissetriz de um setor de 30°
com vértice no monopolo ativo – condição física que dificulta a discriminação de duas frentes
de onda que incidam com separação angular inferior a 30°. Cada cenário possui um número
diferente de frentes de onda que chegam na antena bem como o ângulo de chegada dessa
frente de onda no plano azimutal da mesma.
Para a modulação 16-QAM cada cenário foi simulado considerando SNR=35dB, 25dB
e 15dB, com 2, 3 e 4 frentes de onda chegando na antena em azimutes distintos. Para a
modulação 64-QAM foi considerado apenas duas frentes de onda chegando na antena em
azimutes distintos e SNR= 35dB e 25dB.
Este capítulo apresenta apenas alguns exemplos que nos permitam estabelecer uma
análise comparativa do desempenho entre os algoritmos MMC-DD e CMA-DD propostos
neste trabalho e o algoritmo MMC [2]. Demais exemplos serão mostrados no Apêndice A.
Os parâmetros utilizados nas simulações são:
4000000
=
a
,
4000000
=
b
,
6.0
=
α
,
6.0
=
β
,
15.0
=
γ
,
200
=
A
,
250
=
B
,
05.0
=
C
. Os tamanhos de
Na
e Nb variam
conforme o caso,
Na
assume valores entre 25 e 40 e Nb valores entre 15 e 35. Na maioria
dos casos
35
=
Na
e 20
=
Nb .
O sistema considerado opera a um symbol rate de 10.2 Msímbolos/s.
As constelações abaixo nos dão uma idéia de como o sinal está chegando na antena. A
Figura 8.1 mostra o sinal desejado sob ação do ruído gaussiano aditivo com SNR=35dB. Os
sinais interferentes (ecos) possuem o mesmo comportamento, exceção feita à respectiva
amplitude do sinal. Note que não existe influência de multipercurso e sim apenas ruído.
75
(a) 16-QAM (b) 64-QAM
Figura 8. 1: Gráficos das Constelações: 16-QAM e 64-QAM, com SNR= 35dB
A Figura 8.2 mostra o sinal recebido, de uma modulação 16-QAM com SNR=35dB,
sem a atuação da antena inteligente, cujos cenários de operação são constituídos de duas, três
e quatro frentes de onda.
(a) 16-QAM, SNR = 35dB, 2 frentes de onda (b) 16-QAM, SNR = 35dB, 3 frentes de onda
(c) 16-QAM, SNR = 35dB, 4 frentes de onda
Figura 8. 2: Gráficos da Constelação 16-QAM, com SNR= 35dB, nos cenários de operação
dos casos I, II e III.
76
A Figura 8.3 mostra o sinal recebido, de uma modulação 64-QAM com SNR=35dB,
sem a atuação da antena inteligente, cujo cenário de operação é constituído de duas frentes de
onda.
64-QAM, SNR = 35dB, 2 frentes de onda
Figura 8. 3: Gráficos da Constelação 64-QAM, com SNR= 35dB, no cenário de operação do
caso IV.
Com base nas Figuras 4.4 e 4.5, os sinais desejado e interferentes incidem na antena
sob
o
90=
θ
e
φ
conforme Casos I, II, III e IV a seguir.
Caso I
: Modulação 16-QAM, SNR=35dB, sinal desejado incidindo na antena a
φ
=0º e
interferente incidindo a
φ
=90º. O sinal interferente constitui um eco do sinal desejado,
atenuado de 13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em
questão.
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
77
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura 8. 4: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 35dB
78
Caso II
: Modulação 16-QAM, SNR=35dB, sinal desejado incidindo na antena a
φ
=0º
e interferentes incidindo a
φ
=90º e
φ
=180º. Os sinais interferentes constituem ecos do sinal
desejado, atenuados de 13.8dB e 16.2dB, atrasados 0.15 µs e 2.22 µs correspondendo a 2 e 23
amostras respectivamente, no sistema em questão.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
79
Caso III
: Modulação 16-QAM, SNR=35dB, sinal desejado incidindo na antena a
φ
=0º
e interferentes incidindo a
φ
=150º,
φ
=180º e
φ
=200º. Os sinais interferentes constituem ecos
do sinal desejado, atenuados de 13.8dB, 16.2dB e 14.9dB, atrasados 0.15 µs, 2.22 µs e 3.05
µs correspondendo a 2, 23 e 31 amostras respectivamente, no sistema em questão.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura 8. 6: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 35dB
80
Caso IV
: Modulação 64-QAM, SNR=35dB, sinal desejado incidindo na antena a
φ
=0º e
interferente incidindo a
φ
=90º. O sinal interferente constitui um eco do sinal desejado,
atenuado de 13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em
questão.
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura 8. 7: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 35dB
81
Nas Figuras acima são apresentados os resultados obtidos para os quatro casos
exemplificados. Na coluna da esquerda são plotadas as constelações 16-QAM (casos I, II, III)
e 64-QAM (caso IV), após a convergência dos algoritmos. Note que, ao contrário do MMC,
os algoritmos baseados na arquitetura concorrente (CMA-DD e MMC-DD) corrigem
inclusive a rotação de fase da constelação na saída
r
. Note que o sinal ainda não foi
submetido a nenhum processo de desconvolução do canal de transmissão pelo receptor digital.
82
9. CONCLUSÕES
Este trabalho propôs uma modificação no algoritmo de beamforming para antenas
controladas por reatâncias, como a ESPAR, proposta por Ohira [1][2], incorporando a esse
algoritmo a arquitetura do Equalizador Concorrente, proposto por De Castro [3]. A proposta
inicial era incorporar ao algoritmo MMC a etapa do equalizador concorrente que avalia a fase
do sinal recebido, uma vez que o MMC original, por si só tem a capacidade de avaliar apenas
a potência do sinal recebido. Porém no decorrer das simulações optou-se por incluir a
arquitetura original do equalizador concorrente, o qual utiliza na etapa que avalia a potência
do sinal recebido, o algoritmo CMA.
Os resultados mostraram que os algoritmos baseados na arquitetura concorrente
(CMA-DD e MMC-DD) não só resultam em um menor erro médio quadrático em relação à
constelação de referência da modulação digital, como também resultam em uma melhor
relação sinal-interferência no diagrama de irradiação.
Além disto, a arquitetura concorrente converge em aproximadamente metade do
número de iterações necessárias ao MMC.
Essa melhora no sinal resultante se deve ao fato de que a arquitetura Concorrente
avalia não apenas a energia do sinal recebido – como é caso do MMC – mas leva em
consideração também a fase da seqüência de símbolos IQ recebidos para efeito da
Minimização do erro.
Embora não tenha sido objeto de estudo deste trabalho, observou-se que a antena
adotada para efeito de prova de conceito possui uma banda passante relativamente estreita.
Sugere-se, portanto, que em trabalhos futuros se estude uma maneira de aumentar essa banda
passante.
Outro estudo necessário para viabilizar o uso deste tipo de antena na recepção de
sinais de TV Digital é a concepção de um array com polarização horizontal. Uma possível
solução seria a utilização de loops.
83
10. REFERÊNCIAS BIBLIOGRÁFICAS
[1] C. Sun, A. Hirata, T. Ohira and N. C. Karmakar, “Fast Beamforming of
Electronically Steerable Parasitic Array Radiator Antennas: Theory and
Experiment”, IEEE Transactions on Antennas and Propagation, Vol. 52, No. 7,
July 2004.
[2] T. Ohira, “Blind Adaptive Beamforming Electronically-Steerable Parasitic Array
Radiator Antenna Based on Maximum Moment Criterion”, Antennas and
Propagation Society International Symposium, 2002 - IEEE. Vol. 2, 16-21 June
2002
[3] F. C. C. De Castro, M. C. F. De Castro and D. S. Arantes, “Concurrent Blind
Deconvolution for Channel Equalization”, IEEE International Conference on
Communications - ICC 2001, Helsinque, 2001.
[4] K. Gyoda and T. Ohira, “Design of Electronically Steerable Parasitic Array
Radiator (ESPAR) Antenna”, IEEE Transactions on Antennas and Propagation,
Vol 2, 16-21 July 2000
[5] T. Ohira and K. Gyoda, “Electronically steerable passive array radiator antennas
for low-cost analog adaptive beamforming”, IEEE International Conference on
Phased Array Systems and Technology - May 2000
[6] K. Yang, T. Ohira, “Realization of Space–Time Adaptive Filtering by Employing
Electronically Steerable Passive Array Radiator Antennas”, IEEE Transactions on
Antennas and Propagation, Vol. 51, Nr. 7, July 2003
[7] K.R. Dandekar, H. Ling, and G. Xu, “Experimental Study of Mutual Coupling
Compensation in Smart Antenna Applications”, IEEE Transactions on Wireless
Communications, Vol. 1, No. 3, July 2002.
[8]
D. N. Godard, “Self-Recovering Equalization and Carrier Tracking in Two-
Dimensional Data Communication Systems”, IEEE Transactions on
Communications, vol. COM-28, no. 11, Novembro 1980.
[9]
J. R. Treichler, M. G. Agee, “A New Approach to Multipath Correction of Constant
Modulus Signals”, IEEE Transactions on Acoustics, Speech and Signal Processing,
Abril 1983.
[10] J. R. Treichler, I. Fijalkow e C.R. Johnson Jr., “Fractionally-Spaced Equalizers:
How Long Should They Really Be?”, Signal Processing Magazine, vol. 13, no. 3,
pp. 65-81, Maio 1996.
[11] G. Picchi e G. Prati, “Blind Equalization and Carrier Recovery Using a Stop-and-
Go Decision-Directed Algorithm”, IEEE Transactions on Communications, vol.
COM-35, no. 9, pp. 877-887, Setembro 1987.
[12] C.A. Balanis, Antenna Theory – Analysis and Design, 2
nd
, John Wiley & Sons,
84
1997.
[13] W.L. Stutzman and G.A. Thiele, Antenna Theory and Design,2
nd
, John Wiley &
85
Apêndice A
Abaixo são apresentados os resultados das simulações realizadas com o objetivo
de avaliar a performance dos algoritmos propostos. Conforme citado no capítulo 8, o
desempenho dos algoritmos baseados na arquitetura concorrente são confrontados com o
desempenho do MMC.
Os parâmetros utilizados nas simulações são:
4000000
=
a
,
4000000
=
b
,
6.0
=
α
,
6.0
=
β
,
15.0
=
γ
,
200
=
A
,
250
=
B
,
05.0
=
C
. Os tamanhos de
Na
e Nb variam
conforme o caso,
Na
assume valores entre 25 e 40 e Nb valores entre 15 e 35. Na maioria
dos casos
35
=
Na
e 20
=
Nb .
O sistema considerado opera a um Symbol Rate de 10.2 Msímbolos/s. Com
modulação 16-QAM a simulação considera SNR=15dB, 25dB e 35dB. Com modulação 64-
QAM a simulação considera SNR=25 e 35dB.
Com base nas Figuras 4.4 e 4.5, os sinais desejado e interferentes incidem na
antena sob
o
90=
θ
e φ conforme Casos a seguir.
Os sinais interferentes constituem ecos do sinal desejado, atenuados conforme a tabela
abaixo:
Tabela 2: Características das frentes de onda que chegam na antena
Percurso Atenuação (dB) Atraso (µs)
Principal 0.0 0.0
Eco 1 13.8 0.15
Eco 2 16.2 2.22
Eco 3 14.9 3.05
86
As constelações abaixo nos dão uma idéia de como o sinal desejado está chegando na
antena devido à ação do ruído gaussiano aditivo. Os sinais interferentes (ecos) possuem o
mesmo comportamento, exceção feita a respectiva amplitude do sinal. Note que não existe
influência de multipercurso e sim apenas ruído.
(a) SNR = 15dB (b) SNR = 25dB
(c) SNR = 35 dB
Figura A. 1: Constelação do sinal de referência sob efeito de ruído gaussiano
87
Os seis cenários de operação a seguir (Casos I, II, III, IV, V e VI) são constituídos de duas
frentes de onda em direções distintas. As figuras abaixo nos dão uma idéia de como o sinal é
recebido sem a atuação da antena inteligente.
(a) SNR = 15dB (b) SNR = 25dB
(c) SNR = 35 dB
Figura A. 2: Constelação do sinal na saída da antena, com duas frentes de onda incidindo na
mesma.
88
Caso I
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=90º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 3: Diagramas de Irradiação Caso I
89
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE× número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 4: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 15dB
90
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 5: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 25dB
91
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algo
ritmo MMC
Figura A. 6: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso I, SNR = 35dB
92
Caso II
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=180º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 7: Diagramas de Irradiação Caso II
93
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 8: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 15dB
94
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 9: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 25dB
95
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 10: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso II, SNR = 35dB
96
Caso III
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=270º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 11: Diagramas de Irradiação Caso III
97
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 12: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 15dB
98
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 13: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 25dB
99
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 14: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso III, SNR = 35dB
100
Caso IV
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=45º e interferente
incidindo a
φ
=135º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 15: Diagramas de Irradiação Caso IV
101
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 16: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 15dB
102
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 17: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 25dB
103
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 18: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IV, SNR = 35dB
104
Caso V
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=45º e interferente
incidindo a
φ
=225º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 19: Diagramas de Irradiação Caso V
105
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 20: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 15dB
106
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 21: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 25dB
107
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 22: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso V, SNR = 35dB
108
Caso VI
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=315º e interferente
incidindo a
φ
=45º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 23: Diagramas de Irradiação Caso VI
109
As figuras abaixo consideram que as condições de convergência ou limitação do
número de iterações foram atingidas.
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 24: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 15dB
110
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 25: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 25dB
111
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 26: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VI, SNR = 35dB
112
Os quatro cenários de operação a seguir (Casos VII, VIII, IX e X) são constituídos de três
frentes de onda em direções distintas. As figuras abaixo nos dão uma idéia de como o sinal
seria recebido sem a atuação da antena inteligente.
SNR = 15dB SNR = 25dB
SNR = 35 dB
Figura A. 27: Constelação do sinal na saída da antena, com três frentes de onda incidindo na
mesma
113
Caso VII
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferentes
incidindo a
φ
=90º e
φ
=180º. Os sinais interferentes constituem ecos do sinal desejado,
atenuados de 13.8dB e 16.2dB, atrasados 0.15 µs e 2.22 µs correspondendo a 2 e 23 amostras
respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 28: Diagramas de Irradiação Caso VII
114
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 29: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 15dB
115
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 30: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 25dB
116
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 31: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VII, SNR = 35dB
117
Caso VIII
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferentes
incidindo a
φ
=135º e
φ
=225º. Os sinais interferentes constituem ecos do sinal desejado,
atenuados de 13.8dB e 16.2dB, atrasados 0.15 µs e 2.22 µs correspondendo a 2 e 23 amostras
respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 32: Diagramas de Irradiação Caso VIII
118
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 33: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR = 15dB
119
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 34: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR = 25dB
120
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 35: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso VIII, SNR =315dB
121
Caso IX
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=90º e interferentes
incidindo a
φ
=225º e
φ
=300º. Os sinais interferentes constituem ecos do sinal desejado,
atenuados de 13.8dB e 16.2dB, atrasados 0.15 µs e 2.22 µs correspondendo a 2 e 23 amostras
respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 36: Diagramas de Irradiação Caso IX
122
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 37: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 15dB
123
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 38: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 25dB
124
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 39: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso IX, SNR = 35dB
125
Caso X
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=90º e interferentes
incidindo a
φ
=270º e
φ
=325º. Os sinais interferentes constituem ecos do sinal desejado,
atenuados de 13.8dB e 16.2dB, atrasados 0.15 µs e 2.22 µs correspondendo a 2 e 23 amostras
respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 40: Diagramas de Irradiação Caso X
126
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 41: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 15dB
127
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 42: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 25dB
128
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algorit
mo MMC
Figura A. 43: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso X, SNR = 35dB
129
Os dois cenários de operação a seguir (Casos XI e XII) são constituídos de quatro frentes de
onda em direções distintas. As figuras abaixo nos dão uma idéia de como o sinal seria
recebido sem a atuação da antena inteligente. É importante salientar que nesse cenário a
antena opera em sua capacidade máxima de anular os sinais interferentes conforme vimos no
capítulo 3 [9].
SNR = 15dB SNR = 25dB
SNR = 35 dB
Figura A. 44: Constelação do sinal na saída da antena, com quatro frentes de onda incidindo
na mesma
130
Caso XI
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=0º e interferentes
incidindo a
φ
=150º,
φ
=180º e
φ
=200º. Os sinais interferentes constituem ecos do sinal
desejado, atenuados de 13.8dB, 16.2dB e 14.9dB, atrasados 0.15 µs, 2.22 µs e 3.05 µs
correspondendo a 2, 23 e 31 amostras respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 45: Diagramas de Irradiação Caso XI
131
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 46: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 15dB
132
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 47: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 25dB
133
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 48: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XI, SNR = 35dB
134
Caso XII
: Modulação 16-QAM, sinal desejado incidindo na antena a
φ
=90º e interferentes
incidindo a
φ
=250º,
φ
=270º e
φ
=300º. Os sinais interferentes constituem ecos do sinal
desejado, atenuados de 13.8dB, 16.2dB e 14.9dB, atrasados 0.15 µs, 2.22 µs e 3.05 µs
correspondendo a 2, 23 e 31 amostras respectivamente, no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=15dB
(c) Diagrama de irradiação SNR=25dB (d) Diagrama de irradiação SNR=35dB
Figura A. 49: Diagramas de Irradiação Caso XII
135
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 50: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 15dB
136
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 51: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 25dB
137
(a) Constelação 16-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 16-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 16-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 52: Gráficos da Constelação 16-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XII, SNR = 35dB
138
A seguir, são apresentados os resultados referentes a modulação 64-QAM. As
constelações abaixo nos dão uma idéia de como o sinal desejado está chegando na antena
devido à ação do ruído gaussiano aditivo. Os sinais interferentes (ecos) possuem o mesmo
comportamento, exceção feita a respectiva amplitude do sinal. Note que não existe influência
de multipercurso e sim apenas ruído.
(a) SNR = 25dB (b) SNR = 35dB
Figura A. 53: Constelação do sinal de referência sob efeito de ruído gaussiano
Os seis cenários de operação a seguir (Casos XIII, XIV, XV, XVI, XVII e XVIII) são
constituídos de duas frentes de onda em direções distintas. As figuras abaixo nos dão uma
idéia de como o sinal é recebido sem a atuação da antena inteligente.
(a) SNR = 25dB (b) SNR = 35dB
Figura A. 54: Constelação do sinal na saída da antena, com duas frentes de onda incidindo na
mesma
139
Caso XIII
: Modulação 64-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=90º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=25dB
(c) Diagrama de irradiação SNR=35dB
Figura A. 55: Diagramas de Irradiação Caso XIII
140
141
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
alg
oritmo MMC
Figura A. 57: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIII, SNR = 35dB
142
Caso XIV
: Modulação 64-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=180º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=25dB
(c) Diagrama de irradiação SNR=35dB
Figura A. 58: Diagramas de Irradiação Caso XIV
143
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 59: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIV, SNR = 25dB
144
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 60: Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XIV, SNR = 35dB
145
Caso XV
: Modulação 64-QAM, sinal desejado incidindo na antena a
φ
=0º e interferente
incidindo a
φ
=270º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=25dB
(c) Diagrama de irradiação SNR=35dB
Figura A. 61: Diagramas de Irradiação Caso XV
146
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 62:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XV, SNR = 25dB
147
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 63:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XV, SNR = 35dB
148
Caso XVI
: Modulação 64-QAM, sinal desejado incidindo na ant
149
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 65:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVI, SNR = 25dB
150
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 66:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVI, SNR = 35dB
151
Caso XVII
: Modulação 64-QAM, sinal desejado incidindo na antena a
φ
=45º e interferente
incidindo a
φ
=225º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=25dB
(c) Diagrama de irradiação SNR=35dB
Figura A. 67: Diagramas de Irradiação Caso XVII
152
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 68:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVII, SNR = 25dB
153
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 69:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVII, SNR = 35dB
154
Caso XVIII
: Modulação 64-QAM, sinal desejado incidindo na antena a
φ
=315º e interferente
incidindo a
φ
=45º. O sinal interferente constitui um eco do sinal desejado, atenuado de
13.8dB e atrasado 0.15 µs, o que corresponde a 2 amostras no sistema em questão.
(a) Diagrama de irradiação inicial (b) Diagrama de irradiação SNR=25dB
(c) Diagrama de irradiação SNR=35dB
Figura A. 70: Diagramas de Irradiação Caso XVIII
155
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 71:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVIII, SNR = 25dB
156
(a) Constelação 64-QAM, algoritmo CMA-DD
(b) Curva MSE × número de iterações,
algoritmo CMA-DD
(c) Constelação 64-QAM, algoritmo MMC-DD
(d) Curva MSE
×
número de iterações,
algoritmo MMC-DD
(e) Constelação 64-QAM, algoritmo MMC
(f) Curva MSE
×
número de iterações,
algoritmo MMC
Figura A. 72:
Gráficos da Constelação 64-QAM e curvas MSE dos algoritmos CMA-DD,
MMC-DD e MMC para o Caso XVIII, SNR = 35dB
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
