Análise empírica dos dados

Considerando que utilizar mais modelos aplicáveis para o caso estudado não necessari- amente nos levaria a um resultado significativamente melhor, dadas as peculiaridades apontadas no cenário estudado e os resultados obtidos até o momento, que podem ser vistos como satisfatórios, iremos agora para a segunda parte do estudo. Em vez de buscar modelos pré-estabelecidos e aplicá-los aos nossos dados, iremos fazer uma análise empírica dos dados, independente de modelos teóricos, e tirar as conclusões possíveis dessa análise. Um obstáculo para a nossa análise é o número relativamente pequeno de medições realizadas. Até então, estavam sendo utilizadas as medições de uma emissora, a SBT. Para aumentar o volume de dados, iremos combinar medições das 5 emissoras diferentes medidas no experimento de Vidal.

Porém, cada transmissora possui diferentes potências de transmissão e distâncias dos pontos medidos. Então para unir todos esses valores em um só gráfico, em vez de utilizar Potência recebida por Distância, será usado a partir de agora Perda de sinal por Distância.

Para formar esse gráfico unificado, serão utilizados todos os valores listados nos capítulos Anexos. Para obter o valor desejado, iremos subtrair os dados medidos nos Anexos da potência de transmissão das suas respectivas emissoras listadas na tabela 4.1. Além disso, como agora iremos tratar de Perda de potência, iremos utilizar a unidade dB, unidade tradicional para esse tipo de medida.

50

Nos gráficos da figura 5.7, vemos a perda média de potência do sinal das 5 emissoras de TV Digital medidas pelo experimento de Vidal, separados por tipo de região dos pontos medidos.

Lembrando que, diferentemente dos primeiros gráficos, agora estamos trabalhando com Perda de Potência. Por isso, os dados não são mais em dBm, mas em dB. Além disso, como estamos estudando a perda, os gráficos possuem tendência crescente, em vez de decrescente como anteriormente visto.

Como o número de pontos de medição mantêm-se os mesmos, pode-se ver como o gráfico 5.7 (b) possui um volume de dados muito maior que os demais, representando a maioria dos pontos de Icaraí. Os outros pontos de Icaraí compõem o gráfico de Espaço Livre, que agora juntando as 5 emissoras, é composto por 35 medidas.

Outra particularidade é vista na figura 5.7 c onde, entre os valores de 14,75 km e 14,95 km, existe um curto intervalo em que a curva se apresenta extremamente bem comportada. Isso se dá pois os pontos de medições não abrangem esse intervalo de dis- tâncias. Logo, o que existe é apenas uma interpolação simples conectando as duas partes do gráfico.

Mais uma vez, vemos uma instabilidade grande dos valores medidos, que oscilam rapidamente entre um vasto intervalo de potências. Além dos motivos já citados que jus- tificam tal comportamento, é importante ressaltar um fator em particular, muito presente principalmente no gráfico 5.7 b.

Dado que no bairro de Icaraí existe uma grande densidade urbana, o volume de prédios altos geram, quando próximo ao solo, o efeito de sombreamento, bloqueando visada direta com a transmissora. Como descrito na seção 3.3, esse fenômeno faz com que a única forma de transporte da onda seja por difração. Dado que essa onda já trafegou por vários quilômetros, esse efeito de sombreamento cria um pico de atenuação e nessas áreas o sinal mal pode ser detectado.

Com tudo o que foi feito e visto até o momento, dada a alta complexidade e particularidade do caso estudado, nos resta tentar encontrar uma equação que melhor representa o caso estudado de forma empírica, logo, partindo dos valores medidos para o modelo matemático. Para isso, usaremos o método de ajuste de curvas, ou curve fitting em inglês.

52 O método de ajuste de curvas consiste em traçar a curva que melhor comporta uma série de dados. Porém, o que se entende como melhor comportar uma série de dados pode variar para cada caso. Por exemplo, o método dos mínimos quadrados é um tipo de ajuste de curvas que possui o objetivo de traçar a curva com o menor valor para a soma do quadrado dos erros possível.

Outros parâmetros podem ser adicionados a um ajuste de curvas, como forçar que o ajuste gere uma equação linear, conhecido como regressão linear, ou qualquer outro tipo de função. Condições empíricas também podem ser adicionadas, como definir que os valores de potência do sinal não podem ser negativos.

Para fazer o ajuste de curvas nesse trabalho, usaremos a função de curve fitting do programa MatLab. Usando essa ferramenta, é possível especificar que tipo de função queremos para ajustar a nossa curva. Como dito anteriormente, é esperado de uma curva de perda de potência por distância um crescimento linear. Logo, usaremos para o ajuste um polinômio de primeiro grau. também é importante lembrar que, basedo na Fórmula de Friis, essa curva teoricamente deveria possuir um coeficiente angular próximo de 2.

O programa irá gerar um gráfico com todos os valores informados e a curva ajustada em azul. Em seguida, nos dará um relatório informando a função utilizada para o ajuste, no caso polinômio de primeiro grau, e os valores dos coeficientes desse polinômio. Sendo p1 o coeficiente angular e p2 o coeficiente linear desse polinômio.

Lembrando que os dados utilizados para o ajuste por curva são os mesmos que geraram os gráficos da figura 5.7, que inclui todas as 6 emissoras medidas, separados por tipo de região.

Figura 5.8: Ajuste de curva dos dados em espaço livre

Vemos na figura 5.8 que, para o caso de espaço livre, a curva de ajuste dos dados é definida pela seguinte equação:

P (d) = 4.639d + 90.82 (5.1) Onde P (d) é a perda de potência do sinal em função da distância e d é a distância percorrida em km.

54

Figura 5.9: Ajuste de curva dos dados em denso urbano

Vemos na figura 5.9 que, para o caso de denso urbano, a curva de ajuste dos dados é definida pela seguinte equação:

P (d) = 3.701d + 110.5 (5.2) Onde P (d) é a perda de potência do sinal em função da distância e d é a distância percorrida em km.

Figura 5.10: Ajuste de curva dos dados em suburbano

Vemos na figura 5.10 que, para o caso de suburbano, a curva de ajuste dos dados é definida pela seguinte equação:

P (d) = 2.953d + 108.3 (5.3) Onde P (d) é a perda de potência do sinal em função da distância e d é a distância percorrida em km.

Capítulo 6

Conclusão

No decorrer desse trabalho, foi possível conhecer e revisitar vários conceitos importantes para um engenheiro de telecomunicações. Alguns específicos como características de sis- temas de TV digital ou de sistemas de transmissão. Outros amplos como a forma que a prática se diferencia da teoria e como lidar com erros e imprevistos. O objetivo de apre- sentar tais conceitos no decorrer do trabalho foi justamente o de ampliar o valor desse texto ao leitor, independente de quem seja.

Quanto à parte prática, houve um enorme trabalho de processamento de dados. O banco de dados oferecidos por Daniel Vidal ao fim de seu experimento consistia de 80 medidas para 5 diferentes emissoras, totalizando 400 medições. Para cada medição individual foi associada um valor de distância, baseada na geolocalização dos pontos, foram aplicadas médias, regressões, modelos matemáticos, conversões, rearranjos em diversas outras tabelas divididas por distância, bairro, arredores, potência, entre diversas outras operações realizadas. Tudo isso para garantir ao final que esses dados pudessem ser estudados e comparados da forma mais íntegra possível.

E por fim, apesar dos desafios de se comparar modelos teóricos a dados coletados na prática, foi possível mostrar como o modelo de Okumura representa relativamente bem o cenário estudado. Além disso, quando os 400 valores foram aplicados ao mesmo tempo nos gráficos de perda de potência, foi possível chegar a um valor bem mais próximo do que se espera teoricamente.

Quanto ao sistema de transmissão, podemos considerar que o mesmo tem desem- penho satisfatório. Porém, o efeito de sombreamento pode impedir a recepção de sinal em áreas urbanas densas, exigindo assim uma solução para as regiões afetadas.

Bibliografia

[1] O conversor de imagem, Fazano. Disponível em: http://www.fazano.pro.br/ port84.html. Acesso: 17 de ago. de 2019

[2] History of Telecommunications, History of Information. Disponível em: http: //www.historyofinformation.com/expanded.php?cat=88. Acesso: 17 de ago. de 2019

[3] Curso para Servidor de Atendimento Técnico, Gradiente. Disponível em: https: //slideplayer.com.br/slide/3214734/. Acesso: 2 de set. de 2019

[4] TV Digital e SBTVD-T: Características, Teleco. Disponível em: https://www. teleco.com.br/tutoriais/tutorialsbtvd/pagina_2.asp. Acesso: 07 de ago. de 2019

[5] Serviços de Radiodifusão, Anatel. Disponível em: https://www.anatel.gov.br/ setorregulado/servicos-de-radiodifusao. Acesso: 21 de ago. de 2019

[6] Syncom 3, NASA. Disponível em: https://nssdc.gsfc.nasa.gov/nmc/ spacecraft/display.action?id=1964-047A. Acesso: 12 de set. de 2019

[7] Instalação e tipos de antenas, com conceitos ligados a sinais de TV em Rádio- Frequência, Eletrônica Aqui. Disponível em: https://eletronicaqui.com/2017/ 12/antena/. Acesso: 25 de out. de 2019

[8] How does an antenna work?, NASA. Disponível em: https://www.nasa.gov/ directorates/heo/scan/communications/outreach/funfacts/txt_antenna_ work.html. Acesso: 4 de set. de 2019

[9] Decibel e Fórmula de Friis, Geo Cities. Disponível em: http://www.geocities. ws/deciorenno/Eletricidade/Tele05.pdf. Acesso: 13 de set. de 2019

58 [10] de Matos, Leni Joaquim. Apostila do curso Propagação, Capítulo 1

[11] Localização em Redes GSM I: Modelos de Propagação, Teleco. Disponível em: https://www.teleco.com.br/tutoriais/tutoriallocgsm1/pagina_4.asp. Acesso: 07 de ago. de 2019

[12] Vidal, Daniel da C. Avaliação Preliminar das Oportunidades de Espectro na Região Metropolitana de Niterói na Faixa UHF da TV Digital, XXXVII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2019.

[13] Abreu, Karen Cristina Kraemer. História e Tecnologias da Televisão, Biblioteca On- line de Ciências da Comunicação, pp.3-7, 2011.

[14] Hartley, Ralph Vinton Lyon. Transmission of Information, International Congress of Telegraphy and Telephony, pp.16-18, 1928.

[15] Leal, Plínio Marcos Volponi. Um olhar histórico na formação e sedimentação da TV no Brasil, VII Encontro Nacional de História da Mídia, pp. 2-11, 2009.

[16] Development of Long-distance Transmission, Enciclopaedia Britannica. Dispo- nível em: https://www.britannica.com/technology/telephone/Transmission# ref1117801. Acesso: 02 de ago. de 2019

[17] 7 diferentes tipos de antenas, Elsys. Disponível em: https://blog.elsys.com.br/ os-diferentes-modelos-de-antenas/. Acesso: 24 de out. de 2019

[18] J. C. Garcia. Desempeño de Modelos de Propagación en Comunicación Móvil para la zona de Caldas Parte 1: Modelos para àreas urbanas, X Congreso Internacional de Telecomunicaciones, 2003.

[19] Oliveira, Andréia Fróes Galuci. Testes estatísticos para comparações de médias, Re- vista Eletrônica Nutritime, v.5 pp.3-11, 2008.

[20] Propriedades do Selênio, QuimLab. Disponível em: http://www.quimlab.com.br/ guiadoselementos/selenio.htm. Acesso: 3 de ago. de 2019

[21] O Sputnik 1, Brasil Escola. Disponível em: https://brasilescola.uol.com.br/ historia/sputnik.htm. Acesso: 27 de ago. de 2019

Anexos

ANEXO A - SBT

66 ANEXO D - Band

68