Universidade Federal do Ceará
Programa de Pós-Graduação em Engenharia de Teleinformática

Defesa de Tese de Doutorado – Antonio Regilane Lima Paiva

Título: Propagation Parameter Tracking Strategies Based on Kalman Filters for B5G Networks

Data: 21/11/2025
Horário: 09:00
Local: Google Meet – meet.google.com/zpr-hzha-ijy

Banca Examinadora:
Walter da Cruz Freitas Junior (UFC, Orientador)
Charles Casimiro Cavalcante (UFC)
Yuri Carvalho Barbosa Silva (UFC)
Ricardo Suyama (UFABC)
Ugo Silva Dias (UnB)

Resumo:
O conhecimento da channel state information (CSI) em redes móveis beyond fifth generation (B5G) é fundamental para o gerenciamento e a otimização espectral, o controle de latência, a confiabilidade do sistema, a mitigação da interferência, o aprimoramento da segurança e a integração e suporte a tecnologias, dispositivos e aplicações emergentes, como comunicação vehicle-to-infrastructure (V2I), comunicação uncrewed aerial vehicle (UAV), soluções em machine learning (ML), massive machine-type communications (mMTC), ultra-reliable and low-latency communications (URLLC), enhanced mobile broadband (eMBB), entre outras. O desvanecimento rápido do canal em sistemas de comunicação sem fio constitui o principal fator de imprecisão da CSI. O desafio de mitigação decorrente desse efeito envolve a transmissão coerente de dados, a spectral efficiency (SE), a padronização da estrutura do frame 3GPP, os esquemas de treinamento e sinalização do canal, os atrasos de propagação e processamento, bem como as exigências de capacidade das novas aplicações. Esse fenômeno tende a ser ainda menos compreensível diante da pluralidade de condições de propagação resultantes da ultradensificação, distribuição e heterogeneidade das redes móveis emergentes.

Nesse contexto, um framework capaz de lidar com a estimação do canal em condições de desvanecimento rápido torna-se um componente crítico para mitigar os efeitos do deslocamento Doppler em altas frequências de portadora sobre a coerência do sinal, o desalinhamento de feixes e a perda de ganho de beamforming, o envelhecimento do canal e a interferência co-canal, além de atrasos de processamento, latência, overhead e perda de taxa de transmissão efetiva. Motivada por essas circunstâncias, esta tese propõe um framework de processamento estatístico de sinais para estimar e rastrear os parâmetros de propagação da resposta do canal em ambientes de desvanecimento rápido, considerando modelos de distribuição de dispersores de radio frequency (RF) conhecidos a priori.

Com foco na redução de overhead e do custo computacional, bem como na garantia de robustez frente a fontes de incerteza, como ruído de recepção, interferência e erros heurísticos, o framework foi integrado a modelos paramétricos de canal e funções de correlação espaço-temporal de modelo geométrico estocástico (GBSM), visando reduzir o número de medições necessárias. Além disso, incorpora filtros de Kalman não lineares para ajuste do erro de estimação da CSI direcional ao longo do tempo, processos autorregressivos para capturar a assinatura temporal do canal, padrões de feixes pilotos não hierárquicos para elevar o ganho de beamforming e aumentar a signal-to-noise ratio (SNR) efetiva durante o treinamento, e técnicas de ML supervisionado para reduzir o overhead. A solução é avaliada em sistemas de banda estreita para ondas milimétricas, comunicação V2I, comunicação UAV, redes multiple-input multiple-output (MIMO) distribuídas, beamtraining e ambientes densos, por meio de simulações numéricas. Os resultados mostram que a proposta é capaz de aprimorar a SE e garantir a comunicação mesmo em cenários extremos de desvanecimento muito rápido e bloqueio da visada direta.

Palavras-chave: desvanecimento rápido; filtro de Kalman; onda milimétrica; modelo estocástico baseado em geometria; processo autoregressivo; aprendizado de máquina.