Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Peron, Guilherme de Santi | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5794-0237 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/7845448730478685 | - |
Autor(es): dc.contributor | Monteiro, Marcos Eduardo Pivaro | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7658-2025 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1285113835331082 | - |
Autor(es): dc.contributor | Mariano, André Augusto | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-6522-6049 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/2247619809331876 | - |
Autor(es): dc.contributor | Peron, Guilherme de Santi | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5794-0237 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/7845448730478685 | - |
Autor(es): dc.contributor | Rebelatto, João Luiz | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1682-2215 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8633387185514637 | - |
Autor(es): dc.creator | Aguiar, Leonardo Pacheco de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:44:02Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:44:02Z | - |
Data de envio: dc.date.issued | 2025-07-10 | - |
Data de envio: dc.date.issued | 2025-07-10 | - |
Data de envio: dc.date.issued | 2025-06-26 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37430 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1100887 | - |
Descrição: dc.description | In this work, we analyze the performance of Q-learning-based Non-Orthogonal Multiple Access (NOMA) in Satellite-Terrestrial Relay Networks (STRNs), addressing key challenges in massive Internet of Things (IoT) communications. Specifically, we focus on energy efficiency and normalized throughput metrics in uplink scenarios. By integrating a distributed Q-learning algorithm with NOMA, IoT devices can autonomously optimize transmission parameters — such as time slots, channels, and power levels — enhancing overall network performance. The proposed scheme outperforms fixed-power strategies by achieving higher normalized throughput and energy efficiency under varying network densities, offering up to 73% improvement in energy efficiency. Simulation results validate the protocol’s effectiveness, demonstrating its potential for large-scale IoT deployments in STRNs through efficient power allocation and reduced collision rates. | - |
Descrição: dc.description | Neste trabalho, é analisado o desempenho do Acesso Múltiplo Não-Ortogonal (NOMA) baseado em Q-learning em Redes de Retransmissão Satélite-Terrestre (STRNs), abordando os principais desafios nas comunicações de Internet das Coisas (IoT) em larga escala. Especificamente, focou-se nas métricas de eficiência energética e de taxa de transmissão de dados normalizada em cenários de uplink. Integrando um algoritmo distribuído de Q-learning com o NOMA, os dispositivos IoT podem otimizar de forma autônoma os parâmetros de transmissão, como intervalos de tempo, canais e níveis de potência, aprimorando o desempenho geral da rede. O esquema proposto supera as estratégias de potência fixa, alcançando maior taxa de transmissão de dados normalizada e eficiência energética sob diferentes densidades de rede, oferecendo uma melhoria de até 73% na eficiência energética. Os resultados da simulação validam a eficácia do protocolo, demonstrando seu potencial para implementações em larga escala de IoT em STRNs, por meio de alocação eficiente de potência e redução das taxas de colisão. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Sistemas de Energia | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
Palavras-chave: dc.subject | Internet das coisas | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Sistemas de transmissão de dados | - |
Palavras-chave: dc.subject | Satélites artificiais | - |
Palavras-chave: dc.subject | Aprendizado por reforço | - |
Palavras-chave: dc.subject | Simulação (Computadores) | - |
Palavras-chave: dc.subject | Internet of things | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Data transmission systems | - |
Palavras-chave: dc.subject | Artificial satellites | - |
Palavras-chave: dc.subject | Reinforcement learning | - |
Palavras-chave: dc.subject | Computer simulation | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Palavras-chave: dc.subject | Engenharia Elétrica | - |
Título: dc.title | Análise de desempenho de NOMA baseado em Q-Learning em redes de retransmissão satélite-terrestre | - |
Título: dc.title | Performance analysis of Q-Learning-based NOMA in satellite-terrestrial relay networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: