Técnica de traçado de raios associada a metaheurísticas para otimização do posicionamento de antenas em ambientes interiores

Abstract

Este trabalho propõe a otimização do posicionamento de antenas em sistemas de comunicação sem fio para ambientes interiores (indoor) por meio de meta-heurísticas populacionais associadas à Técnica de Traçado de Raios. Algoritmos Genéticos (GA) e Otimizadores por Enxames de Partículas (PSO) foram as duas modalidades de meta-heurísticas utilizadas como ferramentas de otimização. Em todas as aplicações, a Técnica de Traçado de Raios foi utilizada para o cálculo da função objetivo, utilizada para predição da cobertura indoor. As variáveis do problema são compostas pelas posições das antenas das estações base, que servem como dados de entrada para o algoritmo de Traçado de Raios. Por sua vez, tal algoritmo retorna a aptidão de cada indivíduo que compõe a população em uma dada iteração do processo de otimização. Para aplicações multiobjetivo, o PSO foi estendido usando o conceito de dominância de Pareto, por meio de um otimizador por enxame de partículas multiobjetivo (MOPSO). Uma ferramenta de predição mais precisa foi implementada, utilizando-se um algoritmo de Traçado de Raios "quase-3D" aplicável a ambientes interiores (RTQ3D-indoor). No método proposto, os raios transmitidos através de obstáculos são considerados de forma precisa, e os efeitos da terceira dimensão são contemplados por meio da conversão de cada raio 2D em cinco raios 3D. O algoritmo RTQ3D-indoor foi avaliado por meio de uma série de comparações com medições obtendo-se resultados tão bons quanto os obtidos por meio de algoritmos plenamente tridimensionais. Por fim, diversos estudos de caso são apresentados como aplicações de associações das meta-heurísticas com os algoritmos de Traçado de Raios.

This work proposes the optimization of antennas placement in wireless communication systems for indoor environments by means of population-based meta-heuristics associated with the Ray Tracing Technique. Genetic Algorithms (GA) and Particle Swarm Optimizers (PSO) were the two types of meta-heuristics used as optimization tools. In all applications, the ray-tracing technique was used to evaluate the objective function to predict indoor coverage. The variables of the problem correspond to the positions of the antennas of the base stations, which are used as input to the Ray-Tracing algorithm. Such algorithm returns the fitness of each individual that makes up the population at a given iteration of the optimization process. For multi-objective applications, the PSO is extended using the concept of Pareto dominance through the multi-objective particle swarm optimizer (MOPSO). A more accurate prediction tool was implemented using a ray tracing algorithm "quasi 3D" applicable to indoor environments (RTQ3D-indoor). In the proposed method, the transmitted rays through obstacles are considered accurately and the effects of the third dimension are considered by converting each 2D path in five 3D rays. The algorithm RTQ3D-indoor was evaluated by comparison with measurements. The results were as good as those obtained by algorithms full 3D ray-tracing algorithms. Finally, several study cases are presented as applications of the meta-heuristics and ray-tracing algorithms associations.