Comunicações Não-coerentes em Sistemas MIMO: Desenho do Receptor e Construção de Códigos

Este trabalho aborda o problema do desenho de códigos espácio-temporais para sistemas de comunicação multiple-input multiple-output (MIMO) sem fios. Considera-se o contexto realista e desafiante da recepção não-coerente (a realização do canal é desconhecida no receptor). O detector conhecido como generalized likelihood ratio test (GLRT)é implementado no receptor e, ao contrário da maioria das abordagens actuais, permite-se uma estrutura de correlação arbitrária para o ruído gaussiano de observação. Apresenta-se uma análise teórica para a probabilidade de erro do detector, em ambos os regimes assimptóticos de relação sinal-ruído (SNR) alta e baixa. Essa análise conduz a um critério de optimalidade para desenho de códigos e permite uma re-interpretação geométrica do problema abordado como um problema de empacotamento óptimo num producto Cartesiano de espaço projectivos. A construção dos códigos implica a resolução de um problema de optimização não-linear, não-diferenciável e de dimensão elevada, o qual foi abordado aqui em duas fases. A primeira fase explora uma relaxação convexa do problema original para obter uma estimativa inicial. A segunda fase, refina essa estimativa através de um algoritmo iterativo de descida do gradiente ao longo de geodésicas, explorando-se assim a geometria Riemanniana imposta pelas restricões de potência sobre os códigos espáciotemporais. Mostra-se que o desempenho dos novos códigos obtidos por este método excede o das soluções previamente conhecidas. De facto, para algumas configurações particulares, estas novas constelações atingem o limiar de Rankin e são por isso garantidamente óptimas.

Systems thinking: learning or driving?

The ability to foresee how behaviour of a system arises from the interaction of its components over time - i.e. its dynamic complexity – is seen an important ability to take effective decisions in our turbulent world. Dynamic complexity emerges frequently from interrelated simple structures, such as stocks and flows, feedbacks and delays (Forrester, 1961). Common sense assumes an intuitive understanding of their dynamic behaviour. However, recent researches have pointed to a persistent and systematic error in people understanding of those building blocks of complex systems. This paper describes an empirical study concerning the native ability to understand systems thinking concepts. Two different groups - one, academic, the other, professional – submitted to four tasks, proposed by Sweeney and Sterman (2000) and Sterman (2002). The results confirm a poor intuitive understanding of the basic systems concepts, even when subjects have background in mathematics and sciences.

Systems thinking: learning or driving?

The ability to foresee how behaviour of a system arises from the interaction of its components over time - i.e. its dynamic complexity – is seen an important ability to take effective decisions in our turbulent world. Dynamic complexity emerges frequently from interrelated simple structures, such as stocks and flows, feedbacks and delays (Forrester, 1961). Common sense assumes an intuitive understanding of their dynamic behaviour. However, recent researches have pointed to a persistent and systematic error in people understanding of those building blocks of complex systems. This paper describes an empirical study concerning the native ability to understand systems thinking concepts. Two different groups - one, academic, the other, professional – submitted to four tasks, proposed by Sweeney and Sterman (2000) and Sterman (2002). The results confirm a poor intuitive understanding of the basic systems concepts, even when subjects have background in mathematics and sciences.