Análise de propagação em vegetação utilizando Bayes e UT

Abstract

A vegetação é considerada um ambiente complexo para análise de espalhamento e atenuação dentro do fenômeno de propagação de ondas rádio. Esta tese apresenta um preditor bayesiano de atenuação de propagação de ondas de rádio em vegetação baseado na sua correlação com pixels de vegetação de uma imagem e utilizando as vantagens computacionais da transformada da incerteza (UT). O processamento de imagens de satélite pode refinar o planejamento de sistemas de rádio usando a vegetação como preditor de atenuação. Neste trabalho a predição é baseada na correlação de mais de 56% entre valores de pixel RGB e valores de atenuação na vegetação obtida de três grupos de medições de potência em testes de campo em ondas centimétricas em duas regiões distintas do Brasil: Belo Horizonte, na região sudeste com medições em 18 GHz, e Manaus em 24 GHz na região norte. Esta predição aplicada nos dois grupos de medições em Manaus apresentou correlações de 0,59 e 0,56 respectivamente enquanto que em Belo Horizonte apresentou correlação de 0,57. As análises estatísticas mostraram que mais de 30% da variância da atenuação nestes três grupos de medições podem ser explicadas pelos valores de pixel RGB. Utilizando este modelo linear correlacionado entre pixels RGB de vegetação e valores geolocalizados de atenuação, este trabalho combina a Transformada da Incerteza (UT) e a inferência de Bayes para refinar a distribuição de atenuação em vegetação. Como a necessária multiplicação das distribuições prior e amostral de Bayes não está facilmente disponível na UT, este trabalho apresenta um método que calcula novos pontos sigma comuns, mas com diferentes pesos para as distribuições prior e amostral da UT, desta forma permitindo a multiplicação de Bayes.