Entorno discreto impulsado por GPU para lanzamiento de rayos: validación y aplicaciones
Autores: Vitucci, Enrico M.; Lu, Jonathan S.; Gordon, Scot; Zhu, Jian Jet; Degli-Esposti, Vittorio
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Entorno discreto impulsado por GPU para lanzamiento de rayos: validación y aplicaciones
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Algoritmo
Paralelización
áreas urbanas
Eficiencia computacional
Precisión
Cobertura RF
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
En este trabajo, se ha validado el algoritmo de Ray Launching Discreto y Dirigido por el Entorno (DED-RL), que hace uso de la paralelización en Unidades de Procesamiento Gráfico, completamente descrito en un artículo previo, frente a un gran conjunto de mediciones para evaluar su rendimiento en términos de eficiencia computacional y precisión. Tres áreas urbanas principales han sido consideradas, incluyendo un escenario muy desafiante en el centro de San Francisco que fue utilizado como referencia para probar un algoritmo de trazado de rayos de imagen en un trabajo previo. Los resultados muestran que DED-RL es tan preciso como el trazado de rayos, a pesar del tiempo de computación mucho menor, reducido en más de tres órdenes de magnitud con respecto al trazado de rayos. Además, el nivel de precisión solo depende marginalmente del tamaño de píxel de discretización, al menos para el rango de tamaños de píxel considerado. La eficiencia computacional sin precedentes de DED-RL abre el camino a numerosas aplicaciones, que van desde la optimización de cobertura de RF de redes celulares asistidas por drones hasta aplicaciones eficientes de localización por huella dactilar, como se discute brevemente en el artículo.
Descripción
En este trabajo, se ha validado el algoritmo de Ray Launching Discreto y Dirigido por el Entorno (DED-RL), que hace uso de la paralelización en Unidades de Procesamiento Gráfico, completamente descrito en un artículo previo, frente a un gran conjunto de mediciones para evaluar su rendimiento en términos de eficiencia computacional y precisión. Tres áreas urbanas principales han sido consideradas, incluyendo un escenario muy desafiante en el centro de San Francisco que fue utilizado como referencia para probar un algoritmo de trazado de rayos de imagen en un trabajo previo. Los resultados muestran que DED-RL es tan preciso como el trazado de rayos, a pesar del tiempo de computación mucho menor, reducido en más de tres órdenes de magnitud con respecto al trazado de rayos. Además, el nivel de precisión solo depende marginalmente del tamaño de píxel de discretización, al menos para el rango de tamaños de píxel considerado. La eficiencia computacional sin precedentes de DED-RL abre el camino a numerosas aplicaciones, que van desde la optimización de cobertura de RF de redes celulares asistidas por drones hasta aplicaciones eficientes de localización por huella dactilar, como se discute brevemente en el artículo.