Ir al contenido

Software de propagación inalámbrica 3D Wireless InSite

Wireless InSite® es un conjunto de modelos de propagación de RF que proporciona trazado de rayos 3D, métodos rápidos basados en rayos y modelos empíricos para el análisis de la propagación de ondas de radio y sistemas de comunicación inalámbrica en emplazamientos específicos. Gracias a sus capacidades combinadas de modelado, simulación y posprocesamiento, proporciona predicciones eficientes y precisas de la propagación EM y de las características de los canales de comunicación en entornos complejos urbanos, interiores, rurales y de trayectoria mixta.

sin cables
Rayos X de alta fidelidad

Modelo de propagación X3D

X3D es un modelo de propagación en 3D sin restricciones en cuanto a la forma de la geometría o la altura del transmisor/receptor. Este preciso modelo incluye reflexiones, transmisiones y difracciones junto con la absorción atmosférica y la dispersión difusa. Admite frecuencias de hasta 100 GHz.

Seguir leyendo
Software de modelización de antenas

Modelado de antenas

Importe patrones de antena medidos, antenas simuladas de XFdtd o cree antenas de libro de texto para su uso en transmisores y receptores SISO, MIMO y Massive MIMO. Incluya datos de patrones específicos de frecuencia para mejorar la precisión al utilizar varias bandas o realizar barridos de frecuencia.

Seguir leyendo
MIMO-Beamforming

Formación de haces MIMO y multiplexación espacial

Simule antenas MIMO para 5G, WiFi y otras tecnologías. Se utilizan efectos detallados de acoplamiento mutuo y multitrayecto con técnicas MIMO como la formación de haces, la multiplexación espacial y la diversidad para predecir métricas de canal clave para uno o más flujos de datos MIMO.

Seguir leyendo
Análisis de sistemas de comunicación

Análisis de sistemas de comunicación

Calcule la SINR, el rendimiento, la capacidad teórica y la tasa de errores de bits (BER) para visualizar y evaluar el rendimiento de los dispositivos inalámbricos.

Seguir leyendo
Materiales

Materiales

Defina las propiedades eléctricas hasta el nivel de las facetas. La base de datos de materiales instalados incluye metal, tierra, hormigón, ladrillo, madera, vidrio, etc. en varias frecuencias.

Seguir leyendo
Superficies electromagnéticas de ingeniería

Superficies electromagnéticas de ingeniería (EES)

Modelar una EES o una configuración única de una Superficie Inteligente Reconfigurable (RIS) basada en la metasuperficie, y evaluar cómo modifica el entorno de propagación para mejorar la conectividad.

Seguir leyendo
Dispersión difusa-1

Dispersión difusa

Captura de los efectos de la dispersión en la respuesta al impulso compleja y la potencia recibida (incluida la polarización cruzada) para aplicaciones mmWave.

Seguir leyendo
Función-Importar

Importación de funciones

Admite los formatos KMZ, COLLADA, SHP y DXF para la importación de edificios y objetos. La Geospatial Abstraction Library se utiliza para la importación de terrenos en formatos DTED, DEM y TIFF.

Seguir leyendo
WI_City_Glamour

Caché geométrico

El modelo de propagación X3D de Wireless InSite almacena automáticamente en caché la geometría procesada para su uso posterior, evitando el tiempo de procesamiento de la geometría cuando se ejecutan varios trabajos simultáneos o posteriores con la misma geometría.

Seguir leyendo
Métodos basados en rayos rápidos

Métodos rápidos basados en rayos

Modelos de propagación 2D específicos para cada emplazamiento, diseñados para aplicaciones urbanas y en terrenos accidentados de largo alcance.

Seguir leyendo
Modelos empíricos de propagación

Modelos empíricos de propagación

Conjunto de modelos empíricos diseñados para el análisis urbano y de interiores.

Seguir leyendo
modelización+de+canales+de+ondas+mm con+dispersión+difusa

Salidas

Los usuarios pueden acceder rápidamente a datos como la potencia recibida, los trayectos de propagación, la pérdida de trayecto, etc. Estos archivos ASCII pueden trazarse en la herramienta o procesarse externamente.

Seguir leyendo
Imagen 5G MIMO

5G MIMO

El software de simulación EM de Remcom proporciona una solución 5G completa, desde el diseño de sistemas y antenas MIMO hasta la evaluación del rendimiento en entornos realistas y simulados, pasando por la planificación del despliegue en redes 5G. Nuestra misión es proporcionar soluciones precisas para que los clientes puedan predecir de forma fiable cómo se comportarán sus sistemas en el mundo real.

5G MIMO
Imagen de colocación de la antena

Colocación de la antena

Las herramientas de software de modelado de antenas de Remcom garantizan el diseño y la colocación adecuados de las antenas en casi cualquier aplicación. Nuestras herramientas de simulación pueden funcionar solas o en conjunto para obtener un análisis completo del rendimiento de una antena.

Colocación de la antena
Imagen del dispositivo móvil

Dispositivo móvil

La precisión es clave en el diseño de los complejos dispositivos móviles actuales, y los ingenieros no pueden permitirse discrepancias entre la eficiencia del dispositivo y los resultados de la simulación. Los usuarios de Remcom observan menos de 0,5 dB de diferencia en la eficiencia de los dispositivos en comparación con los resultados de la simulación electromagnética.

Dispositivo móvil
Propagación inalámbrica Imagen

Propagación inalámbrica

Las soluciones de Remcom para aplicaciones de propagación inalámbrica abarcan desde la defensa militar hasta las comunicaciones comerciales. Además de nuestras herramientas de software de predicción inalámbrica, nuestra División de Software de Propagación está especializada en la contratación gubernamental, el desarrollo de software a medida y la realización de investigaciones y análisis.

Propagación inalámbrica

Documentación y recursos de aprendizaje de Wireless InSite

Especificaciones de Wireless InSite

 

 

Funciones inalámbricas in situ

Póngase en contacto con nosotros para obtener más información sobre capacidades o para hablar de sus necesidades específicas.

InSite inalámbrico estándar
Conjunto de modelos de propagación basados en el trazado de rayos bidimensional y tridimensional de alta fidelidad. Admite aplicaciones inalámbricas urbanas y de interior, así como rurales de mayor alcance.
InSite Professional inalámbrico

Combina los modelos de alta fidelidad de la versión estándar con modelos empíricos y basados en rayos rápidos. También incluye capacidades especializadas adicionales, tales como:

  • Dispersión difusa, captación de las contribuciones de señal de las superficies rugosas

  • Engineered Electromagnetic Surfaces (EES), que permite modelar metasuperficies EM pasivas diseñadas para mejorar la cobertura de las señales inalámbricas.

  • Optimización en tiempo de ejecución de la generación de rutas adyacentes (APG)

  • API para determinados modelos, lo que permite a los usuarios desarrollar aplicaciones personalizadas.

MIMO inalámbrico in situ

Combina las funciones de la versión Professional con funciones MIMO, como el generador de matrices MIMO, la simulación MIMO optimizada, el análisis de rendimiento y comunicaciones, y el analizador de resultados de canal. Calcule el canal MIMO, incluida la degradación debida al acoplamiento mutuo entre antenas. Aplicar técnicas de formación de haces, multiplexación espacial y diversidad para mejorar el rendimiento y predecir el rendimiento de múltiples flujos MIMO.

 
Capacidades de modelización
  • Conjunto de modelos de propagación que abarcan una gama de fidelidad y tiempos de ejecución, incluidos:

  • Modelos para aplicaciones de exterior, interior, de interior a exterior y de exterior a interior

  • Variedad de entornos, desde densamente urbanos a terrenos accidentados y abiertos.

  • Simula antenas, polarización y fase mediante el análisis completo de la propagación multitrayecto en entornos complejos.

  • Simula técnicas MIMO y admite desde antenas MIMO tradicionales hasta grandes matrices MIMO (masivas).

  • El analizador de comunicaciones calcula las interferencias, la SINR, el rendimiento, la capacidad y la tasa de errores binarios.

Generación y manipulación de geometrías
  • Tratamiento de la geometría de la ciudad, incluida la asociación de edificios, la simplificación y la comprobación de errores

  • Almacenamiento de geometría en caché para ahorrar tiempo al ejecutar varios estudios con la misma geometría.

  • Editores gráficos de ciudades, interiores, terrenos y follaje

  • Ajustar el follaje al terreno y definir los límites inferiores de las copas elevadas

  • Operaciones de traslación, escala y rotación

  • Asignación de las propiedades de los materiales

  • Recorte de escenas del terreno y características urbanas

Características estándar
  • Los resultados del canal incluyen la potencia recibida, el campo eléctrico, la dispersión por retardo, los ángulos de llegada y salida, el perfil de retardo de potencia y diversas magnitudes de riesgo de radiación.

  • Los resultados del análisis de las comunicaciones incluyen SINR, tasa de errores de bit, rendimiento, capacidad y otras métricas de comunicaciones.

  • Los cálculos utilizan diagramas de antena 3D con información completa sobre polarización y fase

  • Genera una salida en el dominio del tiempo y la frecuencia

  • Identifica los cortes de cobertura utilizando la herramienta de análisis del sistema de comunicación.

  • Admite la importación de datos de edificios urbanos, planos de planta, terreno y suelo y vegetación a partir de formatos estándar.

  • Superposición de resultados en mapas, fotografías aéreas y visualizaciones en 3D de edificios y terrenos

Materiales y efectos medioambientales
  • Capacidad para modelar las propiedades dieléctricas de los materiales de construcción, incluidos los materiales multicapa.

  • El modelo de superficies electromagnéticas de ingeniería (EES ) permite incluir las metasuperficies pasivas utilizadas para mejorar la cobertura de la señal inalámbrica para 6G

  • La absorción atmosférica en el modelo de rayos X3D se amplía a ondas milimétricas y superiores

  • Propiedades de los materiales del suelo, incluidos modelos incorporados basados en porcentajes de arena, limo y arcilla.

  • Coeficientes de reflexión y transmisión tabulados y definidos por el usuario

  • Modelos de pérdida de penetración del follaje

Visualización de entradas y salidas
  • Visualización en color de la mayoría de los resultados

  • Herramientas de trazado de líneas

  • Diagramas polares y visualizaciones en 3D de los diagramas de antena

  • Gráficos de los coeficientes de reflexión y transmisión por material

  • Visualización en color de campos eléctricos transitorios

  • "Secuencia de películas" de campos transitorios frente al tiempo

  • Exportar "Secuencia de película" a archivo MPEG

  • Exportación de vistas y gráficos a archivos JPEG y TIFF

Computación de alto rendimiento y optimización algorítmica
  • Aceleración en la GPU y multihilo para el modelo de rayos X3D

  • Numerosas optimizaciones del trazado de rayos en todo el conjunto de modelado

  • Wireless InSite Real Time a prueba de subprocesos para aplicaciones API multiproceso

  • Métodos para la ejecución de varios modelos en varios procesadores

Salidas del canal de propagación
  • Potencia recibida

  • Vías de propagación

  • Pérdida de trayectoria

  • Diferencia de retardo

  • Magnitud y fase del campo eléctrico

  • Campo eléctrico en función del tiempo y la frecuencia

  • La base más sólida para móviles

  • Hora y dirección de llegada

  • Perfil de retardo de potencia

  • Desplazamiento Doppler

  • Películas animadas sobre campos eléctricos

  • Potencia recibida, pérdida de trayecto

  • Visualizar las rutas de propagación

  • Respuesta impulsional compleja

  • Dirección de llegada

  • Dirección de salida

Modelado de antenas
  • Conjuntos emisor/receptor definidos mediante puntos individuales, trayectorias (rutas), arcos, superficies planas (verticales u horizontales), superficies cilíndricas o superficies esféricas.

  • Fuentes de ondas planas para modelar transmisores aerotransportados y por satélite

  • Antenas analíticas con polarización vertical, horizontal y circular, o polarizaciones complejas mediante la importación de archivos de antena.

  • Compatibilidad con antenas MIMO, incluidas matrices de gran tamaño (masivas)

  • Posibilidad de importar datos de antena multifrecuencia y utilizarlos en simulaciones de barrido de frecuencias.

  • Importación de patrones de antena: importa datos de patrones de antena desde Odyssey, MSI planet o XFdtd de Remcom, o convierte desde otros solvers o mediciones al formato estándar de patrones de antena 3D de Remcom.

Cálculos MIMO
  • Cálculo optimizado de las características del canal para grandes conjuntos MIMO

  • Creador de matrices para construir matrices MIMO con patrones, rotaciones y espaciamientos arbitrarios; importación opcional de matrices de antenas desde el solver de onda completa u otras fuentes.

  • Técnicas MIMO de formación de haces, multiplexación espacial y diversidad aplicadas al cálculo de las características de la señal de flujos de datos MIMO.

  • Uso de parámetros S multipuerto para captar la degradación debida al acoplamiento mutuo entre elementos de antena

  • Análisis de comunicaciones calculando SINR, throughput y BER para múltiples flujos MIMO, así como total para canal MIMO.

  • Analizador de datos de canal para visualizar, trazar y exportar la salida MIMO

  • Exportación a CSV de todos los resultados MIMO para permitir un análisis más detallado por parte del usuario

Salidas MIMO
  • Potencia recibida y pérdida de trayecto

  • Matriz H

  • Respuesta impulsional compleja

  • Dirección de llegada

  • Dirección de salida

  • Diferencia de retardo RMS

  • Ángulo de llegada y salida

  • Salidas del sistema de comunicación MIMO (véase más abajo)

Salidas del sistema de comunicación
  • Interferencias y ruido

  • Potencia total, transmisor más potente por potencia recibida, transmisor más potente

  • Relación señal/ruido (SNR), relación señal/interferencia (SIR), relación señal/interferencia más ruido (SINR)

  • Indicador de intensidad de la señal recibida (RSSI)

  • Potencia recibida de la señal de referencia (RSRP, sólo LTE)

  • Calidad de la señal de referencia recibida (RSRQ, sólo LTE)

  • Rendimiento para LTE, WiMAX, 802.11n, 802.11ac, 802.11ax, 5G NR y para protocolos definidos por el usuario

  • Capacidad (Shannon-Hartley)

  • Tasa de error de bits (BER)

Tipos de datos geométricos
  • Ciudades

  • Terreno

  • Follaje

  • Planos

  • Objetos

Importación de datos geométricos
  • Importación DAE (COLLADA)

  • Importar KMZ (COLLADA)

  • Importar SHP

  • Importar STL

  • Importar DXF

  • Importar STL

  • Importe DEM, DTED, JDEM, SDTS, ASCII Grid, TIFF/BigTIFF/GeoTIFF para datos de elevación del terreno.

  • Importar TIFF y GeoTIFF

  • Importar la base de datos Global Land Cover Characteristics (GLCC) para la cubierta vegetal

  • Importar el Mapa Digital de Suelos (DSM) del mundo

  • Conversión de trama a vector

Dispersión difusa
  • Modelos Degli-Esposti

  • Lambertiano

  • Directiva

  • Directiva con retrodispersión

Opciones mejoradas
  • Monte Carlo para capturar la incertidumbre en los parámetros de potencia o material

  • Modelización de canales dispersivos mediante barridos de frecuencia

  • Exposición máxima admisible (MPE) - Norma IEEE C95.1-2005

  • Bibliotecas personalizadas de antenas, materiales y formas de onda

  • Compatibilidad con clústeres Linux

 

Versiones

Comparación de versiones de Wireless InSite

Estándar
Profesional
MIMO
Modelo de rayos X3D (GPU)
Modelo completo de propagación en 3D
Modelo de rayos del cañón urbano (2D)
Modelo de rayo plano vertical (2D)
Espacio libre
Geodésica de triple trayectoria
Hata/COST Hata
Propagación urbana en el plano vertical
Walfisch-Ikegami
API de C++ al motor de cálculo
Superficies electromagnéticas de ingeniería (EES)
Generación de rutas adyacentes (optimización)
Dispersión difusa
Diseñador de antenas MIMO
Optimización de la simulación MIMO
Formación de haces MIMO/Multiplexación espacial
Salidas de canal MIMO
Análisis de rendimiento/comunicaciones MIMO

 

Requisitos del sistema Wireless InSite

Requisitos del sistema

Mínimo
Recomendado
Avanzado
Procesador
Intel i3
Intel i7 o superior
Doble Intel Xeon
Procesadores lógicos [1]
2
4
8+
RAM
8 GB
16 GB
64 GB
GPU RAM
2 GB
6 GB
12 GB
Espacio en disco duro
500 GB
1 TB
2 TB

[1] El rendimiento suele mejorar con más núcleos (o procesadores lógicos); sin embargo, muchos sistemas con un gran número de procesadores lógicos tienen limitaciones en cuanto a la utilización máxima sostenida.

[2] La GPU debe ser una tarjeta con capacidad CUDA y compatible con NVIDIA OptiX 4.1.0. De acuerdo con las notas de lanzamiento de OptiX 4.1.0 y el momento de su lanzamiento, las tarjetas compatibles con CUDA deben tener una capacidad de cálculo de 3.0 o superior. Póngase en contacto con el soporte de NVIDIA para obtener recomendaciones específicas.

Aceleración de GPU XStream:
  • Capacidad de cálculo NVIDIA: 3.0 o superior [2]

GUI - Plataformas soportadas:
  • Microsoft Windows 7, Windows 8, Windows 10 y Windows 11, 64 bits

Motor de cálculo - Plataformas compatibles:
  • Microsoft Windows 7, Windows 8 y Windows 10, y Windows 11, 64 bits

  • Red Hat Enterprise Linux 6, 64 bits (y sistemas compatibles)

 

Referencias InSite inalámbricas

La siguiente es una lista de artículos científicos y técnicos en los que se utilizó el software de Remcom en la investigación de los autores. Hemos incluido extractos de los resúmenes de las publicaciones y enlaces externos al contenido original publicado.

Modelización de canales multifrecuencia para comunicaciones inalámbricas de ondas milimétricas y THz mediante redes generativas adversariales

Los sistemas celulares modernos recurren cada vez más a la comunicación simultánea en múltiples bandas discontinuas para lograr macrodiversidad y un mayor ancho de banda. La comunicación multifrecuencia es especialmente crucial en las frecuencias de ondas milimétricas (mmWave) y terahercios (THz), ya que estas bandas suelen acoplarse con frecuencias más bajas para mayor robustez. La evaluación de estos sistemas requiere modelos estadísticos capaces de captar la distribución conjunta de las trayectorias del canal a través de múltiples frecuencias. Este trabajo presenta una metodología general basada en redes neuronales para el entrenamiento de modelos estadísticos de canal multi-frecuencia doble direccional. En el enfoque propuesto, cada uno se describe como un conjunto multiclúster, y se entrena una red generativa adversarial (GAN) para generar perfiles multiclúster aleatorios en los que los datos de clúster generados incluyen los ángulos y el retardo de los clústeres junto con los vectores de potencias recibidas aleatorias, angulares y de dispersión del retardo en diferentes frecuencias. El modo puede aplicarse fácilmente a la simulación de enlaces multifrecuencia o de capas de red. La metodología se demuestra en el modelado de enlaces microcelulares urbanos a 28 y 140 GHz entrenados a partir de amplios datos de trazado de rayos. La metodología hace suposiciones estadísticas mínimas y los experimentos muestran que el modelo puede capturar interesantes relaciones estadísticas entre frecuencias.

Hu, Y., Yin, M., Xia, W., Rangan, S., & Mezzavilla, M. (2022a, 22 de diciembre). Multi-frequency channel modeling for millimeter wave and thz wireless communication via generative Adversarial Networks. arXiv.org. https://arxiv.org/abs/2212.11858

Ver referencia

Método de localización basado en redes neuronales para la localización de huellas dactilares Wi-Fi en interiores

A pesar de la gran demanda de aplicaciones de servicios de localización en Internet, la localización Wi-Fi en interiores suele adolecer de procesos de recopilación de datos que requieren mucho tiempo y trabajo. Este estudio propone un nuevo modelo de localización en interiores que utiliza la tecnología de huellas dactilares basada en una red neuronal convolucional para resolver este problema. El objetivo es mejorar la localización Wi-Fi en interiores agilizando el proceso de recogida de datos. El modelo de localización en interiores propuesto aprovecha una técnica de trazado de rayos en 3D para simular la intensidad de la señal inalámbrica recibida (RSSI) en todo el campo. Al incorporar esta técnica avanzada, el modelo pretende mejorar la precisión y eficiencia de la localización Wi-Fi en interiores. Además, el modelo de localización de interiores propuesto se entrena con un conjunto de datos de huellas térmicas RSSI generados a partir de la simulación de trazado de rayos. Para optimizar y evaluar el rendimiento del modelo en escenarios reales, se realizaron experimentos utilizando conjuntos de datos simulados obtenidos de las bases de datos públicas de UJIIndoorLoc y Wireless InSite. Los resultados muestran que el nuevo enfoque resuelve el problema de la limitación de recursos al tiempo que logra una precisión de verificación de hasta el 99,09%.

Zhu H, Cheng L, Li X, Yuan H. Neural-Network-Based Localization Method for Wi-Fi Fingerprint Indoor Localization. Sensors. 2023; 23(15):6992. https://doi.org/10.3390/s23156992

Ver referencia

Caracterización comparativa de las comunicaciones VLC y MMW en interiores mediante simulaciones de trazado de rayos

La demanda de conectividad inalámbrica ultrarrápida en interiores es cada vez mayor, lo que plantea retos únicos para el diseño de la próxima generación de sistemas de comunicación inalámbrica. Esto ha impulsado la exploración de bandas de frecuencias más altas, como las de ondas milimétricas (MMW) y luz visible, además de la banda convencional por debajo de los 6 GHz. Este artículo ofrece una comparación exhaustiva de los canales de propagación de estas bandas de frecuencias en el mismo entorno y escenarios interiores. Adoptamos técnicas de trazado de rayos para el modelado de canales específicos de un emplazamiento, lo que permite tener en cuenta los modelos tridimensionales del entorno interior y los objetos que se encuentran en su interior. Nos permite tener en cuenta diferentes frecuencias, es decir, 2,4 GHz, 6 GHz, 28 GHz, 60 GHz, 100 GHz, y la banda de luz visible, así como diferentes tipos de transmisores, es decir, antenas omnidireccionales/direccionales para sistemas de radiofrecuencia y luminarias interiores para comunicaciones de luz visible (VLC). Para las distintas frecuencias consideradas, obtenemos respuestas al impulso del canal (CIR) y presentamos las pérdidas de trayectoria del canal para diversas trayectorias de usuario en entornos interiores. Además, proponemos expresiones de forma cerrada para las funciones de distribución acumulativa (CDF) de los niveles de potencia recibidos para todas las bandas de frecuencia consideradas. Nuestros resultados demuestran que los canales VLC presentan pérdidas de trayecto inferiores a las de las bandas MMW, pero superiores a las de la banda de 2,4 GHz. Además, se observa que los sistemas VLC presentan una mayor sensibilidad a los efectos de sombra y bloqueo. Nuestros resultados indican además que las características del canal de propagación están muy influidas por el tipo de antena. Por ejemplo, el uso de antenas omnidireccionales y de parche rectangular da lugar a una menor pérdida de trayecto en comparación con las antenas de bocina, y esta diferencia se hace más significativa a medida que disminuye la distancia de transmisión.

F. Aghaei, H. B. Eldeeb, L. Bariah, S. Muhaidat y M. Uysal, "Comparative Characterization of Indoor VLC and MMW Communications via Ray Tracing Simulations", en IEEE Access, doi: 10.1109/ACCESS.2023.3307186.

Ver referencia

Técnica de aprendizaje supervisado para la identificación de trayectorias múltiples de primer orden en un escenario V2V

En las técnicas de localización geométrica, las características de multitrayecto de primer orden (FOMP) de la señal propagada se utilizan para calcular la localización basándose en relaciones geométricas. La utilización de las características de multitrayecto de orden superior (HOMP) da lugar a un error de localización significativo. Por lo tanto, distinguir entre FOMPs y HOMPs es una tarea importante. Los trabajos anteriores utilizaban métodos tradicionales basados en un umbral determinista para llevar a cabo esta tarea. Desafortunadamente, estos métodos son complicados e insuficientemente precisos. Los autores de este trabajo proponen un método eficiente basado en el aprendizaje supervisado para distinguir con mayor precisión entre los FOMP y los HOMP propagados de la comunicación vehículo a vehículo por ondas milimétricas en un escenario urbano. Se utiliza una técnica de trazado de rayos basada en Shoot and Bounce Ray (SBR) para generar las características del conjunto de datos, incluyendo la potencia recibida, el tiempo de propagación, el ángulo acimutal de llegada (AAOA) y el ángulo de elevación de llegada (EAOA). En primer lugar, se presenta un análisis estadístico basado en la función de distribución de probabilidad (PDF) para estudiar el impacto de las características seleccionadas en el proceso de clasificación. A continuación, se entrenan y prueban seis clasificadores supervisados, a saber, árbol de decisión, Bayes ingenuo, máquina de vectores de apoyo, K-Nearest Neighbors, bosque aleatorio y red neuronal artificial, y se compara su rendimiento en términos de clasificación errónea del HOMP. Además, se investiga el efecto de las características consideradas en el rendimiento de los clasificadores. Los resultados muestran que todos los clasificadores propuestos ofrecen un rendimiento aceptable. La RNA propuesta mostró el mejor rendimiento, mientras que el NB fue el peor. De hecho, el error de clasificación HOMP osciló entre el 2,3% y el 16,7%. El EAOA mostró la influencia más significativa en el rendimiento de la clasificación, mientras que el AAOA fue el que menos.

Bakhuraisa YA, Abd Aziz AB, Geok TK, Abu Bakar NB, Jamian SB, Mustakim FB. Supervised Learning Technique for First Order Multipaths Identification of V2V Scenario. Revista Mundial del Vehículo Eléctrico. 2023; 14(4):109. https://doi.org/10.3390/wevj14040109

Ver referencia

Reconocimiento de Tres Niveles Basado en la Media de las Diferencias de Fase en Redes de Sensores de Conversión de Parámetros Físicos Inalámbricos y su Efecto en la Localización con RSSI

En los últimos años, ha aumentado la demanda de agregación de información de varios sensores debido a la expansión del Internet de las Cosas (IoT). Sin embargo, la comunicación por paquetes, que es una tecnología convencional de acceso múltiple, se ve obstaculizada por las colisiones de paquetes debido al acceso simultáneo de los sensores y al tiempo de espera para evitar colisiones de paquetes; esto aumenta el tiempo de agregación. El método de red de sensores de conversión de parámetros inalámbricos físicos (PhyC-SN), que transmite la información de los sensores correspondiente a la frecuencia de la onda portadora, facilita la recopilación masiva de información de los sensores, con lo que se reduce el tiempo de comunicación y se consigue una elevada tasa de éxito en la agregación. Sin embargo, cuando más de un sensor transmite simultáneamente la misma frecuencia, la precisión de la estimación del número de sensores accedidos se deteriora significativamente debido al desvanecimiento multitrayecto. Por ello, este estudio se centra en la fluctuación de fase de la señal recibida causada por el desplazamiento de frecuencia inherente a los terminales sensores. En consecuencia, se propone una nueva función para detectar colisiones, que es el caso en el que dos o más sensores transmiten simultáneamente. Además, se establece un método para identificar la existencia de 0, 1, 2 o más sensores. Además, los autores demuestran la eficacia de las PhyC-SN para estimar la ubicación de las fuentes de transmisión de radio utilizando tres patrones de 0, 1 y 2 o más sensores transmisores.

Ito T, Oda M, Takyu O, Ohta M, Fujii T, Adachi K. Three Level Recognition Based on the Average of the Phase Differences in Physical Wireless Parameter Conversion Sensor Networks and Its Effect to Localization with RSSI. Sensors. 2023; 23(6):3308. https://doi.org/10.3390/s23063308

 

Ver referencia

Detección móvil por ondas milimétricas y cartografía del entorno: Modelos, algoritmos y validación

En este artículo, los autores abordan las perspectivas de la detección por radio y la cartografía del entorno, haciendo especial hincapié en el lado del equipo de usuario (UE). En primer lugar, se describe un eficaz método de mínimos cuadrados regularizados (LS) para obtener gráficos de ángulos de alcance dispersos en lugares de medición o detección individuales. Para el posterior mapeo del entorno, introducimos un nuevo modelo de estado para el mapeo de la dispersión difusa y especular, que permite un seguimiento eficiente de los dispersores individuales a lo largo del tiempo utilizando un filtro de Kalman extendido y un suavizador de modelos múltiples interactivos (IMM). También se abordan los problemas relacionados con la selección de medidas y la asociación de datos. Proporcionamos amplios resultados numéricos de mapeo en interiores en la banda de 28 GHz desplegando la forma de onda de enlace ascendente 5G NR basada en OFDM con un ancho de banda de canal de 400 MHz, cubriendo tanto los resultados precisos basados en trazado de rayos como los resultados reales de las mediciones de RF. Los resultados ilustran la superioridad de las soluciones basadas en el seguimiento dinámico, en comparación con los métodos de referencia estáticos, al tiempo que demuestran las excelentes perspectivas de la detección y cartografía del entorno móvil basada en radio en las futuras redes de ondas milimétricas.

C. Baquero Barneto et al., "Millimeter-Wave Mobile Sensing and Environment Mapping: Models, Algorithms and Validation", en IEEE Transactions on Vehicular Technology, vol. 71, no. 4, pp. 3900-3916, abril de 2022, doi: 10.1109/TVT.2022.3146003.

 

Ver referencia

Formación de haces coordinada basada en aprendizaje por refuerzo profundo para redes vehiculares MIMO masivas en ondas milimétricas

En este artículo, los autores proponen un novedoso esquema de beamforming coordinado basado en el aprendizaje profundo por refuerzo (DRL) en el que varias estaciones base dan servicio a una estación móvil (MS) de forma conjunta. La solución construida utiliza un modelo DRL propuesto y predice los vectores de beamforming subóptimos en las estaciones base (BS) de entre los posibles candidatos de beamforming codebook. Esta solución permite un sistema completo que facilita las aplicaciones mmWave altamente móviles con una cobertura fiable, una sobrecarga de formación mínima y una baja latencia. Los resultados numéricos demuestran que nuestro algoritmo propuesto incrementa notablemente la capacidad de tasa de suma alcanzable para el escenario MIMO masivo de ondas milimétricas de alta movilidad, al tiempo que garantiza una baja sobrecarga de formación y latencia.

Tarafder P, Choi W. Deep Reinforcement Learning-Based Coordinated Beamforming for mmWave Massive MIMO Vehicular Networks. Sensors. 2023; 23(5):2772. https://doi.org/10.3390/s23052772

 

Ver referencia

Rendimiento del posicionamiento en interiores basado en huellas dactilares con mapas de referencia RSSI medidos y simulados

Este artículo presenta un método para preparar distribuciones RSSI de referencia mediante simulaciones por ordenador. Las simulaciones se realizaron utilizando el modelo de propagación de trazado de rayos y el modelo multipared, menos exigente desde el punto de vista computacional. Las distribuciones RSSI simuladas se probaron mediante un algoritmo de localización. Su rendimiento se comparó con el de los mapas RSSI medidos. Los resultados muestran que es posible sustituir la compleja creación de mapas de referencia por simulaciones que utilicen el modelo de trazado de rayos o el modelo multipared, ambos de los cuales proporcionan mediciones suficientemente precisas (desde el punto de vista del usuario) de 1-2,5 m.

Kawecki R, Hausman S, Korbel P. Performance of Fingerprinting-Based Indoor Positioning with Measured and Simulated RSSI Reference Maps. Teledetección. 2022; 14(9):1992. https://doi.org/10.3390/rs14091992

 

Ver referencia

Habilitación de grandes superficies inteligentes con detección compresiva y aprendizaje profundo.

El empleo de grandes superficies inteligentes (LIS) es una solución prometedora para mejorar la cobertura y la tasa de los futuros sistemas inalámbricos. Este artículo propone soluciones eficientes a los retos que plantean las LIS aprovechando herramientas de detección compresiva y aprendizaje profundo. En primer lugar, se propone una nueva arquitectura LIS basada en sensores de canal dispersos. En esta arquitectura, todos los elementos LIS son pasivos excepto unos pocos elementos que son activos (conectados a la banda base). A continuación, se desarrollan dos soluciones que diseñan las matrices de reflexión LIS con una sobrecarga de entrenamiento insignificante. En el primer enfoque, los autores aprovechan las herramientas de detección compresiva para construir los canales en todos los elementos LIS a partir de los canales vistos sólo en los elementos activos. En el segundo enfoque, desarrollan una solución basada en el aprendizaje profundo en la que el LIS aprende cómo interactuar con la señal incidente dados los canales en los elementos activos, que representan el estado del entorno y las ubicaciones del transmisor/receptor. Demuestran que las tasas alcanzables de las soluciones propuestas se aproximan al límite superior, que asume un conocimiento perfecto del canal, con una sobrecarga de entrenamiento insignificante y con sólo unos pocos elementos activos, lo que las hace prometedoras para futuros sistemas LIS.

A. Taha, M. Alrabeiah y A. Alkhateeb, "Enabling Large Intelligent Surfaces With Compressive Sensing and Deep Learning", en IEEE Access, vol. 9, pp. 44304-44321, 2021, doi: 10.1109/ACCESS.2021.3064073.

 

Ver referencia

Estimación mejorada del TOA mediante OFDM en transmisión de banda ancha basada en un modelo simulado

Este artículo presenta las ventajas de utilizar un espectro de banda ancha que adopta múltiples portadoras para mejorar la localización de objetivos en un entorno interior simulado mediante la técnica de tiempo de llegada (TOA). El estudio investiga el efecto de utilizar varios anchos de banda del espectro y un número diferente de portadoras en la precisión de la localización. Además, el artículo considera la influencia de la posición de los transmisores en escenarios de propagación con y sin línea de visión directa (LOS). Se ha comprobado que la precisión del método propuesto depende del número de subportadoras, del ancho de banda asignado (BW) y del número de puntos de acceso (AP). En el caso de utilizar un gran ancho de banda con un gran número de subportadoras, el algoritmo resultó eficaz para reducir los errores de localización en comparación con la técnica TOA convencional. El rendimiento se degrada y pasa a ser similar al de la técnica TOA convencional cuando se utiliza un BW pequeño y un número bajo de subportadoras.

Obeidatat, H.A., Ahmad, I., Rawashdeh, M.R. et al. Enhanced TOA Estimation Using OFDM over Wide-Band Transmission Based on a Simulated Model. Wireless Pers Commun (2021). https://doi.org/10.1007/s11277-021-09297-z

Ver referencia

Formación coordinada de haces con aprendizaje profundo para sistemas de ondas milimétricas altamente móviles

La alta movilidad en los sistemas de ondas milimétricas (mmWave) permite una amplia gama de aplicaciones importantes, como las comunicaciones vehiculares y la realidad virtual/aumentada inalámbrica. Sin embargo, llevar esto a la práctica exige superar varios retos. En este artículo, se desarrolla una novedosa solución integrada de aprendizaje automático y beamforming coordinado para superar estos retos y permitir aplicaciones mmWave altamente móviles. Los resultados de la simulación muestran que la estrategia de beamforming coordinado de aprendizaje profundo propuesta se aproxima a la tasa alcanzable de la solución asistida por genio que conoce los vectores de beamforming óptimos sin sobrecarga de formación.

Ver referencia

Caracterización de las propiedades de los canales de ondas milimétricas a 28 y 60 GHz en instalaciones de automatización de fábricas

Se espera que los futuros sistemas celulares revolucionen el ecosistema industrial actual al satisfacer los estrictos requisitos de fiabilidad ultraelevada y latencia extremadamente baja. En este sentido, la tecnología básica para respaldar los despliegues de automatización de fábricas de próxima generación es el uso de comunicaciones de ondas milimétricas (mmWave) que funcionan a frecuencias extremadamente altas (es decir, de 10 a 100 GHz). Sin embargo, caracterizar el comportamiento de la propagación radioeléctrica en entornos de fábrica realistas es un reto debido a las longitudes de onda mmWave más cortas, que hacen que las propiedades del canal sean sensibles a la topología real y al tamaño de los objetos circundantes. Por estas razones, en este artículo se estudian las propiedades importantes del canal de ondas milimétricas para dos tipos distintos de fábricas, a saber, la industria ligera y la industria pesada. Estas representan los casos extremos de la clasificación de fábricas basada en el nivel de tecnología, la densidad y el tamaño de los equipos, y los bienes producidos. En consecuencia, evaluamos las frecuencias de ondas milimétricas candidatas de 28 y 60 GHz para la comunicación con y sin licencia, respectivamente. 

Ver referencia

Cobertura en interiores en banda estrecha-5G

La conectividad ubicua es un requisito común de muchos servicios considerados en los sistemas de comunicación de Quinta Generación (5G). Sin embargo, proporcionar cobertura de red o conectividad inalámbrica se convierte en un gran reto en escenarios de interior profundo, como aparcamientos subterráneos, donde la pérdida total del canal puede superar fácilmente la pérdida máxima de acoplamiento (MCL) de la tecnología de comunicación. Motivamos la importancia de la cobertura en profundidad realizando un análisis realista de la cobertura en un emplazamiento representativo utilizando el trazado de rayos. Los resultados muestran que las tecnologías celulares de cobertura optimizada existentes no pueden lograr una cobertura ubicua en zonas profundas de interior/subterráneas y ponen de relieve la necesidad de la retransmisión dinámica multisalto en el MTC 5G.

Ver referencia

Efectos de la densidad de la multitud en la propagación radioeléctrica a 24 GHz en un túnel peatonal para comunicaciones 5G

En este artículo, los autores presentan los resultados de la caracterización de la propagación radioeléctrica en un túnel peatonal con diferentes densidades de público a 24 GHz utilizando un software comercial de trazado de rayos llamado Wireless InSite. Los modelos 3D del túnel vacío y del cuerpo humano se crearon utilizando software de diseño asistido por ordenador y se importaron a Wireless InSite. El modelo del túnel se basa en un túnel peatonal que conecta Suria y KLCC, situado en el centro de Kuala Lumpur. Se desarrollaron y probaron cinco modelos tridimensionales (3D) de cuerpo humano con distintos niveles de detalle. Las densidades de aglomeración investigadas fueron 0, 0,05, 0,1, 0,15 y 0,2 personas/m2, que corresponden a 0, 25, 50, 75 y 100 personas, respectivamente, en la zona de estudio. Los resultados muestran que el exponente de pérdida de trayecto, la desviación típica del ensombrecimiento log-normal y la fluctuación de la potencia recibida aumentan a medida que aumenta el número de personas. Cuando la densidad de población es superior a 0,1 personas/m2 , el exponente de pérdida de trayecto del modelo de pérdida de trayecto a gran escala es superior al del túnel vacío. Los resultados de este estudio también son útiles para comprender los efectos de las multitudes humanas en la propagación de ondas milimétricas en entornos interiores tipo túnel, como vestíbulos, pasillos cerrados, minas y túneles de transporte. Las conclusiones contribuyen a aumentar la eficacia de la planificación y el despliegue de redes para la comunicación 5G, especialmente en túneles peatonales.

I. H. P. Tai, H. S. Lim, K. S. Diong y K. A. Alaghbari, "Effects of Crowd Density on Radio Propagation at 24 GHz in a Pedestrian Tunnel for 5G Communications", en IEEE Access, vol. 11, pp. 40240-40248, 2023, doi: 10.1109/ACCESS.2023.3269813.

Ver referencia

Aprendizaje automático para sistemas mmWave fiables: Predicción de bloqueos y transferencia proactiva

La sensibilidad de las señales de ondas milimétricas (mmWave) a los bloqueos es un reto fundamental para los sistemas de comunicaciones móviles mmWave. En este artículo, aprovechamos herramientas de aprendizaje automático y proponemos una solución novedosa para estos retos de fiabilidad y latencia en sistemas MIMO mmWave. En la solución desarrollada, las estaciones base aprenden a predecir que un determinado enlace experimentará un bloqueo en los próximos intervalos de tiempo utilizando sus observaciones pasadas de los vectores de formación de haces adoptados. Esto permite a la estación base de servicio transferir proactivamente al usuario a otra estación base con un enlace LOS altamente probable. Los resultados de la simulación muestran que la estrategia basada en el aprendizaje profundo predice con éxito el bloqueo/desconexión en cerca del 95% de las ocasiones. Esto reduce la probabilidad de desconexión de la sesión de comunicación, lo que garantiza una alta fiabilidad y baja latencia en los sistemas móviles mmWave.

Ver referencia

Optimización conjunta de beamforming híbrido para enlace descendente MIMO masivo multiusuario

Considerando el diseño de formadores de haz de dos etapas para el enlace descendente de sistemas multiusuario masivos de entrada múltiple y salida múltiple en modo dúplex por división de frecuencia, este trabajo investiga el caso en el que ambos extremos del enlace están equipados con estructuras híbridas de formación de haz digital/analógica. Se realiza una sectorización virtual mediante la agrupación de usuarios basada en estadísticas de canal y la conformación de haces analógica, en la que el equipo de usuario sólo necesita realimentar su canal efectivo intragrupo, y el coste global de adquisición de información de estado del canal (CSI) se reduce significativamente. Las simulaciones sobre los canales de propagación obtenidos a partir de modelos estocásticos geométricos, los resultados del trazado de rayos y los canales medidos en exteriores demuestran que la estrategia de beamforming propuesta supera a los métodos más avanzados.

Ver referencia

Mediciones de canales de 60 GHz y modelado de trazado de rayos en un entorno interior

La comunicación por ondas milimétricas (mmWave) se ha convertido en una prometedora tecnología clave de los sistemas de comunicación de quinta generación (5G) y ha despertado un gran interés. En este artículo, examinamos canales de ondas milimétricas de 60 GHz en un entorno de oficina interior mediante el método de trazado de rayos. Basado en la óptica geométrica (GO) y la teoría uniforme de la difracción (UTD), el método de trazado de rayos utiliza la simulación por ordenador para aproximar la propagación de las ondas de radio. La precisión de la simulación basada en el trazado de rayos está garantizada por un modelo de entorno tridimensional (3-D) muy detallado y unos parámetros electromagnéticos del material adecuados. Los resultados de la simulación, que incluyen el perfil de retardo de potencia (PDP) y el espectro angular de potencia normalizado (PAS), se comparan con los datos de medición del canal procesados por el algoritmo de estimación de maximización de expectativas generalizadas con alternancia espacial (SAGE). Los resultados de la comparación indican que el trazado de rayos puede ser un método útil y fiable para caracterizar las propiedades del canal de 60 GHz.

Ver referencia

Simulaciones de canales de propagación de ondas milimétricas en interiores a 28, 39, 60 y 73 GHz para redes inalámbricas 5G

Se presentan las características de propagación de las ondas milimétricas en interiores, incluidos los modelos de pérdida de trayecto y los valores de dispersión del retardo multitrayecto para sistemas que utilizan antenas direccionales y omnidireccionales. Se investigan las prestaciones de las cuatro frecuencias candidatas a 5G, 28 GHz, 39 GHz, 60 GHz y 73 GHz, en escenarios con y sin línea de visión directa (LOS), utilizando mediciones de frecuencia en tiempo real realizadas en interiores. Se realizan comparaciones con datos de simulación obtenidos con el software 3D Ray Tracing Wireless InSite en separaciones Tx-Rx de 1,5 m a 62 m. Además, se incorporan a la simulación propiedades eléctricas dependientes de la frecuencia, como la conductividad-σ y la permitividad-ε, de materiales de construcción comunes. Los resultados muestran que el tipo de material influye en el comportamiento de propagación de las ondas milimétricas debido a reflexiones, difracciones y penetraciones de paredes y objetos (obstáculos).

Ver referencia

Aprendizaje de huellas dactilares conformadas por haces para un posicionamiento preciso por ondas milimétricas

Con las comunicaciones inalámbricas por ondas milimétricas, la radiación resultante se refleja en la mayoría de los objetos visibles, lo que crea entornos ricos en multitrayectorias, sobre todo en escenarios urbanos. Así, la radiación captada por un dispositivo de escucha se ve condicionada por los obstáculos encontrados, que llevan latente información sobre sus posiciones relativas. En este trabajo se propone un sistema para convertir la radiación de ondas milimétricas recibida en la posición del dispositivo, haciendo uso de la mencionada información oculta. Utilizando técnicas de aprendizaje profundo y un libro de códigos preestablecido de patrones de beamforming transmitidos por una estación base, las simulaciones muestran que son alcanzables errores medios de estimación inferiores a 10 metros en escenarios realistas de exteriores que contienen mayoritariamente posiciones sin línea de visión, allanando el camino para nuevos sistemas de posicionamiento. Index Terms-5G, Beamforming, Deep Learning, mmWaves, Outdoor Positioning.

Ver referencia

Correlación angular y temporal de los canales V2X en las bandas sub-6 GHz y mmWave

Se prevé que la tecnología de ondas milimétricas (mmWave) 5G forme parte integral de las redes vehículo a todo (V2X) de próxima generación y de los vehículos autónomos, debido a su amplio ancho de banda, su detección en un amplio campo de visión y su capacidad de localización precisa. En este artículo, utilizamos simulaciones de trazado de rayos para caracterizar la correlación angular y temporal a través de una amplia gama de frecuencias de propagación para canales V2X que van desde 900 MHz hasta 73 GHz, para un vehículo que mantiene haces de línea de visión (LOS) y no-LOS (NLOS) con un transmisor en un entorno urbano.

Ver referencia

MmWave Beam Prediction with Situational Awareness: Un enfoque de aprendizaje automático

Las comunicaciones por ondas milimétricas suponen un reto en el contexto vehicular de alta movilidad. El entrenamiento tradicional de haces es inadecuado para satisfacer los bajos niveles de sobrecarga y latencia. En este artículo proponemos combinar herramientas de aprendizaje automático y conocimiento de la situación para aprender la información del haz (potencia, índice óptimo del haz, etc.) a partir de observaciones anteriores. Consideramos formas de conocimiento de la situación que son específicas del entorno vehicular, incluidas las ubicaciones del receptor y de los vehículos circundantes. Aprovechamos modelos de regresión para predecir la potencia recibida con diferentes cuantizaciones de la potencia del haz. Los resultados demuestran que el conocimiento de la situación puede mejorar en gran medida la precisión de la predicción y que el modelo puede lograr un rendimiento sin apenas pérdida de rendimiento con una sobrecarga casi nula.

Ver referencia

 

Solicitar precios

Asistencia profesional Wireless InSite 

Con cada producto que adquiera se incluye un año de soporte profesional Remcom (RPS). El mantenimiento de su licencia le garantiza que siempre tendrá acceso al soporte técnico y que recibirá actualizaciones gratuitas del producto.

  • Atención personalizada: hable directamente con nuestros ingenieros
  • Actualizaciones de productos incluidas
  • Resolución de problemas, incluida la remisión a instancias superiores si es necesario.
  • Asistencia telefónica gratuita y por correo electrónico

El servicio de asistencia está disponible de 9.00 a 17.00, hora del Este, de lunes a viernes.

resaltar imagen destacada

Ahorre tiempo y reduzca costes.

Póngase en contacto con Remcom hoy mismo para obtener una solución personalizada a sus retos electromagnéticos más complejos.

 
Póngase en contacto con nosotros