Capítulo V - Modulação
|
|
- Ester Maria de Fátima Marroquim de Miranda
- 7 Há anos
- Visualizações:
Transcrição
1 Capítulo V - Modulação Mutos são os meos físcos utlzados como canas de transmssão, tas como pares de fos, cabos coaxas, fbras ótcas, canas de mcroondas, etc. Todos estes meos são de natureza nerentemente contínua no tempo. Conforme vmos, os blocos de bts provenentes do processo de codfcação de canal são, obvamente, dscretos no tempo. Como um snal que transporta nformação necessta se adaptar às lmtações dos canas de transmssão, torna-se necessáro representar os blocos de bts provenentes da etapa de codfcação sob a forma de snal contínuo no tempo, para que se efetue a transmssão. A modulação é o processo utlzado para esta representação. Modulação 1
2 No dagrama de blocos smplfcado de um sstema de comuncação dgtal mostrado ao lado, a saída do Codfcador de Canal é envada ao Modulador Dgtal. A função do Modulador Dgtal é mapear a seqüênca bnára provenente do Codfcador de Canal em um conunto de M valores dstntos de parâmetros de um snal elétrco v (t). O snal elétrco v(t) é denomnado de portadora e pode ser representado por v ( t ) = V cos m ( 2π ft +φ), onde Vm é o valor nstantâneo de v (t), f é a freqüênca de v (t) e φ é a fase, com relação a alguma referênca. No processo de modulação, o snal v(t) tem alguma de suas característcas varada de acordo com o valor nstantâneo do snal modulante. Na modulação AM (Ampltude Modulaton), por exemplo, o valor nstantâneo é varado, enquanto que na modulação PM (Phase Modulaton), a fase é varada e na modulação FM (Frequency Modulaton), a freqüênca é varada. Modulação 2
3 Em comuncação dgtal, bascamente, o tpo de modulação empregado é a modulação PAM (Pulse Ampltude Modulaton). A modulação PAM, pode ser em banda-base e em banda passante. Na modulação PAM em banda-base uma seqüênca de translações no tempo de um pulso básco é modulada em ampltude por uma seqüênca de símbolos. Este tpo de modulação é utlzada bascamente em meos metálcos, tas como pares de fos, onde é permtdo que o espectro do snal se extenda até a freqüênca zero. A modulação PAM em banda passante é uma extensão da modulação PAM em banda-base, em que é ntroduzdo o conceto de uma portadora senodal. Este tpo de modulação é utlzado em meos com banda altamente restrta, tas como transmssão por rádo. Alguns casos de nteresse no que concerne à modulação PAM em banda passante são: modulação PSK (Phase-Shft Keyng), modulação AM-PM (Ampltude Modulaton and Phase Modulaton) e modulação QAM (Quadrature Ampltude Modulaton). Modulação 3
4 A modulação PAM em banda passante utlza duas portadoras senodas de mesma freqüênca, defasadas de noventa graus, as quas são moduladas pelas partes real e magnára de um snal complexo em banda-base. Portanto, em um sstema de comuncações em banda-passante, o conunto de símbolos (= alfabeto = constelação) e o ruído do canal apresentam valor complexo. Por exemplo, um snal em banda-base tem um alfabeto que é smplesmente uma lsta de números reas, por exemplo, Α = { 3, 1, + 1, + 3}. Observe que o alfabeto tem tamanho M = 4 e cada símbolo que a ele pertence pode representar log 2 M = 2 bts. Um snal PAM em banda passante tem um alfabeto que é uma lsta de números complexos, por exemplo, Α = { 1,, + 1, + }. Observe que o alfabeto tem tamanho M = 4 e cada símbolo que a ele pertence pode representar log 2 M = 2 bts. Neste sentdo, um sstema de comuncações em banda-base nada mas é do que um caso especal do sstema em banda-passante no qual os símbolos e o ruído apresentam valor real. Já que o sstema PAM em banda-base é um caso especal do sstema PAM em banda passante, remos nos concentrar no sstema PAM em banda passante. Modulação 4
5 Constelações e Detecção ML O alfabeto Α = { a 0, a 1, L, am 1 } é o conunto de símbolos que estão dsponíves para transmssão. Quanto maor for a demanda por volume de nformação de um sstema, maor precsa ser o número de símbolos presentes no alfabeto, de forma que uma maor complexdade de nformação possa ser compensada por um "vocabuláro" mas elaborado, capaz de representar um maor volume de nformação dentro do mesmo ntervalo de tempo. Uma constelação com maor número de símbolos forçosamente apresenta maor número de símbolos semelhantes entre s do que uma constelação menos densa, o que se torna um séro problema para o desempenho do sstema quando o canal é dspersvo, pos a mínma nterferênca entre os símbolos os tornará nntelgíves sob o ponto de vsta dgtal. Modulação 5
6 A nterferênca entre os símbolos, denomnada ISI (Inter Symbol Interference), é a grandeza que mede o quanto os símbolos de um sstema de comuncações dgtas se superpõem a outros símbolos, como decorrênca da natureza dspersva do canal de transmssão de qualquer sstema dgtal prátco. Devdo à dspersão, a resposta mpulsva do canal assume valores não nulos ao longo de város ntervalos amostras. Em um canal dspersvo, cada amostra recebda pelo receptor será uma soma ponderada das amostras passadas. Desta manera, a dspersão de canal pode ser assocada ao conceto de reverberação, á que o valor de cada amostra é nterferdo por ecos de amostras á ocorrdas. Como reverberação é um fenômeno natural e nevtável a todo e qualquer canal de comuncações prátco, o problema precsa ser contornado através de sstemas compensadores de reverberação denomnados Equalzadores. Os Equalzadores são usualmente colocados no receptor dgtal entre o demodulador e o decodfcador de canal, de tal forma que a resposta mpulsva combnada do Equalzador em sére com o canal anule a dspersão do canal. Modulação 6
7 Na saída do demodulador, no receptor dgtal, um quantzador é utlzado para estmar o símbolo orgnalmente transmtdo. A entrada do quantzador é um snal dscreto no tempo, com ntervalo T entre amostras (símbolos). Quando não há ISI, cada amostra de entrada do quantzador é gual ao símbolo transmtdo mas corrompdo por ruído adtvo estatístcamente ndependente da seqüênca de símbolos. Um alfabeto complexo é melhor descrto se plotado como um conunto de pontos em um plano complexo, quando, então, ustfca-se a denomnação de constelação do snal. Ao lado é representado o conunto dos M = 2 n = 256 símbolos que formam o alfabeto da modulação 256-QAM, sendo n = 8 o número de bts por bloco, do snal provenente do codfcador de canal. Modulação 7
8 n O conunto de M 2 bts por bloco provenente do codfcador de canal. = símbolos forma o alfabeto Α = { a, a } a a L, sendo n o número de 0, 1, M 1 Seam dos símbolos e a do alfabeto Α,, caracterzados por estarem dstancados entre s da dstânca d mn = a a, sendo mn a menor dstânca entre os símbolos de d Α. A probabldade de o demodulador no receptor tomar a por a, como conseqüênca do ruído/nterferênca no canal, é muto maor para os símbolos e do que para qualquer outro par de símbolos de a Α, vsto que e encontram-se dstancados de apenas. Portanto, para mnmzar a probabldade de erro nos n bts dos blocos e a θ demodulados no receptor a partr de e, os mapeamentos B a = c e e B a = c e θ B no modulador são usualmente proetados de tal forma que o bloco dfere do bloco em apenas 1 bt (códgo gray). a Algumas constelações populares na transmssão em banda passante PAM são lustradas a segur. a a a B d mn B B Modulação 8
9 4-PSK (4-Phase-Shft Keyng) A constelação 4-PSK consste de quatro símbolos de magntude b, cada um deles com fase dferente, conforme mostrado na Fgura abaxo. A m = be Os símbolos podem ser escrtos como e o snal transmtdo pode ser descrto como X () t = b 2 cos( ω ct + φ m ( kt )) g( t kt ) onde ( kt ) k = assumr valores do conunto ( 0, 2, π,3π 2) π. φ m φ pode A constante b determna a potênca do snal transmtdo. Cada símbolo 4-PSK transmtdo enva 2 bts através do canal (M = 4, n = 2). A nformação é transportada na fase da portadora e a ampltude da portadora é constante, daí o nome Chaveamento por Deslocamento de Fase (PSK - Phase-Shft Keyng). A constelação 4-PSK é também chamada Quadrature Phase-Shft Keyng (QPSK). O sstema de coordenadas QPSK é melhor descrto em termos de coordenadas (x,y) em que x é representado por I (n phase) e y é representado por Q (quadrature), (I,Q). Cada um dos pares (I,Q) representa um símbolo, ou, no contexto do snal envado pelo canal, 2 bts. Explos.: IS-95 (CDMA), CDMA2000, e m Modulação 9
10 Símbolo Transção de fase DQPSK (graus) DQPSK (Dfferental Quadrature Phase Shft Keyng) É uma técnca de modulação smlar à QPSK. O padrão de dados DQPSK é referencado ao estado anteror. DQPSK tem 4 estados potencas, sendo os símbolos defndos com relação aos estados prévos, conforme tabela ao lado. Símbolo Transção de fase π/4 DQPSK (graus) π/4 DQPSK(π/4 Dfferental Quadrature Phase Shft Keyng) É uma técnca de modulação smlar à DQPSK. As transções de fase π/4 DQPSK são rotaconadas 45 o em relação ao sstema DQPSK. π/4 DQPSK tem 4 estados potencas, sendo os símbolos defndos com relação aos estados prévos, conforme tabela ao lado. Explo.: USDC (TDMA). Modulação 10
11 Símbolo Mapeamento 0 ( t) = V cos( π ft + φ ) v, ( t) = V cos( π ft + φ ) v, o φ 0 = 0 o φ 1 = 180 BPSK (Bnary Phase Shft Keyng) É uma técnca de modulação bnára, smlar à QPSK, em que M = 2, n = 1. Explo.: IS-95 (CDMA). GMSK (Gaussan Mnmum Shft Keyng) O GMSK (Chaveamento por Deslocamento Mínmo Gaussano) é um tpo especal de modulação dgtal FM. As técncas de modulação que usam duas freqüêncas para representar o "1" e o "0" são denomnadas FSK (Chaveamento por Deslocamento de Freqüênca). A modulação MSK (Mnmum Shft Keyng) é um caso especal da modulação FSK em que a freqüênca de uma portadora de ampltude constante é comutada entre dos possíves valores, mnmamente espaçados em freqüênca, tas que permtam a dscrmnação entre os snas. A fase é tal que a descontnudade temporal entre dos símbolos é mnmzada, reduzndo o a largura do espectro. Um fltro gaussano é aplcado, obetvando efcênca espectral (o fltro Gaussano suavza adconalmente a descontnudade na transção entre os símbolos, reduzndo anda mas a largura do espectro gerado). Explo.: GSM (TDMA/FDD). Modulação 11
12 16-QAM (16-Quadrature Ampltude Modulaton) A constelação 16-QAM apresenta 12 possíves fases e 3 possíves ampltudes. A constante c determna a potênca do snal transmtdo. Cada símbolo 16-QAM transmtdo enva 4 bts através do canal (M = 16, n = 4). O modulador mapea M blocos (ou símbolos) dstntos no conunto de snas { v (t)}, = 0,1, L, M 1. Um possível mapeamento sera assocar os 16 possíves blocos de 4 bts aos elementos do conunto de snas { (t)}, = 0,1, L, 15, v ( t) = V cos( 2π ft + φ ), conforme tabela abaxo. v bloco V φ 135 o 108 o 45 o 72 o 162 o 135 o 18 o 45 o -135 o -108 o -45 o -72 o -162 o -135 o -18 o -45 o Note que ampltude V e fase φ do snal v(t) são varadas, mas a freqüênca f é mantda constante neste tpo de modulação. Modulação 12
13 Devdo ao ruído adtvo, as amostras recebdas na entrada do quantzador em geral não correspondem exatamente aos pontos na constelação de snal. No entanto, se a potênca do ruído é pequena comparada à potênca do snal, se observa uma alta probabldade de as amostras estarem próxmas aos pontos da constelação. Assm, as amostras recebdas formam uma nuvem Gaussana ao redor dos pontos da constelação, conforme mostra a fgura abaxo, para as constelações 4-PSK e 16-QAM. A função do quantzador é smplesmente a m seleconar o símbolo na constelação Α = { a0, a1, L, am 1} que estea mas próxmo à amostra recebda. Q k Tanto para símbolos complexos quanto para símbolos reas, o quantzador também chamado detector de máxma verossmlhança (detector ML: Maxmum Lkelhood) selecona o símbolo am no alfabeto Α que mnmza a dstânca Eucldana Qk am entre Qk e a. Quando o alfabeto é complexo é convenente utlzar o quadrado da dstânca Eucldana 2 Q por smplfcar as operações envolvdas. k a m m Modulação 13
14 O plano complexo pode, portanto, ser dvddo em regões de decsão onde cada regão de decsão é o conunto de pontos que está mas próxmo a algum símbolo. As regões de decsão para as constelações 4-PSK e 16-QAM são mostradas na fgura abaxo. Regões de decsão sob a ótca do detector ML para as constelações 4-PSK e 16-QAM. Explos.: 16-QAM e 64-QAM, utlzadas no sstema Modulação 14
15 Densdade da Constelação x Velocdade de Transmssão Note que o Modulador Dgtal recebe bts do Codfcador de Canal a uma razão unforme de R [ bts s] e os enva na mesma razão ao Canal de Transmssão, através do Amplfcador de Potênca. Cada bloco possu N bts, portanto, o Modulador Dgtal processa bts bts R blocos R N = ou sea, cada bloco de N bts possu um ntervalo de s bloco N s duração de R N / segundos. Em outras palavras, para uma taxa fxa de transmssão de bts envados ao canal de bts s N / R [ ], R segundos é o ntervalo de tempo durante o qual o Modulador Dgtal gera um dos M snas Potênca. v(t) e o transmte ao Canal de Transmssão através do Amplfcador de Note também que, quanto maor o número M de snas dsponíves, maor será o tamanho N do bloco representado por um dos M snas, o que mplca em maor velocdade de transmssão. Modulação 15
16 Por exemplo: Sea um sstema dgtal com M = 256, tal que N = log 2 M = 8. Toda vez que um dos 256 possíves snas v(t) é transmtdo, sgnfca que 8 bts foram envados através do canal. Comparemos este sstema com o sstema para o qual M = 16, tal que N = log 2 M = 4, mas com o mesmo ntervalo entre emssão de snas v(t) do sstema com M = 256. Toda vez que um dos 16 possíves snas foram envados através do canal. v(t) é transmtdo sgnfca que apenas 4 bts Portanto, o sstema com M = 256 apresenta o dobro da velocdade de transmssão bts que o sstema para M = 16, assumndo que ambos possuam a mesma taxa R [ s] [ blocos s] R N de transmssão de blocos (símbolos). Modulação 16
17 OFDM (Orthogonal Frequency Dvson Multplexng) - É uma combnação de modulação e técnca de acesso múltplo que segmenta o canal de comuncação, de forma a ser compartlhado por mutos usuáros. - Dferentemente da segmentação no tempo que ocorre em sstemas TDMA, e da segmentação em códgo dos sstemas CDMA, sstemas OFDM segmentam em freqüênca. O espectro é dvddo em um número de portadoras gualmente espaçadas em freqüênca, que transportam ndvdualmente parte da nformação. - A modulação OFDM pode ser vsta como uma forma de multplexação por dvsão em freqüênca (FDM) em que cada portadora é ortogonal a todas as outras, sem requerer banda de guarda entre as freqüêncas para que não haa nterferênca, o que permte maor efcênca espectral. - A nformação é modulada nas portadoras utlzando, por exemplo, PSK (phase shft keyng) ou QAM (quadrature ampltude modulaton). - Um stream de dados é dvddo em streams paralelos. Cada stream é, então, mapeado em uma portadora e combnado usando a Transformada Inversa de Fourer (IFFT) para obter a forma de onda no domíno do tempo a ser transmtda. A largura de banda atrbuída a cada portadora é reduzda na proporção da dvsão do stream de dados. - É robusta à nterferênca ntersmbólca e pode ser consderada uma técnca de acesso múltplo, porque as portadoras ndvduas podem ser atrbuídas a dferentes usuáros (OFDMA). Explo.: g, a, ISDB-T. Modulação 17
18 Probabldade de Erro A probabldade de erro é uma medda razoável de desempenho para um sstema de comuncações dgtal. A probabldade de erro de símbolo é uma medda fácl de determnar a partr das propredades do sstema. Para o detector ML, a probabldade de erro é smplesmente a probabldade de que a amostra recebda estea próxma a um símbolo que não sea o símbolo que fo efetvamente transmtdo. Consdere dos símbolos complexos do alfabeto, a e. Sea a o símbolo transmtdo no nstante k e a sea a amostra recebda Q = a + Z, k k Z k onde é uma varável Gaussana aleatóra complexa que representa o ruído do canal, de 2 méda zero, com partes real e magnára ndependentes, cada uma com varânca σ. Modulação 18
19 Pode ser mostrado que a probabldade P de que a amostra recebda Q estea mas a próxma a do que a a, tendo sdo transmtdo a, é r ( 2σ ) Pr [ quantzado r escolher a quando a é transmtd o] = Q d, a ( ) onde d é a dstânca Eucldana a a entre a e, e onde Q x pode ser descrta como a área sob a curva de dstrbução Gaussana de uma varável aleatóra X para valores de X tas que X > x. k Específcamente, ( x) u Q =, onde ( u) = e du Q é dado por ( x) ( 1 2) erfc( x 2 ) denomnada Função Erro Complementar. erfc 2 π u 2 é a Observe que a Equação P [ quantzado r escolher a quando a é transmtd o] Q( d 2σ ) r = não expressa a probabldade de erro em s. Apenas defne a probabldade de o quantzador preferr o símbolo a ao símbolo efetvamente transmtdo a, ou sea, expressa a probabldade de erro apenas no caso em que há apenas dos símbolos no alfabeto. Modulação 19
20 Quando exstem mas de dos símbolos no alfabeto é necessáro alguma nferênca adconal para que se determne a probabldade de erro, no entanto, a equação pode ser utlzada para analsar constelações específcas, conforme fguras abaxo. Constelação antpodal bnára, sstema PAM em banda-base. Pr erro de símbolo = Q a σ [ ] ( ) Constelação mult-níves de uma dmensão. Pr erro de símbolo = 1.5Q d 2σ, d = 2a [ ] ( ) Constelação 4-PSK, versão rotaconada. Pr erro de símbolo = 2Q d 2σ [ ] ( ) Constelação 16-QAM. Pr erro de símbolo 3Q d [ ] ( 2σ ) Modulação 20
21 Para constelações retangulares de duas dmensões, à medda que o tamanho do alfabeto aumenta, uma maor porcentagem de pontos será ncluída, e a probabldade de erro rá tender a Pr[ erro de símbolo] 4Q( d 2σ ) 4Q ( d 2σ ), assumndo que todos os símbolos seam gualmente prováves. Referêncas Bblográfcas [Proaks] J. G. Proaks, Dgtal Communcatons, McGraw-Hll, [Shanmugan] K. S. Shanmugan and A. M. Brepohl, Random Sgnals: Detecton, Estmaton and Data Analyss, John Wley and Sons, [Papouls] A. Papouls, Probablty, Random Varables and Stochastc Processes, McGraw-Hll, [Taub] H. Taub and D.L. Schllng, Prncples of Communcatons Systems, McGraw-Hll, Modulação 21
Capítulo I Introdução
omuncações Dgtas por F.. De astro e M..F. De astro apítulo I Introdução Neste texto são apresentados os prncípos geras necessáros à compreensão da área da Engenhara Elétrca denomnada omuncação Dgtal. A
Leia mais3.2 Modulações não-binárias (MPSK)
odulações dgtas 3 odulações dgtas lneares com detecção coerente 3. odulações não-bnáras (SK) QSK: formas de onda e componentes em fase e em quadratura E π s() t = cos π fct ( ) T 4 t T =,,3, 4 f c = nc,
Leia mais3 Cálculo Básico de Enlace Via Satélite
35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados
Leia maisPrincípios Básicos de Teoria da Informação
Teleprocessamento I Mara Crstna Felppetto De Castro Capítulo 6 Prncípos Báscos de Teora da Informação Prncípos Báscos de Teora da Informação! Entropa - Até que lmte é possível comprmr um conjunto de dados?
Leia maisFiltros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.
1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisCapítulo III Códigos para Compressão sem Perda
PUCR Faculdade de Engenhara Departamento de Engenhara Elétrca Comuncação Dgtal por F.C.C De Castro e M.C.F. De Castro Capítulo III Códgos para Compressão sem Perda Vmos no Capítulo II que a saída Quantzador
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisCapítulo 3 Códigos para Compressão Sem Perdas
PUCR FENG Engenhara da Computação Redes de Comuncação em Fo 6/I Mara Crstna Felppetto De Castro Capítulo Códgos para Compressão em Perdas Capítulo III Códgos para Compressão sem Perdas Vmos no Capítulo
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisMódulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua
Módulo I Ondas Planas Reflexão e Transmssão com ncdênca normal Reflexão e Transmssão com ncdênca oblíqua Equações de Maxwell Teorema de Poyntng Reflexão e Transmssão com ncdênca normal Temos consderado
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisGuia 11 Escalonamento de Mensagens
Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia mais2 Teoria da Informação no Sistema MIMO
Teora da Informação no Sstema MIMO esta sessão são apresentados os fundamentos teórcos relaconados à capacdade de um sstema com múltplas antenas no transmssor e receptor, procurando-se nterpretar os resultados
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisCRISTHOF JOHANN ROOSEN RUNGE DECODIFICAÇÃO TURBO DE CÓDIGOS DE REED-SOLOMON EM SISTEMAS DE MODULAÇÃO QAM: UMA ABORDAGEM GEOMÉTRICA
CRISTHOF JOHANN ROOSEN RUNGE DECODIFICAÇÃO TURBO DE CÓDIGOS DE REED-SOLOMON EM SISTEMAS DE MODULAÇÃO QAM: UMA ABORDAGEM GEOMÉTRICA São Paulo 01 CRISTHOF JOHANN ROOSEN RUNGE DECODIFICAÇÃO TURBO DE CÓDIGOS
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisTE111 Comunicação Digital
TE111 Comunicação Digital Transmissão Digital Passa Banda 17 de setembro de 2013 Modulações Digitais Básicas ASK FSK PSK Representação Complexa de Sinais Passa-Faixa g(t) = g I (t) cos(2πf c t) g Q (t)
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia maisCodificação de Canal
PUCRS FENG EComp Redes de Comuncação Sem Fo 26/I Capítulo 4 Codfcação de Canal Mara Crstna Felppetto De Castro Codfcação de Canal Quando nformação dgtal é envada através de um canal de transmssão, ruído
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisCIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição:
. Crcutos não lneares.. Introdução... Defnção de crcuto lnear CIRCUITO LINEAR Um crcuto lnear é aquele que obedece ao prncípo da sobreposção: y f (x) Se x for a entrada do crcuto e y a saída Consderando
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisELE0317 Eletrônica Digital II
2. ELEMENTOS DE MEMÓRIA 2.1. A Lnha de Retardo A lnha de retardo é o elemento mas smples de memóra. Sua capacdade de armazenamento é devda ao fato de que o snal leva um certo tempo fnto e não nulo para
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
Leia maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisDinâmica do Movimento de Rotação
Dnâmca do Movmento de Rotação - ntrodução Neste Capítulo vamos defnr uma nova grandeza físca, o torque, que descreve a ação gratóra ou o efeto de rotação de uma força. Verfcaremos que o torque efetvo que
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisTransistores Bipolares de Junção Parte I Transistores Bipolares de Junção (TBJs) Parte I
Transstores Bpolares de Junção (TBJs) Parte I apítulo 4 de (SEDRA e SMITH, 1996). SUMÁRIO Introdução 4.1. Estrutura Físca e Modos de Operação 4.2. Operação do Transstor npn no Modo Atvo 4.3. O Transstor
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCapítulo 24: Potencial Elétrico
Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisAula 6: Corrente e resistência
Aula 6: Corrente e resstênca Físca Geral III F-328 1º Semestre 2014 F328 1S2014 1 Corrente elétrca Uma corrente elétrca é um movmento ordenado de cargas elétrcas. Um crcuto condutor solado, como na Fg.
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais1 Modulação digital para comunicações móveis
1 Modulação digital para comunicações móveis Tabela 1: Algumas modulações empregadas em telefonia celular Sistema Forma de Largura da Critério de Razão celular modulação portadora qualidade sinal-ruído
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia mais18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas
01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisAlgoritmos de Codificação Simétricos
Algortmos de Codfcação Smétrcos Hugo Valente e Ivo Navega SSI TPC. A rede de estel consste numa cfra de bloco com uma estrutura específca, a qual permte trar vantagem do facto de puder ser usada quer para
Leia maisModulação Digital em Banda Passante
Modulação Digital em Banda Passante Luis Henrique Assumpção Lolis 27 de maio de 2014 Luis Henrique Assumpção Lolis Modulação Digital em Banda Passante 1 Conteúdo 1 Introdução - Modulação Digital em Banda
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.
Leia mais3. Coexistência entre Tecnologias 3.1. Fontes de Interferência Interferências co-canal A interferência co-canal ocorre quando duas ou mais
41 3. Coexstênca entre Tecnologas 3.1. Fontes de Interferênca 3.1.1 Interferêncas co-canal A nterferênca co-canal ocorre quando duas ou mas entdades na mesma área geográfca transmtem na mesma frequênca.
Leia mais2 Experimentos com Mistura
Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em
Leia maisComunicação Digital Exercícios
Comunicação Digital Exercícios Problema 1 Eficiência Espectral Deseja-se implementar um sistema de transmissão digital com taxa de transmissão de 9600 bits por segundo em um canal com faixa disponível
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisConceito de Comunicação Digital: Transmissão de informação em forma digital a partir de uma fonte geradora da informação até um ou mais destinatários.
Conceito de Comunicação Digital: Transmissão de informação em forma digital a partir de uma fonte geradora da informação até um ou mais destinatários. Figura 1: Diagrama de blocos simplificado, contendo
Leia mais2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)
Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula
Leia mais