Uma metodologia para predição do campo elétrico de radiodifusão sonora em ondas médias utilizando inferências bayesianas

A adoção de sistemas digitais de radiodifusão sonora, que estão em fase de testes no país, permite realizar novos estudos visando um melhor planejamento para a implementação dessas novas emissoras. O que significa reavaliar os principais modelos de radiopropagação existentes ou propor novas alternativas para atender as demandas inerentes dos sistemas digitais. Os modelos atuais, conforme Recomendações ITU-R P. 1546 e ITU-R P. 1812, não condizem fielmente com a realidade de algumas regiões do Brasil, principalmente com as regiões de clima tropical, como a Região Amazônica, seja pelo elevado índice pluviométrico seja pela vasta flora existente. A partir dos modelos adequados ao canal de propagação, torna-se viável desenvolver ferramentas de planejamento de cobertura mais precisas e eficientes. A utilização destas ferramentas é cabível tanto para a ANATEL, para a elaboração dos planos básicos de distribuição de canais quanto para os radiodifusores. No presente trabalho é apresentada uma metodologia utilizando a inteligência computacional, baseada em Inferênciass Baysianas, para predição da intensidade de campo elétrico, a qual pode ser aplicada ao planejamento ou expansão de áreas de cobertura em sistemas de radiodifusão para frequências na faixa de ondas médias (de 300 kHz a 3MHz). Esta metodologia gera valores de campo elétrico estimados a partir dos valores de altitude do terreno (através de análises de tabelas de probabilidade condicional) e estabelece a comparação destes com valores de campo elétrico medidos. Os dados utilizados neste trabalho foram coletados na região central do Brasil, próximo à cidade de Brasília. O sinal transmitido era um sinal de rádio AM transmitido na frequência de 980 kHz. De posse dos dados coletados durante as campanhas de medição, foram realizadas simulações utilizando tabelas de probabilidade condicional geradas por Inferências Bayesianas. Assim, é proposto um método para predizer valores de campo elétrico com base na correlação entre o campo elétrico medido e altitude, através da utilização de inteligência computacional. Se comparados a inúmeros trabalhos existentes na literatura que têm o mesmo objetivo, os resultados encontrados neste trabalho validam o uso da metodologia para determinar o campo elétrico de radiodifusão sonora em ondas médias utilizando Inferências Bayesianas.

ABSTRACT: The adoption of digital sound broadcasting systems, which are under testing in the country, allows new studies aimed a better planning for the implementation of new stations, which means to reassess the major existing radio propagation models or propose new alternatives to meet demands inherent in digital systems. The current models, as Recommendations ITU-R P. 1546 and ITU-R P. 1812, do not match closely with the reality of some regions of Brazil, especially in the tropical regions, such as the Amazon Region, due to the high rainfall and the vast existing flora. Using models suited to the propagation channel, it becomes feasible to develop planning tools covering most accurate and efficient. The use of these tools is applicable both to ANATEL, for the elaboration of the basic plans, as distribution channels for broadcasters. This paper presents a methodology using a computational intelligence based in Bayesian Networks for prediction of electric field intensity, which can be applied to planning or expanding coverage areas in broadcasting systems for frequencies in the range of medium wave (300 kHz to 3 MHz). This methodology generates electric field values estimated from the values of terrain altitude (through analysis of conditional probability tables) and provides a comparison of these values with the measured electric field. The data used in this study were collected in Brazil’s central region, nearby the city of Brasilia. The transmitted signal was an AM radio signal transmitted at a frequency of 980 kHz. With the data collected during the measurement campaigns, simulations were performed using conditional probability tables generated by Bayesian Networks. Thus, it’s proposed a method for predicting values of electric field based on the correlation between the measured electric field and the altitude through the use of artificial intelligence. Compared to numerous studies in the literature that have the same goal, the results found in this study validate the use of the methodology to determine the electric field in medium wave radio broadcasting using Bayesian Networks.