Modelagem de Perda de Percurso Sub-6 GHz por Regressão Simbólica
Regressão Simbólica; Perda de Percurso; Modelagem de Canal; Propagação sub-6 GHz; PySR; Aprendizado de Máquina.
Os modelos empíricos clássicos de perda de percurso (Okumura, Hata, COST 231 e 3GPP) foram concebidos para faixas de frequência e cenários específicos, exigindo recalibração manual sempre que aplicados fora de seus intervalos de origem. Este trabalho investiga a regressão simbólica (RS) como método para identificar, diretamente a partir de medições reais em campo, formas funcionais analíticas e interpretáveis para a perda de percurso macrocelular sub-6 GHz. A técnica foi validada em cenários progressivos: na reconstrução das curvas do modelo de Okumura; na comparação controlada entre as bibliotecas PySR, gplearn e DEAP, na qual o PySR apresentou o menor erro e a maior estabilidade entre execuções; e na avaliação de uma equação generalista de três coeficientes ajustados sobre as campanhas de medição do Rio de Janeiro, na qual a equação situou-se a menos de 0,1 dB do melhor modelo clássico recalibrado em cada partição da validação cruzada e superou os modelos de referência não calibrados. A mesma equação, sem qualquer recalibração, manteve RMSE de 5,6 dB quando aplicada a medições independentes realizadas em Londres, no Reino Unido, dentro do domínio de distância de até 3 km herdado das campanhas de treino. Por fim, uma equação multicampanha, treinada com dados do Brasil e do Reino Unido, generalizou para duas cidades inéditas (Nottingham e Stevenage) com RMSE de 12,7 dB, patamar equivalente ao dos melhores modelos de referência não calibrados. Conclui-se que a RS produz modelos de propagação interpretáveis e reprodutíveis, competitivos com os modelos empíricos consagrados dentro dos domínios de validade explicitamente declarados, dispensando a calibração local que estes exigem.