Reed-Solomon Coding on GPUs

Para tener una idea de la eficiencia de los modelos se hace necesaria una comparación en cuanto al tiempo de generación del mapa de potencia, el cual se obtendrá con el uso de la función tic, toc de Matlab. 7.4 la cual devuelve el tiempo de ejecución de cualquier función. (Ver Tabla 3.3)

El tiempo será medido en una PC (Personal Computer) con las siguientes características:

 Intel(R) Pentium(R) 4.

 CPU 3.00 GHz.

 2.48 GB de RAM.

A partir de la Tabla 3.3 se evidencia la gran diferencia entre el tiempo de cómputo entre ambos modelos, lo cual representa un resultado previsto producto del alto costo computacional del modelo Dominant Path.

Tabla 3.3: Resultados del análisis de tiempo para los dos modelos.

Modelo Tiempo (minutos)

Cost Multi-Wall 4.90

Dominat Path 27.595

Haciendo uso de la función size de Matlab 7.4 se obtiene la cantidad de píxeles que tiene la imagen y se puede obtener el tiempo de cómputo equivalente a un punto determinado, dividiendo los tiempos de la Tabla 3.3 entre la cantidad de píxeles. Para el modelo CMWM se obtiene un tiempo de 0.0161 segundos y 0.0905 para el modelo Dominant Path. Es evidente que el Dominant Path necesita un tiempo de trabajo 5.62 veces mayor que CMWM. Este resultado se debe a la complejidad de la creación del árbol que relaciona las habitaciones del espacio de predicción.

3.7 Breve Conclusión del Capítulo

En este capítulo se llevó a cabo una comparación entre ambos modelos donde se demostró que el Modelo Dominat Path es más confiable para puntos lejanos de la antena transmisora mientras que para puntos más cercanos el modelo Cost Multi-Wall es una buena opción. Se abordó la susceptibilidad de ambos en cuanto a los cambios del medio de propagación, donde quedó claro que el Dominant Path es el más susceptible. El cálculo del coeficiente de correlación entre los modelos evidenció que existen notables diferencias entre ellos y se demostró que el Dominant Path presenta un costo computacional más elevado.

CONCLUSIONES Y RECOMENDACIONES

Conclusiones

La culminación de este trabajo conduce a las siguientes conclusiones:

 Se elaboró un material que de manera organizada, clasifica y caracteriza los distintos modelos de propagación en interiores utilizados para la predicción de niveles de potencia.

 Las cualidades de los modelos Cost Multi-Wall y Dominant Path, evidencian su superioridad en cuanto a eficiencia y precisión, sobre los demás modelos.

 Se comprobó la utilidad de la herramienta Matlab 7.4 para la implementación de dichos modelos.

 Se diseñó un software 2D capaz de obtener predicciones de potencia para escenario en interiores con el uso de los modelos Dominant Path y Cost Multi- Wall.

 La obtención de un coeficiente de correlación de 0.5861 para las dos antenas del escenario de prueba evidencia que la predicción con ambos modelos guarda una estrecha relación a pesar de sus diferencias.

 El modelo Dominat Path presenta mayor susceptibilidad a las variaciones del entorno lo cual es característico de la propagación en entornos cerrados.

 El tiempo de cómputo para el modelo Dominant Path es superior al Cost Multi-Wall lo cual está dado por la complejidad de la creación del árbol que relaciona las habitaciones.

 El modelo Cost Multi-Wall es más confiable para puntos cercanos a la antena en los que la señal encuentra un número bajo de obstáculos en su trayecto, sin

embargo para puntos alejados el modelo Dominant Path ofrece predicciones más seguras.

 La validación del software permitió, tanto la verificación de sus potencialidades, como el incremento de su valor teórico-práctico.

 El modelo Dominant Path es una opción viable sin llegar a infringir en un costo computacional excesivamente elevado como el de los modelos Ray Optical.

Recomendaciones

A pesar de haber sido cumplidos los objetivos trazados, se realizan las siguientes recomendaciones:

 Profundizar en el estudio de los modelos de propagación en interiores para lograr una optimización del software de predicción de niveles de potencia recibida.

 Buscar datos de campañas de mediciones de potencia realizadas a determinados escenarios o llevar a cabo las mismas y usarlas para corroborar la efectividad del software diseñado.

 Implementar una aplicación de predicción de los niveles de potencia utilizando ambos modelos donde se comparen sus resultados para cada punto del escenario y se determine el más preciso, como un posible criterio a seguir tomar el de menores pérdidas.

 Perfeccionar los algoritmos en cuanto a la precisión de la incidencia de los obstáculos del tipo unreal para el modelo Dominant Path, lo cual mejoraría la predicción del modelo.

REFERENCIAS BIBLIOGRÁFICAS

AMORES, A. G. 2004. Cálculo de Cobertura en Redes Inalámbricas de Área Local.

Universidad Central ¨Marta Abreu¨ de la Villas.

ENERALDO CASTELLANOS, J. B. T., JOSÉ DE JESÚS RUGELES, HOMERO ORTEGA BOADA 2005. Análisis de Propagación Electromagnética en Espacios Cerrados: Herramienta Software en Matlab para Predicción y Simulación. Revista Colombiana deTecnologías de Avanzada, 2.

FEICK R. , G. W., HRISTOV H. 2000. Criterios y procedimientos para mediciones de propagación electromagnética en ambientes confinados. Senacitel.

G. W¨OLFLE, F. M. L. 2003. Dominant Path for the Field Strenght Prediction.

G. W¨OLFLE, F. M. L., R. GAHLEITNER, E. BONEK 2006. Extensions to the field strength prediction technique based on dominant paths between transmitter and receiver in indoor wireless communications.

HUSCHKA, T. 1994. Ray Tracing Models for Indoor Environments and their Computational Complexity. IEEE 5th International Symposium on Personal, Indoor, and Mobile Radio Communications, pp. 486-490.

J. M. KEENAN , A. J. M. 2000. Radio coverage in buildings. BTSJ, 8, pp. 19-24.

NICOLÁS BELTRÁN M., S. D. M. 2005. Aplicación del Modelo Ray-Tracing para Determinar el Comportamiento de la Propagación al Interior de Edificios.

O. GUALDRÓN, S. P., L. DE LUQUE, I. DÍAZ, S. VÁSQUEZ 2006. Una Herramienta para la Predicción de Intensidad de la Señal Recibida (RSSI) para Wireless Lan 802.11b. Revista Colombiana de Tecnologías de Avanzada, 1.

TABERNILLA, L. D.-A. 2000. Sistemas de Localización en Interiores. Universidad Politécnica de Madrid.

V. DEGLI-ESPOSTI, C. C., M. FRULLONE, G. RIVA 1997. Sensitivity of Ray–Tracing Indoor Field Strength Prediction to Environment Modelling. European Cooperation in the Field of Scientific and Technical Research.

W¨OLFLE , F. M. L. 1997. Field strength prediction in indoor environments with neural networks. IEEE 47th Vehicular Technology Conference pp. 82-86.

BIBLIOGRAFÍA

BARRAU, G. N. 2006. Algoritmos para Localización en Interiores mediante WLAN Comerciales basados en Funciones Discriminantes Lineales y Modelos Ocultos de Markov. Tesis Doctoral, Universidad Politécnica de Madrid.

GERD WÖLFLE, R. W., PHILIPP WERTZ , PASCAL WILDBOLZ , FRIEDRICH LANDSTORFER 2005. Dominant Path Prediction Model for Indoor Scenarios. KAMOL KAEMARUNGSI, P. K. 2004. Modeling of Indoor Positioning Systems Based on

Location Fingerprinting. Telecommunications Program, pp.1-11.

KAMRAN SAYRAFIAN-POUR, D. K. 2007. A Novel Model-Based Indoor Positioning Using Signal Strenght. The 18th Annual IEEE International Symposium on Personal, Indoor and Mobile Radio Communications

REGISTER, A. H. 2007. A Guide to MATLAB Object-Oriented Programming. In: