Análise de Complexidade do Módulo de Treliça Seccionado de Códigos Convolucionais

Tamanho: px
Começar a partir da página:

Download "Análise de Complexidade do Módulo de Treliça Seccionado de Códigos Convolucionais"

Transcrição

1 XXX SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2, 3-6 DE SETEMBRO DE 22, BRASÍLIA, DF Análse de Complexdade do Módulo de Trelça Secconado de Códgos Convoluconas Isaac B. Benchmol, Ceclo Pmenel e Rchard Demo Souza Resumo O módulo de relça mínmo para códgos oluconas desenvolvdo por Sdoreno e Zyablov e por McElece e Ln apresena uma esruura rregular com número de esados em cada seção perodcamene varane no empo. Ese argo apresena o conameno do módulo de relça mínmo, capaz de produzr uma represenação de relça mas compaca e regular (do pono de vsa do número máxmo de esados e do número de seções), manendo-se a complexdade de decodfcação e especro de dsâncas do módulo de relça mínmo. Os efeos do conameno da relça são nvesgados sobre a complexdade de relça, defnda por McElece e Ln, e complexdade comparava. Mosra-se que váras opologas de relça de códgos proposas na leraura são membros de classes de módulos de relça mínmo conados. Palavras-Chave Códgos oluconas, complexdade de decodfcação, conameno de relça, relça ma. Absrac The mal rells module for oluonal codes developed by Sdoreno and Zyablov and by McElece and Ln presens an rregular srucure wh perodcally me varyng number of saes n each on. Ths paper presens he onalzaon of he mal rells module whch yelds a more compac and regular rells represenaon (n erms of maxmum number of saes and oal number of ons) wh he same decodng complexy and dsance specrum of he mal rells module. We nvesgae he effecs of he rells onalzaon over he rells complexy measure, defned by McElece and Ln, and over he merge complexy measure. We show ha varous rells opologes proposed n he leraure are class members of onalzed rells modules. Keywords Convoluonal codes, decodng complexy, rells onalzaon, mal rells. I. INTRODUÇÃO Códgos oluconas podem ser represenados por esruuras de relça peródcas, sendo o menor período denoado de módulo de relça []. Em geral, um módulo de relça M de um códgo oluconal C( n,, v ) de axa R= / n consse em n seções de relça compreenddos v enre os empos a n, 2 esados no empo, 2 b ramos conecando os esados enre os empos e +, e l bs roulando cada ramo enre os empos e +, para n. O comprmeno de resrção é v. Tradconalmene, um códgo oluconal pode ser represenado por um módulo de relça enconal I. B. Benchmol CMDI, Insuo Federal de Educação, Cênca e Tecnologa do Amazonas (IFAM), Manaus, AM, bench@fam.edu.br. C. Pmenel, CODEC-DES, Unversdade Federal de Pernambuco (UFPE), Recfe, PE, ceclo@ufpe.br. R. D. Souza, CPGEI, Unversdade Tecnológca Federal do Paraná (UTFPR), Curba, PR, rchard@ufpr.edu.br. Ese rabalho recebeu apoo da FAPEAM e CNPq. conssndo numa esruura regular com n = seção. Por ouro lado, o módulo de relça mínmo para códgos oluconas, nroduzdo por McElece e Ln [2], apresena uma esruura rregular com n = n seções com número de esados e de ramos dvergndo de cada esado varane no empo. O algormo de Verb (VA) operando sobre um módulo de relça M execua operações armécas de adção e comparação [2]-[4]. O número de adções e comparações por b de nformação requerdo pela decodfcação corresponde às complexdades de relça e comparava, respecvamene. Ambas as complexdades de relça e comparava formam a complexdade compuaconal de um algormo de decodfcação de máxma verossmlhança [5] e ambém êm reflexo na complexdade de mplemenação em hardware [6]. O módulo de relça mínmo apresena o mínmo valor possível para as complexdades de relça e comparava para um dado códgo [4], enquano que o módulo enconal apresena o máxmo valor para esas complexdades. Em [][7][8] são mosradas abelas com os melhores códgos oluconas (em ermos de especro de dsâncas) para valores fxos de complexdade de relça consderando-se o módulo de relça mínmo. Em [9][] é proposo um méodo de busca de códgos oluconas fxando-se o número máxmo de esados em um módulo. Esa é a medda de complexdade de relça adoada em [9][], e esá relaconada com a complexdade de mplemenação do decodfcador em hardware, bem como o número de seções do módulo [][2]. Eses resulados produzem opologas de relça com boa relação enre desempenho e complexdade de decodfcação. O conameno é uma operação sobre a relça que remove os esados num empo e redrecona os ramos enre os empos e + [4]. Parndo-se do módulo de relça mínmo e aplcando-se ese procedmeno sequencalmene, chega-se a um módulo de relça mas compaco e regular (em ermos do número máxmo de esados e do número de seções). Porano, os módulos de relça conados proposos nese rabalho êm o poencal de reduzr o consumo de energa oal do recepor (em relação à mplemenação usando a relça enconal), um assuno relevane na leraura aual [3][4]. Nese argo nroduzmos novas classes de módulos de relça produzdas pelo conameno. Há 2 n possbldades de conar o módulo de relça mínmo, e o problema do conameno consse em enconrar a melhor escolha denre odas as possbldades que mze uma medda de complexdade de relça [4]. Consruímos um conjuno de regras que governam os efeos do conameno sobre as complexdades de relça e comparava. Idenfcam-se padrões de conameno do módulo mínmo que são capazes de

2 XXX SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2, 3-6 DE SETEMBRO DE 22, BRASÍLIA, DF dur o número máxmo de esados sem compromeer esas complexdades. Ese rabalho apresena uma lsa de perfs de relças conadas mas compacas com as mesmas complexdades (de relça e comparava) do módulo de relça mínmo para as axas 2 / 5 e 3 / 5. Váras opologas de relça proposas na leraura, como códgos oluconas punconados (PCCs) [5] e aquelas proposas em [8] são membros de famílas de relças conadas. O resane dese argo é esruurado como segue. Na Seção II apresenamos os conceos de módulo de relça e suas complexdades. A Seção III apresena o conameno do módulo de relça mínmo. As regras de conameno e alguns exemplos são apresenados na Seção IV. Na Seção V lsamos alernavas de relça mas compacas que a mínma. Fnalmene, as conclusões são apresenadas na Seção VI. II. COMPLEXIDADES DE UM MÓDULO DE TRELIÇA Em [2] McElece e Ln defnram uma medda de complexdade de decodfcação sobre um módulo de relça. Esa medda é denoada de complexdade de relça de um módulo M para um dado códgo oluconal C, denoada por TC( M ), e de acordo com [2] é dada por n ' v ( ) 2 + b TC M = l () = símbolos por b. O número de comparações por b de nformação requerdo pelo VA sobre um módulo de relça M para um códgo oluconal C, denoada por MC( M ), é defndo em [5] por n ' v+ b v+ MC( M ) = (2 2 ) (2) = em que v. n = v Esa medda é denoada de complexdade comparava de um módulo M de um códgo oluconal C. Para o módulo de relça enconal, M, emos l = n, n =, v = v = v e b =. Porano, a complexdade de relça para ese módulo é ( ) ( / )2 v + TC M = n símbolos por b, e a complexdade comparava é v MC( M ) = (2 / )(2 ). Exemplo : Consdere o códgo oluconal C(5, 3, 3). O módulo de relça enconal para ese códgo apresena TC( M ) = 6,67 símbolos por b e MC( M ) = 8, 67. Ese códgo possu dsânca lvre d free = 4 e especro de dsâncas N = (, 5,3, 39,). As marzes geradoras G( D) dos códgos dos exemplos dese rabalho são lsadas em []. O módulo de relça mínmo para códgos oluconas fo defndo em [2]. Ese módulo apresena uma esruura rregular com n' = n seções e l = b por ramo. A complexdade de esados v e a complexdade de ramos b na profunddade serão denoadas por vɶ e b ɶ, respecvamene. Os perfs de esados e de ramos do módulo de relça mínmo serão denoados por v ɶ= ( vɶ,..., vɶ n ) e b ɶ = ( b ɶ,..., b ɶ n ), respecvamene. Porano, a complexdade de relça do módulo de relça mínmo, M, é dada por n vɶ ( ) 2 + b TC M = ɶ = símbolos por b, e a complexdade comparava do módulo de relça mínmo é dada por (3) n vɶ + b v+ ( ) = (2 ɶ ɶ 2 ). = MC M A Fgura mosra o módulo de relça mínmo códgo C (5, 3, 3) do Exemplo. (4) M para o Enquano o módulo de relça enconal M apresena uma esruura regular com apenas uma seção, 8 esados com 8 ramos dvergndo de cada esado, cada ramo roulado com 5 bs, o módulo de relça mínmo M na Fgura apresena n= 5 seções, com 8 ou 6 esados cada. Observe que apenas a prmera, segunda e quara seções apresenam bs de nformação. A complexdade de relça do módulo de relça mínmo M é TC( M ) = 26,67 símbolos por b e a complexdade comparava é MC( M ) = 8. Porano, as complexdades de relça e comparava do módulo de relça mínmo dese códgo são apenas 25% e 42,8% das complexdades de relça e comparava do módulo de relça enconal, respecvamene. III. SECCIONAMENTO DE UM MÓDULO DE TRELIÇA Consdere um módulo de relça mínmo M conssndo de n seções enre o nervalo de empo a n. O conameno de M no empo para =,..., n, sgnfca a remoção dos esados no empo e a conexão dos esados no empo dreamene com os esados no empo +, se exsr um caho enre eses em M. O róulo dos ramos no módulo conado é formado pela concaenação dos róulos dos ramos dos cahos enre os empos e + em M. O módulo de relça conado no empo possu n = n seções. Ese procedmeno pode ser aplcado sequencalmene em város empos, porano há 2 n formas dsnas de seleconar os empos a serem conados, e o número de seções conadas num módulo de relça vara de n a. Defne-se um veor bnáro de conameno, denoado por ve. O -ésmo elemeno de ve, denoado por ve, =,..., n ndca que há conameno no empo se ve =, caso conráro ve =. Se ve = para =,..., n, o módulo resulane é o módulo enconal e se ve = para =,..., n, resula no módulo de relça mínmo. Os perfs de esados e de ramos do módulo de relça conado M são denoados, respecvamene, por v e b. O perfl de róulos da relça conada, denoado por l, defne o número de bs que roulam os ramos por seção. O exemplo a segur mosra o conameno do módulo de relça mínmo do códgo C (5, 3, 3) em que são lsados os perfs e as complexdades do módulo de relça conado para dferenes valores de ve. Fg.. Módulo de relça mínmo para o códgo (5,3,3). C As lnhas sóldas represenam b codfcado e as racejadas o b codfcado.

3 XXX SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2, 3-6 DE SETEMBRO DE 22, BRASÍLIA, DF Exemplo 2: Consdere o códgo C (5, 3, 3) do Exemplo com perfs ɶv = (3,3,4,3, 4), ɶb = (,,,, ), e complexdades TC( M ) = 26,67, MC( M ) = 8. O módulo de relça mínmo M para ese códgo é mosrado na Fgura. A Tabela I lsa os perfs v, b, l e as complexdades TC( M ) e MC( M ) do módulo de relça conado de algumas das 6 possbldades de conameno de M. Observa-se na Tabela I que para ve = (,,,) o número máxmo de esados é reduzdo de 6 para 8 e o número de seções é reduzdo para n = 3, permndo aé 2 bs por ramo, sem qualquer aleração nas complexdades de relça ou comparava. Não é possível reduzr n além dese valor sem que haja um aumeno nas complexdades. A Fgura 2 mosra a esruura resulane dese conameno. Os perfs v = (3,3,3), b = (,,), l = (,2,2) e as complexdades TC( M ) = 26,67 e MC( M ) = 8 mosrados na Tabela I poderam ndcar que se raa da represenação de um PCC [5] de C (5,3,3), uma classe especal de códgos oluconas represenável por um módulo de relça de baxa complexdade. Enreano, observa-se na Fgura 3 que a opologa de ransções de esados nesa relça ndca que ese códgo não é um PCC. Pode-se reduzr sucessvamene o número de seções manendo-se o número máxmo de esados gual a 8, ao cuso de um aumeno das complexdades, conforme é comenado a segur Para ve = (,,,), obém-se v = (3,3), b = (2,) e l = (3,2). O número de seções é n = 2, permndo-se aé 3 bs por ramo, TC( M ) = and MC( M ) =.67. Para ve = (,,,), obém-se v = (3), b = (3) e l = (5), correspondendo ao módulo de relça enconal para o códgo C (5,3,3), com TC( M ) = 6.67 e MC( M ) = Na Tabela I podemos verfcar que as complexdades TC( M ) e MC( M ) podem aumenar ou não em relação às complexdades do módulo mínmo. Dado um módulo M, analsamos na próxma seção odas as possbldades de conameno de uma seção solada dese módulo e consruímos uma sére de regras que noream os efeos do conameno sobre as complexdades. Por exemplo, é possível esabelecer as condções necessáras para que o módulo de relça conado enha as mesmas complexdades do módulo de relça mínmo. IV. REGRAS DE SECCIONAMENTO E SEUS EFEITOS SOBRE AS COMPLEXIDADES Prmeramene vamos analsar os efeos do conameno sobre as complexdades de relça e comparava para um po específco de seção. Defnmos um seor de relça conssndo de duas seções conuvas de um módulo de relça mínmo M. Por exemplo, consdere o seor de relça S com os perfs ( vɶ, vɶ, vɶ + ) = ( v, v, v), ( b ɶ, b ɶ ) = (,) e ( l ɶ, l ɶ ) (,). De acordo com () e (2) as complexdades de = relça e comparava do seor S, denoadas por TC( M S ) e MC( M S ), respecvamene, são dadas por v ( ) 2 m b m v TC M S l + + = + = 3(2 ) + m m= v ( ) (2 + m+ b m v 2 m v S = ) = (2 ). m= MC M (5) (6) Fg. 2 Módulo de relça conado para ve = (,,,) no Exemplo 2. Comparando com o módulo de relça mínmo, o número máxmo de esados é reduzdo de 6 para 8 e o número de seções é reduzdo para n = 3, sem qualquer aleração nas complexdades de relça ou comparava. Se consderarmos agora o conameno no empo de S, obemos uma únca seção com v = ( v, v), b = () e l = (2). As complexdades T ( M S ) e MC( M S ) desa nova seção são v v TC( M S ) = 4(2 ) e MC( M S ) = (2 ). (7) Porano, para ese caso específco de conameno da seção em que b ɶ =, b ɶ = e vɶ = vɶ obém-se TC( M S ) > TC( M S ) e MC( M S ) = MC( M S ). Repemos ese procedmeno de forma exausva para odos os possíves perfs de seores, e com base neses resulados cramos um conjuno de regras que se aplcam ao conameno de um módulo de relça mínmo. Consdere o módulo M com perfs ɶv e ɶb, complexdades TC( M ) e MC( M ) e consdere o módulo de relça conado M resulane do conameno de M no empo, para =,..., n. As segunes regras são aplcadas:. Se a seção não er nformação, ou seja, somene um ramo dverge de cada esado ( b ɶ = ), enão a. MC( M ) = MC( M ) b. TC( M ) = TC( M ) se ( vɶ = vɶ + e bɶ = ) ou ( vɶ = vɶ e bɶ = ). c. TC( M ) > TC( M ) se ( vɶ = vɶ e bɶ = ) ou ( vɶ = vɶ e bɶ = ). 2. Se a seção er nformação, ou seja, dos ramos ergem de cada esado ( b ɶ = ), enão a. TC( M ) > TC( M ) b. MC( M ) = MC( M ) se ( vɶ = vɶ e bɶ = ) ou ( vɶ = vɶ + e bɶ = ). c. MC( M ) > MC( M ) se ( vɶ = vɶ e bɶ = ) ou ( vɶ = vɶ e bɶ = ). O caso analsado em (5)-(7) é refledo pela regra c. Esas regras permem seleconar as seções de um módulo de relça mínmo, de al modo que o conameno desas resule num módulo conado que sasfaça ceros requsos de complexdade. O próxmo exemplo ulza esas regras para ober o módulo de relça conado mas compaco possível manendo as complexdades do módulo de relça mínmo. Iso é possível seleconando-se as seções em que b ɶ = para =,..., n, de modo que a regra b seja sasfea.

4 XXX SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2, 3-6 DE SETEMBRO DE 22, BRASÍLIA, DF ve TABELA I. RESULTADOS DO SECCIONAMENTO DO EXEMPLO 2. v b l TC( M ) MC( M ) (,,,) (3,3,4,3,4) (,,,,) (,,,,) 26,67 8 (,,,) (3,3,3,4) (,2,,) (,2,,) 26,67 8 (,,,) (3,3,3) (,2,2) (,2,2) 26,67 8 (,,,) (3,4,3,4) (2,,,) (2,,,) 37,33,67 (,,,) (3,3,4) (3,,) (3,,) 42,67,67 (,,,) (3,3) (3,2) (3,2) 42,67,67 (,,,) (3,4,4) (2,,) (2,2,) 48 3,33 (,,,) (3,4) (2,3) (2,3) 53,33 3,33 (,,,) (3,4) (4,) (4,) 9,67 8,67 (,,,) (3) (5) (5) 6,67 8,67 Exemplo 3: Consdere o códgo C (5, 2, 4) com TC( M ) = 96, MC( M ) = 24, perfs ɶv = (4,5,5,5,5) e ɶb = (,,,,) [], d free = e N = (7,,32,,66) com módulo de relça mínmo mosrado na Fgura 3. Noe que as seções, 3 e 4 do módulo de relça mínmo da Fgura 3 apresenam b ɶ = e a seção 2, b ɶ =. Para maner as complexdades nos seus valores mínmos, o conameno das seções 2 e 3 é descarado, pos so ocasona um aumeno da complexdade de relça, conforme as regras 2a e c, respecvamene. Porano, concluímos que o conameno ómo nese caso (pela regra b) é obdo com ve = (,,,) resulando no módulo de relça conado da Fgura 4 com v = (4,5,5), b = (,,), l = (2,,2) e complexdades TC( M ) = 96 e MC( M ) = 24, as mesmas do módulo de relça mínmo. Por ouro lado, se oparmos pelo conameno de odas as seções com b ɶ =, ou seja, dado ve = (,,,), obemos MC( M ) = MC( M ) = 24 e TC( M ) = 28 com v = (4, 5), b = (,) e l = (2,3), o mesmo módulo lsado em [8, Tabela I], que lsa os melhores códgos oluconas com n = e perfl de esados formado uncamene por v e v+. A complexdade comparava maném-se nalerada (pela regra a) enquano que a complexdade de relça é aumenada devdo ao conameno da seção 3 (pela regra c). Embora no úlmo caso ( ve = (,,,)) a complexdade de relça apresene um aumeno, o número de seções n é reduzdo de 5 para 2, produzndo uma relça mas compaca. Exemplo 4: Consdere o códgo C (7, 4, 4) com TC( M ) = 8, MC( M ) = 24, perfs ɶv = (4,5,6,5,5,4,5) e ɶb = (,,,,,, ), d free = 6 e N = (4, 2, 45,6,36) []. O módulo de relça mínmo para ese códgo é mosrado na Fgura 5. A Tabela II lsa os perfs v, b, l e as complexdades TC( M ) e MC( M ) do módulo de relça conado de algumas possbldades de conameno da relça mínma dese códgo. Fg. 4 Módulo de relça conado para o códgo C(5,2,4) do Exemplo 3 obdo com ve = (,,,) com as mesmas complexdades do módulo de relça mínmo da Fgura 3. Prmeramene consdere o conameno do módulo de relça mínmo da Fgura 5 nas seções 2 e 6. Dado ve = (,,,,,) obemos o módulo de relça conado com TC( M ) = 8 e MC( M ) = 24 e perfs v = (4,5,5,5, 4), b = (,,,,) e l = (,2,,,2). Ese módulo de relça é o mas compaco obdo com as mesmas complexdades do módulo de relça mínmo (pela aplcação das regras a e b). Noe que o número máxmo de esados é reduzdo de 64 para 32. Agora assuma o conameno das seções em que b ɶ =. Dado ve = (,,,,,) obemos o módulo de relça conado com TC( M ) = 88, MC( M ) = 24, e perfs v = (4,5, 5, 4), b = (,,,) e l = (, 2,2, 2). Nese caso ocorre um aumeno da complexdade de relça pela regra 2a, reduzndo-se n para 4. Se nclurmos o conameno da seção ( ve = (,,,,,)), n é reduzdo para 3 obendo-se TC( M ) = 96 pela regra a. Pode-se novamene reduzr o número máxmo de esados para 6 (o mesmo da relça enconal) e n para 2 aplcando-se ve = (,,,,,) resulando TC( M ) = 76 e MC( M ) = 32. Ambas as complexdades de relça e comparava são aumenadas pelas regras 2a e 2c, respecvamene. Fnalmene, obemos a relça enconal ( ve = (,,,,,)) resulando num aumeno sgnfcavo das complexdades com TC( M ) = 448 e MC( M ) = 6. A Tabela II lsa odos eses casos. Fg. 5 Módulo de relça mínmo para o códgo C(7, 4, 4) do Exemplo 4. As lnhas sóldas represenam b codfcado e as racejadas, b. Fg. 3 Módulo de relça mínmo para o códgo C(5, 2, 4) do Exemplo 3. As lnhas sóldas represenam b codfcado e as racejadas, b. ve TABELA II. RESULTADOS DO SECCIONAMENTO DO EXEMPLO 4. v b l TC( M ) MC ( M ) (,,,,,) (4,5,5,5,4) (,,,,) (,2,,,2) 8 24 (,,,,,) (4,5,5,4) (,,) (,2,2) (,,,,,) (4,5,4) (2,,) (3,2,2) (,,,,,) (4,4) (3,) (5,2) (,,,,,) (4) (4) (7) 448 6

5 XXX SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2, 3-6 DE SETEMBRO DE 22, BRASÍLIA, DF V. MÓDULOS DE TRELIÇA MAIS COMPACTOS Nesa seção apresenamos os novos perfs de relça resulanes do conameno da relça mínma de códgos de axas 2 / 5 e 3 / 5 lsados em []. Para uma dada axa e uma dada TC( M ) parmos da relça mínma com n = n seções e lsamos na Tabela III os perfs ν, b e l da relça conada com menor n e com as mesmas complexdades TC( M ) e MC( M ) e especro do módulo de relça mínmo, ou seja, seleconamos o módulo de relça conado mas compaco possível que sasfaça a regra de conameno b. O menor valor de n esá compreenddo enre n (relça mínma) e (PCC). Ouras opologas dferenes das apresenadas na leraura (com valores nermedáros de n ) ambém são obdas e lsadas na Tabela III. Um aspeco mporane da relça conada é o número máxmo de esados. Em geral, o menor valor de n é desejável se so ocasonar a redução do número máxmo de esados manendo-se as complexdades e o especro. Por exemplo, para = 2 / 5 e TC( M ) = 8 obemos n = 2 e redução do número máxmo de esados de 32 para 6 manendo-se as complexdades do módulo de relça mínmo de parda. Pode ocorrer redução de n sem uma redução do número máxmo de esados, mas anda assm manendo-se as complexdades e o especro. Por exemplo, para = 2 / 5 e TC( M ) = 24 e TC( M ) = 28 obemos n = 3 e n = 4, respecvamene, manendo-se o número máxmo de esados em 8. Em alguns casos, não é possível nenhuma redução de n sem que so ocasone um aumeno das complexdades em relação à relça mínma. Neses casos, a melhor escolha reca sobre a própra relça mínma, ou seja, n = n, como pode ser observado para = 3 / 5 e TC( M ) = 42,67. VI. CONCLUSÕES Nese argo apresenamos o conameno do módulo de relça mínmo para códgos oluconas. O prncpal objevo é deerar a melhor escolha de conameno denre as 2 n possbldades de modo a ober um módulo de relça mas compaco e regular com pouco ou nenhum aumeno nas complexdades de relça e comparava. Um conjuno de regras fo consruído para auxlar esa arefa. As opologas de relças conadas proposas nese rabalho podem smplfcar a mplemenação de decodfcadores em hardware e são uma alernava neressane sobre o módulo de relça mínmo. REFERÊNCIAS [] B. F. Uchôa-Flho, R. D. Souza, C. Pmenel, and M. Jar, Convoluonal codes under a mal rells complexy measure, IEEE Trans. Commun., vol. 57, no., pp. -5, Jan. 29. [2] R. J. McElece and W. Ln, The rells complexy of oluonal codes, IEEE Trans. Inform. Theory, vol. 42, no. 6, pp , Nov [3] R. J. McElece, On he BCJR rells for lnear bloc codes, IEEE Trans. Inform. Theory, vol. 42, pp , July 996. [4] A. Lafourcade and A. Vardy, Opmal onalzaon of a rells, IEEE Trans. Inform. Theory, vol. 42, pp , May 996. [5] A. Kasos, P. Rzomlos, and N. Kaloupsds, Flexble oluonal codes: varable rae and complexy, IEEE Trans. Commun., vol. 6, no. 3, pp , Mar. 22. [6] B. U. Pedron, V. A. Pedron, and R. D. Souza, Hardware mplemenaon of a Verb decoder usng he mal rells, n Proc. of he 4h Iner. Symp. on Commun., Conrol and Sgnal Processng (ISCCSP'2), pp. -4, Lmassol, Cyprus, Mar. 2. [7] H.-H. Tang and M.-C. Ln, ``On (n,n-) oluonal codes wh low rells complexy,'' IEEE Trans. Commun., vol. 5, no., pp , Jan. 22. [8] A. Kasos, P. Rzomlos, and N. Kaloupsds, New consrucons of hgh-performance low-complexy oluonal codes, IEEE Trans. Commun., vol. 58, no. 7, pp , Jul. 2. [9] E. Rosnes and O. Yrehus, Maxmum lengh oluonal codes under a rells complexy consran, Journal of Complexy, vol. 2, pp , March-June 24. [] F. Hug, I. E. Bocharova, R. Johannesson, and B. Kudryashov, Searchng for hgh-rae oluonal codes va bnary syndrome rellses, n Proc. IEEE In. Symp. Inform. Theory, Seoul, Korea, 29, pp [] S. Ranpara and D. Ha, A low-power Verb decoder desgn for wreless communcaons applcaons, n Proc. Inernaonal ASIC Conference, Washngon D.C., USA, Sep. 999, pp. -5. [2] M.-H. Chan, W.-T. Lee and L.-G. Chen, IC desgn of an adapve Verb Decoder, IEEE Trans. on Consumer Elecroncs, vol. 42, no., pp , Feb [3] L. Zhao, J. Ca, and H. Zhang, Rado-effcen adapve modulaon anda codng: green communcaon perspecve, n Vehcular Technology Conference, Budapes, Hungary, 2, pp. -5. [4] F. Kenle, N. When, H. Meyr, On complexy energy-andmplemenon-effcency of channel decoders, IEEE Trans. Commun., vol. 59, no. 2, pp , Dec. 2. [5] E. Bocharova and B. D. Kudryashov, Raonal rae puncured oluonal codes for sof-decson Verb decodng," IEEE Trans. Inform. Theory, vol. 43, no. 4, pp , July 997. TABELA III. MENOR VALOR DE n PARA CADA PAR TC( M ) E MC( M ) DE TRELIÇAS SECCIONADAS DE CÓDIGOS LISTADOS EM []. / n TC( M ) MC ( M ) n ν b l d f N 4 n 4 4 (2,2,2,2) (,,,) (,,,2) 5 3,2,,7,8 2 s 4 2 (2,2) (,) (2,3) 6,4,5,8,7 24 n 6 3 (2,3,3) (,,) (2,,2) 6,2,4,8,2 28 n 8 4 (3,3,3,3) (,,,) (,,,2) 7 3,4,7,6,24 4 s 8 2 (3,3) (,) (2,3) 8 5,,3,,45 8 s 6 2 (4,4) (,) (2,3) 9 2,5,8,,2 96 n 24 3 (4,5,5) (,,) (2,,2) 7,,32,,66 28 s 32 4 (5,5,5,5) (,,,) (,,2,) 2,8,9,3,26 3,33 s 4 3 (2,2,2) (,,) (,2,2) 4 3,2,24,56,6 24 s 8 4 (3,3,3,3) (,,,) (,2,,) 4,7,9,48,28 26,67 s 8 3 (3,3,3) (,,) (,2,2) 4,5,3,39, 42,67 m 6 5 (4,4,4,4,4) (,,,,) (,,,,) 5,6,29,78,27 53,33 s 6 3 (4,4,4) (,,) (,2,2) 6 5,,3,,26 74,67 m 26,67 5 (4,5,5,5,5) (,,,,) (,,,,) 6 4,8,48,4,374 6,67 s 32 3 (5,5,5) (,,) (,2,2) 7 2,48,87,328,37 28 n 42,67 4 (5,5,6,6) (,,,) (2,,,) 7,42,82,238,793 s Redução de n e do número máxmo de esados em relação ao perfl da relça mínma lsado em [] sem aleração de complexdade e especro. m Perfl da relça mínma lsado em []. O conameno não produzu uma relça com mesma complexdade e especro da relça mínma em []. n Redução de n em relação ao perfl da relça mínma lsado em [] sem aleração da complexdade e especro.

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES

AGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em

Leia mais

5 Avaliação da Eficiência Computacional

5 Avaliação da Eficiência Computacional 5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual

Leia mais

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU

PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU 1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em

Leia mais

PCA e IMPCA. Capítulo. 5.1 Considerações Iniciais

PCA e IMPCA. Capítulo. 5.1 Considerações Iniciais Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,

Leia mais

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos

MECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação

Leia mais

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton

CAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton 9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade

Leia mais

2. FUNDAMENTOS DE CORRENTE ALTERNADA

2. FUNDAMENTOS DE CORRENTE ALTERNADA Fundamenos de CA 14. FUNDAENTOS DE CORRENTE ALTERNADA Aé o momeno nos preocupamos somene com ensões e correnes conínuas, ou seja, aquelas que possuem módulo e sendo consanes no empo, conforme exemplos

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação

MECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade.

CIRCUITOS ELÉTRICOS EXERCÍCIOS ) Para o circuito da figura, determinar a tensão de saída V out, utilizando a linearidade. FISP CIRCUITOS ELÉTRICOS EXERCÍCIOS RESOLVIDOS 00 CIRCUITOS ELÉTRICOS EXERCÍCIOS 00 Para o crcuo da fgura, deermnar a ensão de saída V ou, ulzando a lneardade. Assumremos que a ensão de saída seja V ou

Leia mais

5 Sistemas Lineares com Coecientes Periódicos

5 Sistemas Lineares com Coecientes Periódicos 5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que

Leia mais

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA

CAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação

Leia mais

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo

2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo 2 Value-a-Rsk Anes de adenrar na seara que raa o ermo cenral dese capíulo, é neressane realzar uma cação da evolução hsórca do esudo do rsco. Joron (2003, p. 10) resume os prncpas rabalhos aravés da abela

Leia mais

Controle Cinemático de Robôs Manipuladores

Controle Cinemático de Robôs Manipuladores Conrole Cnemáco de Robôs Manpuladores Funconameno Básco pos de rajeóra rajeóras Pono a Pono rajeóras Coordenadas ou Isócronas rajeóras Conínuas Geração de rajeóras Caresanas Inerpolação de rajeóras Inerpoladores

Leia mais

EN3604 FILTRAGEM ADAPTATIVA

EN3604 FILTRAGEM ADAPTATIVA EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de

Leia mais

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães

Física I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene

Leia mais

Propagação de dano no modelo de Ising unidimensional

Propagação de dano no modelo de Ising unidimensional Capíulo 4 Propagação de dano no modelo de Isng undmensonal 4. Propagação de dano O méodo da propagação de dano é uma écnca relavamene nova, nroduzda por Kauffman 68 no conexo dos auômaos celulares, que

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)

5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI) 5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes

Leia mais

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t 5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,

Leia mais

Introdução à Computação Gráfica

Introdução à Computação Gráfica Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas

Leia mais

3 LTC Load Tap Change

3 LTC Load Tap Change 54 3 LTC Load Tap Change 3. Inrodução Taps ou apes (ermo em poruguês) de ransformadores são recursos largamene uilizados na operação do sisema elérico, sejam eles de ransmissão, subransmissão e disribuição.

Leia mais

Motivação. Prof. Lorí Viali, Dr.

Motivação. Prof. Lorí Viali, Dr. Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas

Leia mais

4 Filtro de Kalman. 4.1 Introdução

4 Filtro de Kalman. 4.1 Introdução 4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de

Leia mais

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n

CAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n 1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..

Leia mais

P IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549

P IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549 Capíulo 2 Soluções: Medição da Acividade Económica Exercício 24 (PIB pelaópica da despesa) i. Usando os valores da abela que consa do enunciado, a solução das várias alíneas é imediaa, basando para al

Leia mais

Projeto de Inversores e Conversores CC-CC

Projeto de Inversores e Conversores CC-CC eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power

Leia mais

Aprendizagem Estatística de Dados. Francisco Carvalho

Aprendizagem Estatística de Dados. Francisco Carvalho Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p

Leia mais

2 O Modelo Teórico O Modelo Básico

2 O Modelo Teórico O Modelo Básico O Modelo Teórco Nese capíulo serão apresenadas as dversas hpóeses e as abordagens eórcas a serem esudadas nese rabalho. Prmeramene, será apresenado o modelo básco, que supõe separabldade neremporal. m

Leia mais

Análise Tecno-Econômica da Correção do Perfil de Tensão de Alimentadores de Média Tensão

Análise Tecno-Econômica da Correção do Perfil de Tensão de Alimentadores de Média Tensão Análse Tecno-Econômca da Correção do Perfl de Tensão de Almenadores de Méda Tensão M. F. de Mederos Jr., DCA/UFRN, M. C. Pmenel Flho, DEE/UFRN, A. L. A. de Araújo, COSERN, J. A. N. de Olvera, DEE/UFRN

Leia mais

4 O Fenômeno da Estabilidade de Tensão [6]

4 O Fenômeno da Estabilidade de Tensão [6] 4 O Fenômeno da Esabilidade de Tensão [6] 4.1. Inrodução Esabilidade de ensão é a capacidade de um sisema elérico em maner ensões aceiáveis em odas as barras da rede sob condições normais e após ser submeido

Leia mais

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE

HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual

Leia mais

LISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA

LISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA LISTA DE EXERCÍCIOS DE RECUPERAÇÃO º TRIMESTRE MATEMÁTICA ALUNO(a): Nº: SÉRIE: ª TURMA: UNIDADE: VV JC JP PC DATA: / /07 Obs.: Esa lsa deve ser enregue resolvda no da da prova de recuperação. Valor: 5,0

Leia mais

Olinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral

Olinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral XVIII Semnáro Naconal de Dsrbução de Energa Elérca SENDI 008-06 a 10 de ouubro Olnda - Pernambuco - Brasl Gesão da Prevsão de Consumo e Energa Não Faurada Carlos Albero Fróes Lma Marley Apolnáro Sarava

Leia mais

Local branching aplicado ao problema de dimensionamento de lotes

Local branching aplicado ao problema de dimensionamento de lotes SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Daa de Depóso: Assnaura: Local branchng aplcado ao problema de dmensonameno de loes Renao Andrade de Pava Orenadora: Franklna Mara Bragon de Toledo Dsseração apresenada

Leia mais

CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO

CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO CEPEL Cenro de Pesqusas de Energa Elérca Projeo DESSEM Relaóro Técnco: CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO ÍNDICE 1. INTRODUÇÃO... 3 2. O

Leia mais

5 Programação Matemática Princípios Básicos

5 Programação Matemática Princípios Básicos 5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões,

Leia mais

MODELAGEM DE ERROS EM SURTOS EM SISTEMAS DE COMUNICAÇÕES

MODELAGEM DE ERROS EM SURTOS EM SISTEMAS DE COMUNICAÇÕES INSTITUTO MILITAR DE ENGENHARIA MAJ MARCUS VINÍCIUS DOS SANTOS FERNANDES MODELAGEM DE ERROS EM SURTOS EM SISTEMAS DE COMUNICAÇÕES Dsseração de Mesrado apresenada ao Curso de Mesrado em Engenhara Elérca

Leia mais

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos

Inserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara

Leia mais

2 Programação Matemática Princípios Básicos

2 Programação Matemática Princípios Básicos Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12 Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane

Leia mais

Universidade Federal do Rio de Janeiro

Universidade Federal do Rio de Janeiro Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação

Leia mais

5 Método dos Mínimos Quadrados de Monte Carlo (LSM)

5 Método dos Mínimos Quadrados de Monte Carlo (LSM) Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores

Leia mais

Número 17. Evolução Recente da Informalidade no Brasil: Uma Análise Segundo Características da Oferta e Demanda de Trabalho

Número 17. Evolução Recente da Informalidade no Brasil: Uma Análise Segundo Características da Oferta e Demanda de Trabalho TEXTO PARA DSCUSSÃO Número 7 Evolução Recene da nformaldade no Brasl: Uma Análse Segundo Caraceríscas da Ofera e Demanda de Trabalho Fernando Holanda Barbosa Flho Rodrgo Leandro de Moura Agoso de 202 Evolução

Leia mais

CAPÍTULO 10 DERIVADAS DIRECIONAIS

CAPÍTULO 10 DERIVADAS DIRECIONAIS CAPÍTULO 0 DERIVADAS DIRECIONAIS 0. Inrodução Dada uma função f : Dom(f) R n R X = (x, x,..., x n ) f(x) = f(x, x,..., x n ), vimos que a derivada parcial de f com respeio à variável x i no pono X 0, (X

Leia mais

3 Modelos de Markov Ocultos

3 Modelos de Markov Ocultos 23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável

Leia mais

Conceitos Básicos de Circuitos Elétricos

Conceitos Básicos de Circuitos Elétricos onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o

Leia mais

Análise da Confiabilidade de Componentes Não Reparáveis

Análise da Confiabilidade de Componentes Não Reparáveis Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema

Leia mais

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos. 4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia

Leia mais

Evolução do Capital Humano nas Diferentes Regiões do Brasil

Evolução do Capital Humano nas Diferentes Regiões do Brasil Evolução do Capal Humano nas Dferenes Regões do Brasl 99-2008 Fernando de Holanda Barbosa Flho Samuel de Abreu Pessôa Fernando A. Veloso Ibre/FGV Ibre/FGV Ibmec/RJ Resumo Ese argo nvesga a evolução do

Leia mais

2 Estabilidade de Tensão

2 Estabilidade de Tensão Esabldade de Tensão. Inrodução O objevo desa seção é mosrar a possbldade de exsênca de fenômenos que se possa assemelhar a aqueles observados na operação de ssemas elércos, e assocados ao colapso de ensão.

Leia mais

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal.

Gripe: Época de gripe; actividade gripal; cálculo da linha de base e do respectivo intervalo de confiança a 95%; e área de actividade basal. Grpe: Época de grpe; acvdade grpal; cálculo da lnha de ase e do respecvo nervalo de confança a 95%; e área de acvdade asal. ÉPOCA DE GRPE Para maor facldade de compreensão será desgnado por época de grpe

Leia mais

2 Sistemas de Reconhecimento de Voz

2 Sistemas de Reconhecimento de Voz 2 Ssemas de Reconhecmeno de Voz O desenvolvmeno de nerfaces homem-máquna conroladas pela voz vsa subsur, em ceras aplcações, as nerfaces radconas as como eclados, panés e dsposvos smlares. Nese cenáro

Leia mais

PROVA DE ENGENHARIA GRUPO II

PROVA DE ENGENHARIA GRUPO II Quesão 34 PROVA DE ENGENHARIA GRPO II Resposa esperada a) (Alernaiva 1) Ober inicialmene o equivalene elérico do corpo umano e depois monar o circuio elérico equivalene do sisema. Assim, pela Figura, noa-se

Leia mais

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard

PME 2556 Dinâmica dos Fluidos Computacional. Aula 9 - Modelo k-ε Standard ME 556 Dnâmca dos Fldos Compaconal Ala 9 - Modelo - Sandard Decomposção de Reynolds Decomposção de Reynolds Eqações de Reynolds (1) ( ) ( ) p Eqação de Naver-Soes na forma conservava para m fldo ncompressível:

Leia mais

Parte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando

Parte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando Pare Objevo: esudar o deslocameno de um corpo quando esa rolando 1 Coneúdo programáco: 6. Movmeno de Roação Varáves da roação, Relação enre Cnemáca Lnear e Cnemáca Angular, Energa cnéca de roação, nérca

Leia mais

PARTE 12 DERIVADAS DIRECIONAIS

PARTE 12 DERIVADAS DIRECIONAIS PARTE DERIVADAS DIRECIONAIS. Inrodução Dada uma função f : Dom(f) R n R X = (x, x,..., x n ) f(x) = f(x, x,..., x n ), vimos que a derivada parcial de f com respeio à variável x i no pono X 0, (X 0 ),

Leia mais

Tabela: Variáveis reais e nominais

Tabela: Variáveis reais e nominais Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas

Leia mais

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS

CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves

Leia mais

Erlon Cristian Finardi UFSC

Erlon Cristian Finardi UFSC GOP/015 1 a 6 de Ouubro de 001 Campnas - São Paulo - Brasl GRUPO IX GRUPO DE ESTUDOS DE OPERAÇÃO DE SISTEMAS ELÉTRICOS COMISSIONAMENTO DE UNIDADES HIDRÁULICAS NO PROBLEMA DA PROGRAMAÇÃO ENERGÉTICA ξ Edson

Leia mais

CAPÍTULO 7 - CIRCUITOS BIESTÁVEIS (FLIP-FLOP)

CAPÍTULO 7 - CIRCUITOS BIESTÁVEIS (FLIP-FLOP) CAPÍTULO 7 - CICUITO BIETÁVEI (FLIP-FLOP) O campo de elerônica digial é basicamene dividido em duas áreas que são: a) lógica combinacional b) lógica seqüencial Os circuios combinacionais, visos aé a aula

Leia mais

Díodo: Regime Dinâmico

Díodo: Regime Dinâmico Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude

Leia mais

02 A prova pode ser feita a lápis. 03 Proibido o uso de calculadoras e similares. 04 Duração: 2 HORAS. SOLUÇÃO:

02 A prova pode ser feita a lápis. 03 Proibido o uso de calculadoras e similares. 04 Duração: 2 HORAS. SOLUÇÃO: UNIVERSIDADE FEDERAL DE ITAJUBÁ FUNDAMENTOS DE MATEMÁTICA PROVA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR 9/6/ CANDIDATO: CURSO PRETENDIDO: OBSERVAÇÕES: Prova sem consula

Leia mais

4 O modelo econométrico

4 O modelo econométrico 4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no

Leia mais

RÁPIDA INTRODUÇÃO À FÍSICA DAS RADIAÇÕES Simone Coutinho Cardoso & Marta Feijó Barroso UNIDADE 3. Decaimento Radioativo

RÁPIDA INTRODUÇÃO À FÍSICA DAS RADIAÇÕES Simone Coutinho Cardoso & Marta Feijó Barroso UNIDADE 3. Decaimento Radioativo Decaimeno Radioaivo RÁPIDA ITRODUÇÃO À FÍSICA DAS RADIAÇÕES Simone Couinho Cardoso & Mara Feijó Barroso Objeivos: discuir o que é decaimeno radioaivo e escrever uma equação que a descreva UIDADE 3 Sumário

Leia mais

Exercícios sobre o Modelo Logístico Discreto

Exercícios sobre o Modelo Logístico Discreto Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,

Leia mais

Primeira Lista de Exercícios

Primeira Lista de Exercícios TP30 Modulação Digial Prof.: MSc. Marcelo Carneiro de Paiva Primeira Lisa de Exercícios Caracerize: - Transmissão em Banda-Base (apresene um exemplo de especro de ransmissão). - Transmissão em Banda Passane

Leia mais

Modelos Não-Lineares

Modelos Não-Lineares Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES MÉTODO DE DECOMPOSIÇÃO DE BENDERS APLICADO A PROBLEMAS DE SEQÜENCIAMENTO: ESTUDO DO PARÂMETRO M Rcardo S. de Camargo rcamargo@dep.ufmg.br Deparameno de Engenhara de Produção Unversdade Federal de Mnas

Leia mais

Análise de Projectos ESAPL / IPVC

Análise de Projectos ESAPL / IPVC Análse de Proecos ESAPL / IPV Tempo, apal, Juro e Taxa de Juro Juros Smples e Juros omposos apalzação e Facor de apalzação Descono e Facor de Acualzação As aplcações do rendmeno onsumo Não Geram Rendmenos

Leia mais

defi departamento de física

defi departamento de física def deparameno de físca Laboraóros de Físca www.def.sep.pp.p Equações de Fresnel Insuo Superor de Engenhara do Poro Deparameno de Físca Rua Dr. Anóno Bernardno de Almeda, 431 400-07 Poro. Tel. 8 340 500.

Leia mais

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000

Nota Técnica sobre a Circular nº 2.972, de 23 de março de 2000 Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.

Leia mais

4 Modelagem e metodologia de pesquisa

4 Modelagem e metodologia de pesquisa 4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,

Leia mais

. Para cada conexão i é atribuído um peso φ

. Para cada conexão i é atribuído um peso φ Escalonador WF 2 Q O escalonador WF 2 Q [3] é uma aproxmação baseada em pacoes do GP, que em por obevo emular ese escalonador fluído o mas próxmo possível De acordo com Groux e Gan [1], o escalonador WF

Leia mais

O gráfico que é uma reta

O gráfico que é uma reta O gráfico que é uma rea A UUL AL A Agora que já conhecemos melhor o plano caresiano e o gráfico de algumas relações enre e, volemos ao eemplo da aula 8, onde = + e cujo gráfico é uma rea. Queremos saber

Leia mais

A entropia de uma tabela de vida em previdência social *

A entropia de uma tabela de vida em previdência social * A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela

Leia mais

2 Conceitos básicos Modelos de Markov

2 Conceitos básicos Modelos de Markov 2 Conceos báscos O objevo dese Capíulo é abordar eorcamene os assunos que formam a base para o desenvolvmeno do modelo proposo e a descrção do modelo de Frchman, que devdo sua frequene aplcação em rabalhos

Leia mais

t c L S Troço 1 S 1 = 3 km = 3000 m

t c L S Troço 1 S 1 = 3 km = 3000 m . DETERMINAÇÃO DO TEMPO DE CONCENTRAÇÃO Para o cálculo do empo de concenração ( c ) da baca hdrográfca eudada recorreu-e ao valore obdo no rabalho práco (Quadro ). Am, emo que, Quadro Parâmero do rabalho

Leia mais

Problema Inversor CMOS

Problema Inversor CMOS Problema nersor CMS NMS: V = ol K = 30 μa/v PMS: V = ol K = 30 μa/v A figura represena um inersor CMS em que os dois ransísores apresenam caracerísicas siméricas A ensão de alimenação ale V =5 ol ) Sabendo

Leia mais

CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011

CIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011 CAPÍTULO : Crculares não Codfcadas 2 CIRCULAR Nº 3.568, DE 2 DE DEZEMBRO DE 20 Alera dsposvos das Crculares ns. 3.36, de 2 de seembro de 2007, 3.388, de 4 de unho de 2008, 3.389, de 25 de unho de 2008,

Leia mais

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas.

É a parte da mecânica que descreve os movimentos, sem se preocupar com suas causas. 1 INTRODUÇÃO E CONCEITOS INICIAIS 1.1 Mecânca É a pare da Físca que esuda os movmenos dos corpos. 1. -Cnemáca É a pare da mecânca que descreve os movmenos, sem se preocupar com suas causas. 1.3 - Pono

Leia mais

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara

Instituto de Física USP. Física V Aula 30. Professora: Mazé Bechara Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.

Leia mais

OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA

OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA FERNANDA HEMBECKER, HEITOR S. LOPES, DANIEL ROSSATO Unversdade Tecnológca Federal

Leia mais

3 Metodologia do Estudo 3.1. Tipo de Pesquisa

3 Metodologia do Estudo 3.1. Tipo de Pesquisa 42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema

Leia mais

Modelagem de Curvas. Prof. Márcio Bueno Fonte: Material do Prof. Jack van Wijk

Modelagem de Curvas. Prof. Márcio Bueno Fonte: Material do Prof. Jack van Wijk Modelagem de Curvas Prof. Márco Bueno {cgarde,cgnoe}@marcobueno.com Fone: Maeral do Prof. Jack van Wjk Coneúdo Curvas Paramércas Requsos Conceos Ineolação Lnear Inerolação de Lagrange Curva de Bézer 2

Leia mais

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida

Leia mais

Análises de ciclos econômicos no Brasil

Análises de ciclos econômicos no Brasil Análses de cclos econômcos no Brasl 1980-2009 Armando Vaz Sampao RESUMO - As sequêncas de expansões e conrações da avdade econômca são conhecdas como cclos econômcos e afeam odos os agenes econômcos. O

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade

Leia mais

3 Análise de Demanda Condicionada

3 Análise de Demanda Condicionada 3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.

Leia mais

Confiabilidade e Taxa de Falhas

Confiabilidade e Taxa de Falhas Prof. Lorí Viali, Dr. hp://www.pucrs.br/fama/viali/ viali@pucrs.br Definição A confiabilidade é a probabilidade de que de um sisema, equipameno ou componene desempenhe a função para o qual foi projeado

Leia mais

Antes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.

Antes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico. O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem

Leia mais

ANÁLISE DE DEGRADAÇÃO DO CANCELADOR DE ECO HÍBRIDO FIR-IFIR USADO EM CANAIS TELEFÔNICOS

ANÁLISE DE DEGRADAÇÃO DO CANCELADOR DE ECO HÍBRIDO FIR-IFIR USADO EM CANAIS TELEFÔNICOS ANÁISE DE DEGRADAÇÃO DO CANCEADOR DE ECO HÍBRIDO FIR-IFIR USADO E CANAIS TEEFÔNICOS RESUO AIA, Vâno 1 Nese argo, é apresenada a análse de degradação nroduzda pelo flro nerpolado no cancelador de eco hbrdo

Leia mais

da rede são atualizados de acordo com a equação 2 [13]:

da rede são atualizados de acordo com a equação 2 [13]: LS-DRAUGHTS - UM SISTEMA DE ARENDIZAGEM ARA DAMAS COM GERAÇÃO AUTOMÁ- TICA DE CARACTERÍSTICAS HENRIQUE CASTRO NETO, RITA MARIA SILVA JULIA Faculdade de Compuação, Unversdade Federal de Uberlânda Av. João

Leia mais

4 CER Compensador Estático de Potência Reativa

4 CER Compensador Estático de Potência Reativa 68 4 ompensador Esáico de Poência Reaiva 4.1 Inrodução ompensadores esáicos de poência reaiva (s ou Saic var ompensaors (Ss são equipamenos de conrole de ensão cuja freqüência de uso em aumenado no sisema

Leia mais

4 Sistema Inteligente de Otimização

4 Sistema Inteligente de Otimização 4 Ssema Inelgene de Omzação 4.. Inrodução Nese capíulo é dealhado o ssema nelgene proposo de omzação de alernavas de desenvolvmeno de campos perolíferos, descrevendo-se a modelagem global do ssema e as

Leia mais

Capítulo Cálculo com funções vetoriais

Capítulo Cálculo com funções vetoriais Cálculo - Capíulo 6 - Cálculo com funções veoriais - versão 0/009 Capíulo 6 - Cálculo com funções veoriais 6 - Limies 63 - Significado geomérico da derivada 6 - Derivadas 64 - Regras de derivação Uiliaremos

Leia mais

UFGD 2015 DANIEL KICHESE

UFGD 2015 DANIEL KICHESE Quesão 59: º) Deermnação dos ponos de nerseção: 5 5 º Pono : B 5 5 º Pono : C 5 5 º Pono : B C C º) Deermnação da Área: B 5 5 5 / e 0 e 5 5 5 5 e 0 5 5/ 5 5 0 0 0 5 5 Resposa: E Quesão 60: Número de blhees

Leia mais

O gráfico que é uma reta

O gráfico que é uma reta O gráfico que é uma rea A UUL AL A Agora que já conhecemos melhor o plano caresiano e o gráfico de algumas relações enre e, volemos ao eemplo da aula 8, onde = + e cujo gráfico é uma rea. Queremos saber

Leia mais