Como aprender desvanecimento a partir de dados

• Processo: 19/04258-9
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de maio de 2019
• Data de Término da vigência: 30 de setembro de 2019
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: José Cândido Silveira Santos Filho
• Beneficiário: José Cândido Silveira Santos Filho
• Pesquisador Anfitrião: Flavio du Pin Calmon
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Harvard University, Estados Unidos
• Assunto(s): Comunicações sem fio Estimação de parâmetros
• Palavra(s)-Chave do Pesquisador: desvanecimento | Estimação | Modelagem de Canal | Comunicações sem Fio

Resumo

Com base em argumentos físicos, pesquisadores têm proposto diferentes modelos probabilísticos de desvanecimento para descrever as flutuações aleatórias que afetam a amplitude e a fase do canal de comunicações sem fio. Além disso, para cada um desses modelos, eles têm empregado abordagens clássicas para estimar os parâmetros de distribuição a partir de medições de campo, incluindo os métodos onipresentes de casamento de momentos e de máxima verossimilhança. É basicamente assim que os canais de desvanecimento têm sido aprendidos a partir de dados até então. Neste projeto, revisitamos esse problema de um ponto de vista mais pragmático, porém mais fundamental. Independentemente da forma funcional da distribuição de desvanecimento real, desconhecida na prática, qual é o aspecto unificado e essencial do fenômeno de desvanecimento que domina o desempenho dos sistemas de comunicações? Qual conjunto simples de parâmetros pode descrever esse aspecto adequadamente? Qual é um modelo adequado para aprender esses parâmetros a partir de dados de campo? Qual função-custo deve ser atribuída ao processo de aprendizagem? Qual algoritmo de minimização se encaixaria melhor? Nosso objetivo é responder a todas essas perguntas combinando indicações específicas do domínio das comunicações sem fio e técnicas de aprendizado de máquina baseadas em dados. (AU)