UNIVERSIDADE FEDERAL DE UBERLÂNDIA

FACULDADE DE ENGENHARIA ELÉTRICA

PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

DANIEL LUIZ RIBEIRO

CONTROLE DE FEIXE EM ANTENAS INTELIGENTES

UTILIZANDO GEOMETRIA FRACTAL

UBERLÂNDIA
2022
 DANIEL LUIZ RIBEIRO

CONTROLE DE FEIXE EM ANTENAS INTELIGENTES

UTILIZANDO GEOMETRIA FRACTAL

Tese de doutorado apresentada ao Programa de Pós-

Graduação da Faculdade de Engenharia Elétrica da
Universidade Federal de Uberlândia como parte dos
requisitos necessários para a obtenção do título de
Doutor em Ciências. Área de concentração:
Processamento Digital de Sinais.

Orientador:
GILBERTO ARANTES CARRIJO, PhD

UBERLÂNDIA
2022
 DANIEL LUIZ RIBEIRO

CONTROLE DE FEIXE EM ANTENAS INTELIGENTES

UTILIZANDO GEOMETRIA FRACTAL

Tese de doutorado apresentada ao Programa de Pós-

Graduação da Faculdade de Engenharia Elétrica da
Universidade Federal de Uberlândia como parte dos requisitos
necessários para a obtenção do título de Doutor em Ciências.
Área de concentração: Processamento Digital de Sinais.

BANCA EXAMINADORA

_______________________________________
Prof. Gilberto Arantes Carrijo, PhD
FEELT/ Universidade Federal de Uberlândia – MG

______________________________________
Prof. Lorenço Santos Vasconcelos, Dr.
FEELT/ Universidade Federal de Uberlândia – MG

______________________________________
Prof. Alexandre Coutinho Mateus, Dr.
FEELT/ Universidade Federal de Uberlândia – MG

______________________________________
Prof. Benedito Alencar de Arruda, Dr.
UFMT/Universidade Federal de Mato Grosso

______________________________________
Prof. Haroldo Benedito Tadeu Zattar, Dr.
UFMT/Universidade Federal de Mato Grosso
 AGRADECIMENTOS

A Deus, a causa primeira de todas as coisas, por me conceder a graça de

estudar engenharia elétrica e poder terminar mais esta etapa de minha caminhada.
A Jesus Cristo, o mestre dos mestres, o maior doutor que habitou a Terra, sem
nunca ter sequer pisado em uma universidade.
Aos meus pais, Ronaldo e Dora, que sempre me incentivaram e me ajudaram
para que eu pudesse estudar e chegar até aqui.
À minha família que se sacrificou tanto para que eu conseguisse concluir a
minha pós-graduação: minha esposa Daniela, que tem se desdobrado em múltiplas
tarefas e permitido minhas ausências, além do suporte emocional e afetivo; meus
filhos Ezequiel e Emanuel, que tanto demandaram minha presença paterna.
Ao restante da minha família: irmãos, cunhados, sobrinhos, tios, primos e todo
o restante, pela torcida e incentivo constantes.
Aos amigos que, mesmo distantes, me ajudam e incentivam.
Ao orientador Gilberto Arantes Carrijo, que se tornou a lenda viva do curso de
Engenharia Elétrica da UFU, e a quem eu tive a honra de ter como orientador no
mestrado e no doutorado.
Aos demais membros da banca, os professores Lorenço Vasconcelos,
Alexandre Mateus, Benedito Arruda e Haroldo Zattar, por aceitarem compor a banca
e fazer parte deste processo.
Ao professor Adélio José de Moraes, que se despiu da indumentária carnal e
hoje habita o mundo dos espíritos, por ter me ajudado tanto e inspirado as mais
nobres atitudes.
A todos os demais professores da FEELT, que tanto enriquecem o curso e dos
quais guardarei sempre boas recordações, inclusive dos que já se aposentaram.
A todos os funcionários da Faculdade de Engenharia Elétrica, ativos ou que já
se aposentaram, sem os quais não seria possível a existência e manutenção de
nossos estudos.
 RESUMO

Antenas inteligentes são conjuntos ou arranjos de antenas, ligadas a um

processador de sinal, capazes de ajustar ou adaptar seu próprio padrão de feixe de
modo a enfatizar sinais ou direções de interesse e minimizar sinais/ interferências ou
direções que não sejam de interesse. Antenas fractais são estruturas irradiadoras
geradas recursivamente e iterativamente a partir da aplicação repetida de um fator
de conjunto gerador, possuindo a característica básica de ser auto semelhante, isto
é, sua estrutura numa escala maior é semelhante à estruturas da mesma antena em
escala reduzida.. Baseadas na teoria dos fractais desenvolvida por Mandelbrot,
encontra aplicação em quase todos os ramos da ciência.
O presente trabalho procura unir essas duas inovadoras tecnologias, as
antenas inteligentes e as antenas fractais, as quais, combinadas, podem ser uma
excelente alternativa em projetos que requerem maior largura de banda, formação
de feixe adaptativo, miniaturização e aumento da capacidade de estações base.
Um amplo estudo bibliográfico foi realizado para dar maior suporte ao tema em
questão. Além disso, foi utilizada a ferramenta computacional HFSS da Ansoft®, um
software que simula estruturas em alta frequência, para simular a antena fractal
inteligente proposta. Várias simulações são realizadas e os resultados
cuidadosamente avaliados.
Ao final, chegou-se a um arranjo composto por antenas fractais inteligentes,
capaz de realizar uma boa varredura do espaço e, ao mesmo tempo, operar em
multibanda, requisito indispensável aos modernos sistemas 5G.
Espera-se que a antena fractal inteligente proposta possa contribuir com o
design de sistemas de comunicação que requerem maior eficiência espectral,
atendendo à crescente demanda por conexões mais rápidas, seguras e econômicas.

Palavras-chave: Antenas Fractais, Antena Fractal Inteligente, Antenas Inteligentes,

DOA, Formação Adaptativa de Feixe, Operação em Multibanda, SDMA
 ABSTRACT

Smart antennas are sets or arrays of antennas, linked to a signal processor,

capable of adjusting or adapting their own beam pattern in order to emphasize
signals or directions of interest and minimize signals/interferences or directions that
are not of interest. Fractal antennas are radiating structures generated recursively
and iteratively from the repeated application of a generator set factor, having the
basic characteristic of being self-similar, that is, its structure on a larger scale is
similar to the structures of the same antenna on a reduced scale. Based on the
theory of fractals developed by Mandelbrot, they find application in almost all
branches of science.
The present work seeks to unite these two innovative technologies, smart
antennas and fractal antennas, which, combined, can be an excellent alternative in
projects that require greater bandwidth, adaptive beamforming, miniaturization and
increased base station capacity.
An extensive bibliographic study was carried out to give greater support to the
topic in question. In addition, Ansoft®'s HFSS computational tool, a software that
simulates high frequency structures, was used to simulate the proposed intelligent
fractal antenna. Several simulations are performed and the results carefully
evaluated.
In the end, an arrangement composed of intelligent fractal antennas was
reached, capable of performing a good scan of space and, at the same time,
operating in multiband, an indispensable requirement for modern 5G systems.
It is expected that the proposed smart fractal antenna can contribute to the
design of communication systems that require greater spectral efficiency, meeting
the growing demand for faster, safer and more economical connections.

Keywords: Fractal Antennas, Smart Fractal Antenna, Smart Antennas, DOA,

Adaptive Beamforming, Multiband Operation, SDMA
 SUMÁRIO

LISTA DE FIGURAS ...................................................................................................... 13

LISTA DE TABELAS ..................................................................................................... 19
LISTA DE SÍMBOLOS E ABREVIATURAS ................................................................. 20
1. INTRODUÇÃO ........................................................................................................... 24
1.1 Motivação Inicial ........................................................................................... 24
1.2 Objeto de Estudo e Metodologia Utilizada ................................................. 27
1.3 Estrutura da Tese .......................................................................................... 29
2. ANTENAS E SISTEMAS DE COMUNICAÇÃO ........................................................ 31
2.1 Introdução ...................................................................................................... 31
2.2 Linhas de Transmissão e Antenas............................................................... 34
2.2.1 Coeficiente de Reflexão ................................................................... 37
2.2.2 Impedância Característica da Linha de Transmissão .................. 43
2.2.3 Perda de Retorno .............................................................................. 48
2.2.4 VSWR – Voltage Standing Wave Ratio ........................................... 49
2.2.5 Antena como Continuação da Linha de Transmissão .................. 50
2.3 Princípios Básicos de Antenas ..................................................................... 54
2.3.1 Diagrama de Radiação de Campo Distante .................................... 57
2.3.2 Potencial Vetor Magnético ................................................................ 59
2.3.3 Potência Radiada ............................................................................... 65
A) Dipolo Curto .................................................................................. 65
B) Dipolo de Meio Comprimento de Onda ...................................... 70
2.3.4 Intensidade de Radiação .................................................................. 72
2.3.5 Diretividade ........................................................................................ 73
2.3.6 Impedância de Entrada ..................................................................... 74
2.3.7 Ganho ................................................................................................. 77
2.3.8 Frequência de Ressonância ............................................................. 77
2.3.9 Largura de Banda .............................................................................. 79
2.3.10 Fator de Qualidade e Curva de Seletividade ................................ 80
2.3.11 Polarização da Onda Eletromagnética .......................................... 81
3. CONJUNTO DE ANTENAS ........................................................................................ 83
3.1 Introdução ....................................................................................................... 83
3.2 Interferências: Construtiva e Destrutiva....................................................... 85
3.3 Distribuições: Linear, Plana, Circular ........................................................... 90
 3.3.1 Distribuição Linear ............................................................................. 90
3.3.2 Distribuição Plana .............................................................................. 96
3.3.3 Distribuição Circular .......................................................................... 100
3.4 Conjuntos Broadside e End-Fire ................................................................... 102
3.5 Vetor de Conjunto e Matriz de Pesos ........................................................... 103
4. ANTENAS FRACTAIS ................................................................................................ 105
4.1 Introdução ...................................................................................................... 106
4.2 Perspectiva Histórica da Geometria Fractal ............................................... 106
4.3 Dimensão Fractal ........................................................................................... 116
4.4 Geometria Fractal Aplicada à Área de Antenas .......................................... 118
4.5 Fator de Conjunto de Antenas Fractais ....................................................... 121
4.5.1 Fator de Conjunto para Distribuição Linear ................................... 123
4.5.2 Fator de Conjunto para Distribuição Plana ................................... 127
4.5.3 Fator de Conjunto para Distribuição Circular ................................ 129
4.6 Matriz de Pesos com Função Janela Fractal .............................................. 131
4.7 Técnica Iterativa de Fourier .......................................................................... 132
4.8 Geometria Fractal em Projetos de Ant. Eletricamente Pequenas ............ 134
4.9 Geometria Fractal em Projetos de Ant. Independentes da Frequência ... 137
4.10 Críticas ao Uso de Antenas Fractais .......................................................... 139
5. PROCESSOS ESTOCÁSTICOS E ESTIMATIVA ...................................................... 141
5.1 Introdução ....................................................................................................... 141
5.2 Conceitos Fundamentais ............................................................................... 142
5.3 Função Densidade de Probabilidade ............................................................ 143
5.3.1 Gaussiana ........................................................................................... 143
5.3.2 Rayleigh ............................................................................................... 144
5.3.3 Uniforme .............................................................................................. 144
5.3.4 Exponencial ........................................................................................ 145
5.3.5 Riccia .................................................................................................. 145
5.3.6 Laplace ............................................................................................... 146
5.4 Valor Esperado e Momentos ......................................................................... 147
5.5 Correlação ...................................................................................................... 148
5.6 Ergodicidade e Estacionaridade .................................................................. 151
5.7 Estimativa ...................................................................................................... 151
5.8 Matriz de Correlação de Conjunto .............................................................. 155
5.9 Estimativa Espectral ..................................................................................... 157
5.9.1 Estimativa Espectral Temporal ........................................................ 158
A) Métodos Paramétricos ................................................................. 158
 B) Métodos Não Paramétricos ......................................................... 159
6. ANTENAS INTELIGENTES ........................................................................................ 163
6.1 Introdução ...................................................................................................... 163
6.2 SDMA .............................................................................................................. 166
6.3 Cancelamento de Lóbulo Lateral Fixo ......................................................... 168
6.4 Técnicas para Detecção da Direção de Chegada e Formação
Dinâmica de Feixe em Antenas .......................................................................... 171
6.4.1 Determinação do Ângulo de Chegada ............................................ 171
6.4.2 Estimativa Espectral Espacial .......................................................... 174
6.4.2.1 Métodos Não Paramétricos .................................................. 179
A) Estimativa Bartlett ............................................................... 179
B) Estimativa de Capon ........................................................... 179
C) Método Multitaper ............................................................... 180
6.4.2.2 Métodos Paramétricos .......................................................... 180
A) Método dos Mínimos Quadrados Para Modelo
Determinístico de Sinais ......................................................... 181
B) Método da Máxima Verossimilhança ................................ 181
C) Método de Ajuste de Subespaço ....................................... 181
D) MUSIC ................................................................................... 183
E) ESPRIT .................................................................................. 183
6.4.3 Formação Dinâmica de Feixe ........................................................... 184
7. PROPOSTA DE CONTROLE DE FEIXE EM ANTENAS INTELIGENTES
UTILIZANDO GEOMETRIA FRACTAL ......................................................................... 187
7.1 Introdução ...................................................................................................... 187
7.2 Otimização de Antenas Utilizando Geometria Fractal ............................... 188
7.2.1 Melhoramento da Perda de Retorno e da Operação em
Multibanda .................................................................................................. 188
7.3 Experimentos com Antenas Fractais e suas Limitações ......................... 198
7.4 Particularidades do Software ....................................................................... 200
7.5 Antena Fractal Inteligente Proposta ........................................................... 202
7.6 Simulação e Resultados ............................................................................... 205
7.7 Análise dos Resultados ................................................................................ 222
8. CONCLUSÃO .............................................................................................................. 224
9. ANEXO ........................................................................................................................ 227
10. REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 228
LISTA DE FIGURAS

Figura 2.1 – Sistema de comunicação utilizando antena

transmissora. ....................................................................................................... 31
Figura 2.2 – Representação de uma linha de transmissão com ondas
estacionárias e propagação de ondas eletromagnéticas a partir
de sua abertura.................................................................................................... 34
Figura 2.3 – Seção do circuito equivalente de uma linha de transmissão .......... 36
Figura 2.4 – Atenuação de um sinal ao longo de uma linha de transmissão
com perdas .......................................................................................................... 40
Figura 2.5 – Linha de transmissão tomada à esquerda da carga como
referencial negativo .............................................................................................. 42
Figura 2.6 – Linha de transmissão terminada com uma antena dipolo................. 50
Figura 2.7 – Comportamento de uma linha de transmissão terminada em
circuito aberto........................................................................................................ 53
Figura 2.8 – Linhas de campo de um dipolo elétrico em movimento, nos
vários instantes de tempo .................................................................................... 54
Figura 2.9 – Linhas de campo de um dipolo elétrico em movimento acelerado,
nos vários instantes de tempo ............................................................................. 55
Figura 2.10 – Propagação de uma fonte pontual em vários instantes de tempo. 56
Figura 2.11 – Diagrama de Radiação para o modelo DTV-3000 da Aquário®.
Manual técnico encontrado em: www.aquario.com.br ......................................... 58
Figura 2.12 – Diagrama de radiação no plano azimutal para a antena dipolo ... 58
Figura 2.13 – Antena dipolo localizada na origem do sistema de
coordenadas cartesianas ...................................................................................... 66
Figura 2.14 – Distribuição de corrente de um dipolo /2 ...................................... 70
Figura 2.15 – Diretividade versus comprimento do dipolo ................................... 73
Figura 2.16 – Representação da impedância de entrada de uma antena ........... 74
Figura 2.17 – Frequência de Ressonância ........................................................... 77
Figura 2.18 – Impedância de entrada em função da frequência, para um
dipolo. A parte em vermelho corresponde à resistência (real) e a parte em
azul indica a reatância (imaginária)....................................................................... 78
Figura 2.19 – Perda de Retorno em função da frequência, para um dipolo......... 78
Figura 2.20 – Exemplo de VSWR em função da frequência ............................... 79
Figura 2.21 – Ganho versus frequência de um dipolo curto ................................ 79
Figura 2.22 – Fator de Qualidade em função do tamanho do dipolo curto .......... 80
Figura 2.23 – Propagação da onda plana transverso eletro magnética
linearmente polarizada ......................................................................................... 81
Figura 2.24 – Polarização circular da onda eletromagnética
Fonte: Imagem de Helder de Figueiredo e Paula por Pixabay ............................ 82
Figura 3.1 – Conjunto de antenas composto por 12 elementos irradiantes.
Imagem retirada e adaptada de:
OpenClipart-Vectors por Pixabay......................................................................... 83
Figura 3.2 – Exemplos de distribuição em conjuntos .......................................... 84
Figura 3.3 – Interferências construtiva e destrutiva em conjuntos de
antenas ............................................................................................................... 85
Figura 3.4 – Padrão de radiação de duas fontes distanciadas de /2.
(a) Mesma fase. (b) Fases opostas. ................................................................... 86
Figura 3.5 – Padrão de radiação de duas fontes distanciadas de /4 e
defasadas de 90° ................................................................................................ 87
Figura 3.6 – Duas fontes pontuais isotrópicas com a mesma intensidade
de radiação ......................................................................................................... 88
Figura 3.7 – Geometria de campo distante de um conjunto de n fontes
Isotrópicas ........................................................................................................... 91
Figura 3.8 – Conjunto com 10 elementos, d = ,  = 0°, = 45° e  =90°........ 94
Figura 3.9 – Diretividade e Fator de conjunto para 10 elementos, d = .......... 95
Figura 3.10 – Conjunto plano ............................................................................... 97
Figura 3.11 – Fator de conjunto para 20 elementos planos (a) e
diretividade relativa (b) ......................................................................................... 98
Figura 3.12 – Radiação em 3D para três elementos (a) e representação
bidimensional (b) .................................................................................................. 100
Figura 3.13 – Conjunto Circular ........................................................................... 100
Figura 3.14 – Diretividade e Fator de Conjunto para 10 elementos circulares,
raio igual a ......................................................................................................... 101
Figura 3.15 – Exemplos de conjuntos Broadside (à esquerda) e
End-Fire (à direita) ............................................................................................... 102
Figura 3.16 – Conjunto de antenas com os respectivos pesos ............................ 104
Figura 4.1 – Ilustração da geometria hiperbólica. Fonte: Adaptada de Pixabay.. 106
Figura 4.2 – Função de Weierstrass .................................................................... 108
Figura 4.3 – Pente de Cantor ............................................................................... 108
Figura 4.4 – Disco Hiperbólico de Poincaré. Fonte: Pixabay ............................... 109
Figura 4.5 – Curva de Peano-Hilbert .................................................................... 110
Figura 4.6 – Curva de Koch .................................................................................. 110
Figura 4.7 – Gaxeta (a) e Triângulo (b) de Sierpinski. Fonte: Pixabay ................. 112
Figura 4.8 – Conjunto de Julia. Fonte: Pixabay .................................................... 112
Figura 4.9 – Folha construída de forma iterativa .................................................. 113
Figura 4.10 – Paisagem com raios, plantas, terreno e montanhas ao fundo.
Fonte: Reimund Bertrams por Pixabay. ............................................................... 114
Figura 4.11 – Figura formada a partir da iteração recursiva gerada
computacionalmente, em formato fractal. Fonte: alto2 por Pixabay..................... 115
Figura 4.12 – Conjunto de Mandelbrot. Fonte: Charles Thonney
por Pixabay ........................................................................................................... 115
Figura 4.13 – Box-counting algorith utilizado para determinar a dimensão
fractal de uma folha............................................................................................. 117
Figura 4.14 – Conjunto de Cantor ternário com 3 iterações ................................ 123
Figura 4.15 – Gráfico polar para 𝜹=𝟐 e 𝑷=𝟏,𝟐,𝟑, considerando-se 𝝍 variável ... 125
Figura 4.16 – Gráfico polar para δ=2 e P=1,2,3, considerando-se 𝜽 variável .... 126
Figura 4.17 – Diagramas de radiação para o conjunto ternário de Cantor,
com três iterações ................................................................................................. 127
Figura 4.18 – Diagrama de radiação e fator de conjunto do tapete de
Sierpinski para 𝒅=𝝀/𝟐 e 𝑷=𝟑 ................................................................................. 128
Figura 4.19 – Processo de geração de um conjunto fractal a partir de um
subconjunto gerador circular ................................................................................ 130
Figura 4.20 – Processo de geração de um fractal para o terceiro e quarto
estágios ................................................................................................................ 130
Figura 4.21 – Fluxograma do algoritmo utilizado na técnica iterativa de
Fourier. [Li 2012] ................................................................................................... 133
Figura 4.22 – Antena confinada numa estrutura esférica ..................................... 135
Figura 4.23 – 𝑸 x 𝒌𝒓 para várias antenas. [HANSEN 1981] ................................. 135
Figura 4.24 – Diferentes estágios de iteração da curva de Koch.
[BALIARDA 2000b] ............................................................................................. 136
Figura 4.25 – Antenas espirais de fenda ............................................................ 138
Figura 5.1 – PDF gaussiana ............................................................................... 143
Figura 5.2 – PDF de Rayleigh ............................................................................. 144
Figura 5.3 – PDF Uniforme .................................................................................. 145
Figura 5.4 – PDF Exponencial .............................................................................. 145
Figura 5.5 – PDF de Riccia ................................................................................... 146
Figura 5.6 – PDF de Laplace ................................................................................ 146
Figura 5.7 – Propagação direta e multipercurso de um sinal ............................... 150
Figura 5.8 – Efeito de multipercurso de um sinal e ruído ..................................... 153
Figura 5.9 – Esquema de sinal ruidoso adicionado ao sinal principal .................. 153
Figura 5.10 – Conjunto bidimensional iluminado por uma onda plana incidente.. 155
Figura 6.1 – Ambiente composto por um sinal de interesse e por sinais que
não são de interesse ............................................................................................. 163
Figura 6.2 – Sistema de feixe comutado .............................................................. 164
Figura 6.3 – Sistema com formação de feixe adaptativo ...................................... 165
Figura 6.4 – Conjunto de antenas SDMA ............................................................. 166
Figura 6.5 – Sistema de cancelamento de lóbulo secundário. ............................. 168
Figura 6.6 – SLC em radar. Fonte: (HONG, 2021) ............................................... 170
Figura 6.7 – Conjunto com 2 elementos para determinação do ângulo de
chegada ................................................................................................................ 171
Figura 6.8 – Conjunto com i elementos realimentados para determinação do
ângulo de chegada ............................................................................................... 173
Figura 6.9 – Conjunto formado por sensores, sobre o qual incidem dois sinais.. 175
Figura 6.10 – Conjunto plano formado por 𝑳 x 𝑲 elementos ................................ 177
Figura 7.1 – Plaquetas de Minkowski com nenhuma iteração (A0),
uma iteração (A1) e duas iterações (A2).
Fonte: [OLIVEIRA 2010] ....................................................................................... 188
Figura 7.2 – Perda de Retorno para a antena proposta. [OLIVEIRA 2010] ........ 189
Figura 7.3 – Antena patch proposta por GIANVITTORIO et. al.
[GIANVITTORIO 2002] ........................................................................................ 190
Figura 7.4 – Perda de Retorno da antena proposta por GIANVITTORIO et. al.
(GIANVITTORIO 2002) ....................................................................................... 190
Figura 7.5 – Antena proposta por KRISHNA et. al. e
(b) Perda de Retorno. [KRISHNA 2009] .............................................................. 191
Figura 7.6 – Antena DRAF (a) e sua Perda de Retorno (b). [ORAZI 2014] ........ 191
Figura 7.7 –Triângulo Sierpinski com vários ângulos de alargamento.
[BALIARDA 2000a]. ............................................................................................. 192
Figura 7.8 – Coeficiente de Reflexão para as várias antenas.
[BALIARDA 2000a] ............................................................................................... 192
Figura 7.9 – Quadrado Fractal de Cantor Modificado. (b) Perda de Retorno.
[MONDAL 2015] ................................................................................................... 193
Figura 7.10 – Estrutura inicial com vários estágios de iteração.
[RIBEIRO 2016] .................................................................................................... 194
Figura 7.11 – (a) Antena proposta por ABDERRAHMANE et. al. (b) VSWR.
[ABDERRAHMANE 2013] .................................................................................... 195
Figura 7.12 – Antena concatenada (a) e Perda de Retorno (b).
[HAMDOUNI 2015] .............................................................................................. 195
Figura 7.13 – Fractal hexagonal (a) e sua perda de retorno (b). [AZARI 2008] .. 196
Figura 7.14 – Estrutura híbrida (a) e perda de retorno (b). [ARIF 2019] .............. 197
Figura 7.15 – Antena fractal Minkowski modificada (a) e perda de retorno (b).
[RENGASAMY 2021] ........................................................................................... 197
Figura 7.16 – Antena monopolo fractal (a) e perda de retorno (b).
[PATIL 2015] ........................................................................................................ 199
Figura 7.17 – Antena fractal inteligente proposta ................................................. 202
Figura 7.18 – Subconjunto gerador da antena fractal inteligente
proposta ................................................................................................................ 203
Figura 7.19 – Figura com uma iteração fractal ..................................................... 204
Figura 7.20 – Perda de Retorno para a faixa de 1 GHz a 10 GHz da antena
Proposta ............................................................................................................... 205
Figura 7.21 – Perda de Retorno para a faixa de 10 GHz a 20 GHz da
antena proposta .................................................................................................... 205
Figura 7.22 – Perda de Retorno para a faixa de 20 GHz a 30 GHz da
antena proposta ................................................................................................... 206
Figura 7.23 – Impedância de entrada para a faixa de 1 GHz a 10 GHz
da antena proposta .............................................................................................. 207
Figura 7.24 – Impedância de entrada para a faixa de 10 GHz a 20 GHz
da antena proposta ............................................................................................. 207
Figura 7.25 – Impedância de entrada para a faixa de 20 GHz a 30 GHz
da antena proposta ............................................................................................... 208
Figura 7.26 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷=𝟎 ................... 208
Figura 7.27 – Diagrama de radiação com varredura em 𝜽, 𝝓=𝟎°, 𝜷=𝟎 ............... 209
Figura 7.28 – Diagrama 3D com valores do ganho. 𝜷=𝟎 ..................................... 209
Figura 7.29 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟑𝟎º e 𝜷𝜸=𝟎° 210
Figura 7.30 – Diagrama 3D referente ao ganho, 𝜷𝒙=𝟑𝟎º e 𝜷𝜸=𝟎° ...................... 210
Figura 7.31 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟎º e 𝜷𝜸=𝟑𝟎° 211
Figura 7.32 – Diagrama 3D referente ao ganho, 𝜷𝒙=𝟎º e 𝜷𝜸=𝟑𝟎° ...................... 211
Figura 7.33 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟑𝟎º e 𝜷𝜸=𝟑𝟎° 212
Figura 7.34 – Diagrama 3D referente ao ganho, 𝜷𝒙=𝟑𝟎º e 𝜷𝜸=𝟑𝟎° ..................... 212
Figura 7.35 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟓𝟓º e 𝜷𝜸=𝟕𝟖°.213
Figura 7.36 – Diagrama 3D referente ao ganho, 𝜷𝒙=𝟓𝟓º e 𝜷𝜸=𝟕𝟖° ..................... 213
Figura 7.37 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟕𝟎º e 𝜷𝜸=𝟑𝟎° 214
Figura 7.38 – Diagrama 3D referente ao ganho, 𝜷𝒙=𝟕𝟎º e 𝜷𝜸=𝟑𝟎° ..................... 214
Figura 7.39 – Diagrama de radiação varredura em 𝝓 e 𝜽=𝟒𝟓°, 𝜷𝒙=𝟕𝟎º e 𝜷𝜸=𝟑𝟎°,
frequência de 15 GHz ........................................................................................... 215
Figura 7.40 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟐, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟎° . 216
Figura 7.41 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟐, 𝜷𝒙=𝟑𝟎°, 𝜷𝒚=𝟎° 216
Figura 7.42 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟐, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟑𝟎° 217
Figura 7.43 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟐, 𝜷𝒙=𝟑𝟎°, 𝜷𝒚=𝟑𝟎°217
Figura 7.44 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟐, 𝜷𝒙=𝟑𝟎°, 𝜷𝒚=𝟑𝟎°218
Figura 7.45 – Diagramas de radiação para 𝒅=𝝀/𝟑 e 𝒅=𝝀/𝟐, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟎° ......... 218
Figura 7.46 – Diagramas de radiação para 𝒅=𝝀/𝟑 e 𝒅=𝝀/𝟐, 𝜷𝒙=𝟑𝟎°, 𝜷𝒚=𝟎° ....... 219
Figura 7.47 – Diagramas de radiação para 𝒅=𝝀/𝟑 e 𝒅=𝝀/𝟐, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟑𝟎° ....... 219
Figura 7.48 – Diagramas de radiação para 𝒅=𝝀/𝟑 e 𝒅=𝝀/𝟐, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟑𝟎° ...... 220
Figura 7.49 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟏𝟎, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟎° 220
Figura 7.50 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟏𝟎, 𝜷𝒙=𝟑𝟎°, 𝜷𝒚=𝟎°221
Figura 7.51 – Diagrama de radiação e diagrama 3D para 𝒅=𝝀/𝟏𝟎, 𝜷𝒙=𝟎°, 𝜷𝒚=𝟕𝟎°221
LISTA DE TABELAS

Tabela 4.1 – Valores normalizados de AF para vários estágios de

crescimento e fatores de expansão. ................................................................... 125
Tabela 7.1 – Valores da perda de retorno para várias frequências..................... 206
LISTA DE SÍMBOLOS E ABREVIATURAS

FDMA Múltiplo Acesso por Divisão de Frequência

TDMA Múltiplo Acesso por Divisão no Tempo
FHSS Espalhamento Espectral por Saltos em Frequência
CDMA Múltiplo Acesso por Divisão de Código
SDMA Múltiplo Acesso por Divisão Espacial
mmWave Ondas milimétricas
LTE Long Term Evolultion
NSA Non-Standalone
HFSS High Frequency Structure Simulator (Software)
DOA Direção de chegada
∇ Operador Nabla
𝐸⃗ Vetor campo elétrico
⃗
𝐻 Vetor campo magnético
𝜕 Derivada parcial
𝜌 Densidade volumétrica de carga
⃗
𝐷 Vetor densidade de fluxo elétrico
⃗
𝐵 Vetor densidade de campo magnético
𝓅𝑚𝑣 Densidade de carga magnética
𝑉 Diferença de potencial (ou tensão num ponto específico)
𝐼 Corrente elétrica
𝜔 Velocidade angular
Γ Coeficiente de reflexão
𝑉𝑟 Tensão refletida
𝑉𝑖 Tensão incidente
𝑅 Resistência elétrica
𝐿 Indutância
𝐶 Capacitância
𝐺 Condutância
∆ Variação
𝑗 Número imaginário puro, equivalente a √−1
𝑍 Impedância
𝑋𝐿 Reatância indutiva
𝑋𝐶 Reatância capacitiva
𝑌 Admitância
𝛾 Constante de propagação
𝛼 Constante de atenuação
𝛽 Constante de fase
𝜑Γ 2𝛽
Γ(x) Coeficiente de reflexão num ponto qualquer da linha de transmissão
Γ𝐶 Coeficiente de reflexão na carga
𝑍0 Impedância característica da linha de transmissão
𝑍𝐶 Impedância da carga
𝑆𝑡 Perda de retorno
𝑃𝑟 Potência refletida
𝑃𝑖 Potência incidente
VSWR Voltage Standing Wave Ratio
ROE Relação de Onda Estacionária
𝑡𝑔ℎ Tangente hiperbólica
𝑡𝑔 Tangente
𝑐𝑜𝑡𝑔 Cotangente
TEM Onda transversa eletromagnética
𝜇0 Permeabilidade magnética relativa
𝜖0 Permissividade elétrica relativa
VHF Very High Frequency
UHF Ultra High Frequency
HDTV High-Definition Television
𝑊𝑏 Weber
𝐴 Potencial vetor magnético
𝑉𝑒 Potencial escalar eletrostático
𝑘 Número de onda
𝑐 Velocidade da luz no vácuo
𝜇 Permeabilidade magnética
𝜖 Permissividade elétrica
𝐽 Vetor densidade de corrente de convecção
𝑠𝑒𝑛 Seno de um ângulo
𝑐𝑜𝑠 Cosseno de um ângulo
𝜃 Ângulo
𝑎𝑥
⃗⃗⃗⃗ Vetor unitário na direção x
𝑎𝑦
⃗⃗⃗⃗ Vetor unitário na direção y
𝑎𝑧
⃗⃗⃗⃗ Vetor unitário na direção z
ℓ Comprimento do dipolo
𝐼0 Corrente no centro do dipolo
𝑟 Raio da esfera de radiação produzida por uma fonte isotrópica
𝑎𝑟
⃗⃗⃗⃗ Vetor unitário na direção 𝑟 (em coordenadas esféricas)
𝑎𝜃
⃗⃗⃗⃗ Vetor unitário na direção 𝜃 (em coordenadas esféricas)
𝑎𝜑
⃗⃗⃗⃗ Vetor unitário na direção 𝜑 (em coordenadas esféricas)

𝑆 Vetor de Poynting
Re Parte real
𝜂 Impedância intrínseca do meio
𝑈 Intensidade de radiação
𝐷 Diretividade
𝑒𝑜 Eficiência de uma antena
𝐺 Ganho
FC Frequência de ressonância
𝑄 Fator de qualidade
𝐴𝐹 Fator de Conjunto
𝑑𝑥 Distância entre os elementos do conjunto na direção x
𝑑𝑦 Distância entre os elementos do conjunto na direção y
𝜓 𝑘𝑑𝑐𝑜𝑠 𝜃 + 𝛽
𝜑𝑖 Posição angular do i-ésimo elemento
𝑎̅(𝜃 ) Vetor de conjunto
𝑤
̅ Matriz de pesos
̅𝑇
𝑤 Matriz de pesos transposta
𝑁 Dimensão de Hausdorff-Besicovich
𝐴𝐹𝑃 Fator de conjunto de um conjunto fractal
𝐺𝐴(Ψ) Fator de conjunto associado ao subconjunto gerador
𝛿 Fator de escala
𝑤
̅𝐹 Matriz de pesos fractal
̅̅̅̅̅
𝐸𝑖𝑛𝑐 Campo elétrico incidente sobre uma antena
𝑐𝑒𝑓
̅̅̅̅ Comprimento efetivo de uma antena
𝑝 (𝑥 ) Função densidade de probabilidade
𝐸 [𝑋] Esperança ou valor esperado de uma variável aleatória 𝑋
𝐸 [𝑋 𝑛 ] 𝑛-ésimo momento de uma variável aleatória 𝑋
𝑥̅ Média de uma variável aleatória 𝑋
𝐸 [𝑋 − 𝑥̅ ] 𝑛-ésimo momento central de uma variável aleatória 𝑋
𝜎2 Variância
𝐸[𝑋𝑗 𝑌 𝑘 ] 𝑗𝑘-ésimo momento conjunto das variáveis aleatórias 𝑋 e 𝑌
𝐸[(𝑋 − 𝑥̅ )𝑗 (𝑌 − 𝑦̅)𝑘 ] 𝑗𝑘-ésimo momento conjunto das variáveis aleatórias 𝑋 e 𝑌
𝜌𝑥𝑦 Coeficiente de correlação entre as variáveis aleatórias 𝑋 e 𝑌
𝑅𝑋 (𝑡1 , 𝑡2 ) Autocorrelação de um sinal consigo mesmo, defasado no tempo
𝑅𝑥 (𝜏) Autocorrelação para um processo estacionário
𝑅̂𝑥 (𝜏) Autocorrelação estimada para um processo estacionário
𝑆𝑥 (𝑓 ) Densidade espectral de potência
̅̅̅
𝜖2 Erro quadrático médio
𝜎𝑥0 𝑥𝑛 Covariância entre as variáveis aleatórias 𝑥0 e 𝑥𝑛
𝑅̅𝑥𝑥 Matriz de correlação de conjunto
𝑠 (𝑡 ) Sinal incidente sobre um conjunto de antenas
𝜉𝑘+1 Autovetor referente ao menor autovalor da matriz de correlação
𝒴[𝑡] Amostras da densidade espectral de potência
𝑟̂ [𝑘] Correlograma
𝑝̂ 𝑐 (𝜔) Densidade espectral de potência estimada
𝑝̂ 𝑝𝑟𝑔 Periodograma
ℎ (𝜔 ) Filtro
𝑦𝐿 (𝑡) Matriz de amostras espaciais
𝐶𝑂𝑉(𝑋, 𝑌) Covariância entre as variáveis aleatórias 𝑋 e 𝑌
LMS Least Mean Square
𝐽 (𝑤 ) Função de custo
1. INTRODUÇÃO

1.1 Motivação Inicial

Com o advento da era da informação, aumentou-se a busca por sistemas de

comunicações cada vez mais eficientes, rápidos e versáteis. Operações bancárias,
transações no mercado financeiro, telefonia móvel, redes sociais, vídeo
conferências, buscas em tempo real e processamento de informações são apenas
algumas das inúmeras demandas do mundo moderno atual.
Os sistemas de comunicação do futuro precisam ser projetados de tal maneira
que os recursos no domínio do tempo e no domínio da frequência sejam
maximizados ao extremo. O FDMA (Frequency Division Multiple Access, ou Múltiplo
Acesso por Divisão de Frequência) e o TDMA (Time Division Multiple Access, ou
Acesso Múltiplo por Divisão de Tempo) representaram para a época um grande
avanço no sentido de uma utilização mais eficiente do canal, seja dividindo o
espectro em faixas sistematicamente alocadas, seja dividindo um canal de
frequência em intervalos de tempo definidos. Com o tempo, percebeu-se que as
técnicas de espalhamento espectral poderiam superar os inconvenientes devido à
interferência e interceptação de sinal, pois um espectro mais largo significa menor
nível de potência de sinal, e também maior redundância espectral. O FHSS
(Frequency Hopping Spread Spectrum, ou Espalhamento Espectral por Saltos em
Frequência) e o DSSS (Direct Sequence Spread Spectrum, ou Espalhamento
Espectral por Sequência Direta) foram as duas tecnologias dominantes. Nesse
sistema, o acesso de múltiplos usuários se torna possível graças à alocação de
diferentes códigos de espalhamento a usuários distintos, o que resulta num múltiplo
acesso por divisão de código (CDMA, ou Code Division Multiple-Access).
O CDMA tem sido a tecnologia ideal para uma sociedade que demanda cada
vez mais informação e transmissão de dados, devido à sua alta capacidade de
aproveitamento do espectro. Mas ela também apresentou uma série de problemas e
desafios. Um deles é o chamado “Near-far problem” (problema perto-longe), em que
transmissões localizadas perto e longe da estação base poderão degradar a relação
sinal/ruído (SNR), já que em CDMA os sinais são enviados com a mesma potência.
 Entretanto, essas técnicas ainda são insuficientes para atender às novas
demandas de comunicação que se consolidam no século XXI, em termos de
eficiência de energia e densidade de conexão. Os novos cenários necessitam de um
processamento espacial capaz de concentrar a radiação num ponto específico do
espaço e que suportem o controle preciso do padrão de radiação da antena,
concentrando energia em pontos de interesse e minimizando a energia em regiões
que não são de interesse, além de suprimir ruídos e interferências eletromagnéticas
indesejadas.
O SDMA (Spatia Division Multiple Acess, Múltiplo Acesso por Divisão Espacial)
provê o processamento digital do sinal, levando em conta a diversidade espacial dos
elementos e a contínua mudança dos mesmos em termos de posição, requisição de
sinal ou atenuação. Esses sistemas fornecem cobertura precisa em áreas
determinadas, suprimem a interferência em determinadas regiões e modificam
dinamicamente o acesso ao espaço, por meio do controle de feixe realizado por um
poderoso processador digital de sinais. Desta maneira, o processamento espacial de
sinal pode prover melhor aproveitamento tanto do espectro de frequências quanto do
tempo de ocupação, pois direciona a transmissão para pontos específicos,
reduzindo a interferência entre sinais alocados na mesma frequência, e permitindo o
reuso das mesmas, principalmente em sistemas de telefonia celular. Assim, o
sistema SDMA é capaz de atuar simultaneamente com os sistemas FDMA, TDMA e
CDMA, permitindo velocidades de transmissão de dados nunca antes vista.
Nos últimos anos, tem ocorrido uma transição de todas as bandas de
frequência para oferecer suporte aos serviços 5G, o qual permite uma melhor
conectividade entre pessoas e coisas e oferece melhor latência nos serviços. Esse
crescimento acelerado requer sistemas operando em várias bandas distintas, e
nesse sentido, as antenas se tornam o elemento chave neste processo.
As antenas da nova geração devem ser capazes de suportar todas as bandas,
da banda C à mmWave e, além disso, devem ser capazes de se adaptar aos vários
ambientes de transição que aproveitam a estrutura do 4G LTE (Long Term
Evolultion) e que ainda dependem da rede NSA (Non-Standalone). As antenas
também devem atender aos requisitos de formação de feixe adaptativo de acordo
com as demandas do ambiente, concentrando o feixe em determinadas regiões e
suprimindo-o em outras. Requerem, portanto, o sistema SDMA.

25
 Velocidades mais altas de download e upload, conexões massivas, latência
ultrabaixa e experiência melhorada são requisitos do sistema 5G que não podem ser
atendidos com antenas que irradiam um feixe fixo, como nos sistemas anteriores 3G
e 4G. O novo sistema necessita de feixes estreitos, com ajuste dinâmico e
supressão de lóbulos laterais para que os equipamentos possuam cobertura
máxima, sem lacunas ou experiências desagradáveis.
O controle de feixe dinâmico e inteligente é a solução encontrada pelos
pesquisadores da área de antenas. Chamadas de Antenas Inteligentes (Smart
Antennas), esse conjunto de antenas é capaz de recolher amostras do ambiente e,
utilizando um processador digital de sinais, direcionar o feixe para regiões
específicas do espaço, de acordo com a demanda da aplicação. O princípio que está
por trás dessa técnica é a teoria de conjunto de antenas e formação de feixe,
desenvolvido desde a Segunda Guerra Mundial, e aprimorado gradativamente,
principalmente com o desenvolvimento dos computadores.
Mas as antenas inteligentes devem ser capazes de atuar também em
multibanda, e não apenas promover o direcionamento espacial do feixe. De acordo
com a literatura, as antenas capazes de realizar transmissões em multibanda ou,
mais ainda, em banda larga, são as antenas independentes da frequência. Mas
quando são dispostas em conjunto, as antenas independentes da frequência
apresentam restrições como limitação do ângulo de varredura, exigência de pouca
profundidade e diagrama de elemento não balanceado rotacionalmente.
Para contornar este problema, é necessário utilizar um conjunto de antenas
inteligentes cujos elementos individuais sejam capazes de varrer dinamicamente o
espectro e, simultaneamente, operar em multibanda. Os formatos convencionais
parecem não ajudar muito neste propósito, sendo necessário buscar além da
geometria padrão.
As antenas fractais se enquadram nestes propósitos. Sua estrutura auto similar
permite que elas possuam várias frequências de ressonância, isto é, que operem em
multibanda, além de poderem ser utilizadas em projetos de miniaturização de
antenas. Mas a grande questão que se coloca no presente trabalho é saber se as
antenas fractais poderiam ser utilizadas como elementos individuais num conjunto
formador de feixe dirigido. O objetivo desta tese é utilizar a geometria fractal em
projetos de antenas inteligentes formadores de feixe.

26
1.2 Objeto de Estudo e Metodologia Utilizada

O objetivo deste trabalho é unir as duas promissoras técnicas acima descritas,

as antenas inteligentes e a geometria fractal, e verificar, através de simulações,
como e em que medida é possível construir conjuntos formadores de feixe
inteligentes que tenham como elemento individual uma estrutura fractal.
Para isto, buscou-se realizar um estudo dos trabalhos já consumados na
literatura, e que servirão como guia para que se possa avançar na questão. As
antenas fractais foram estudadas desde os anos 1980, com uma quantidade de
artigos impressionante a respeito. E o estudo das antenas inteligentes data de muito
antes, embora o ritmo de artigos a respeito tenha aumentado apenas quando os
computadores começaram a se tornar mais velozes e acessíveis.
A teoria sobre antenas fractais vai além da análise do fenômeno
eletromagnético, já familiar aos engenheiros da área de antenas. Envolve uma
formulação matemática complexa, trabalhosa, cujo aprofundamento deveria ser
realizado num estudo à parte, que tratasse somente da geometria fractal em si.
Considerando que o objetivo do presente trabalho não é adentrar neste nível de
investigação, serão apresentadas aqui somente as bases fundantes da geometria
fractal para melhorar o entendimento do fenômeno e contribuir com sua aplicação à
área de antenas e sua união com os fenômenos eletromagnéticos.
Uma revisão da teoria básica de antenas se faz necessária, visto que qualquer
pesquisa a respeito tem como fundamento estes princípios elementares. Mas como
a teoria básica é também complexa e ampla, optou-se por revisitar apenas os
aspectos que possam contribuir para um melhor entendimento do assunto em
questão, qual seja, o controle inteligente de feixe a partir da geometria fractal.
Não apenas a teoria elementar de antenas é necessária, mas uma ampla e
variada quantidade de assuntos estudados em engenharia, tais como
processamento digital de sinais, processamento de sinal de conjunto, processos
estocásticos, estimativa espectral e propagação. No entanto, tratar de cada um
destes tópicos tornaria a tese demasiadamente longa e cansativa, razão pela qual
se optou por inserir estes temas ao longo da discussão, na medida em que se
impõem como importantes, reservando um lugar especial como capítulo apenas a
princípios considerados como os mais importantes e indispensáveis, se é que seja

27
possível escolher qual seriam estes princípios. Então, o recorte feito aqui dos temas
essenciais que devem ser abordados é baseado no julgamento e experiência do
autor com o assunto em questão, e não em critérios fechados e inquestionáveis.
Dentre esses assuntos que mereceram destaque, além da teoria básica de
antenas, estão: a teoria básica de conjuntos, visto que o controle inteligente de feixe
supõe a existência de um conjunto e a familiaridade com o mesmo; processos
estocásticos, tendo em vista o fato de que os algoritmos utilizados por antenas
inteligentes se baseiam, em sua grande maioria, em conceitos retirados de
processos estocásticos; teoria da estimativa, já que os algoritmos para encontrar a
direção de chegada procuram justamente estimar essa direção, além de outros
parâmetros do sinal; e obviamente, um capítulo dedicado às antenas fractais, e outro
dedicado às antenas inteligentes, que são os dois grandes temas do presente
trabalho.
A antena fractal inteligente proposta e apresentada é analisada pelo programa
de simulação de estruturas de alta frequência, muito popular entre engenheiros e
projetistas, denominado HFSS e desenvolvido pela empresa Ansoft®. Embora haja
um erro entre resultados simulados e resultados medidos experimentalmente, a
utilização de modelagem é essencial dentro da área de engenharia, não apenas por
reduzir custos e fornecer uma visão geral sobre o fenômeno, mas avaliar as
estratégias relativas a sua operacionalização e viabilidade econômica. O uso de
software como o HFSS possibilita o uso de detalhes e minúcias jamais imaginados
há poucas décadas, além do fato de que a simulação pode ser realizada várias
vezes, ajustando-se em cada rodada pequenos parâmetros, até que se consiga uma
resposta ótima desejada. A análise através de elementos finitos, uma das
abordagens do HFSS, é mais fácil de aplicar do que métodos analíticos,
proporcionando uma melhor compreensão das variáveis do sistema e permitindo
que o projetista teste hipóteses sobre o problema.
Por fim, a antena fractal inteligente proposta é apresentada a partir de gráficos,
uma outra grande vantagens do uso de softwares do tipo citado. Espera-se que com
os resultados conseguidos seja possível avaliar a pertinência ou não da técnica aqui
apresentada, bem como as perspectivas para possíveis trabalhos futuros, caso o
presente trabalho atraia a atenção de futuros pesquisadores da área.

28
1.3 Estrutura da Tese

O capítulo 2 procura fornecer a visão geral sobre antenas e sua inserção num
sistema de comunicação, tendo em vista sua conexão com a linha de transmissão e
as características de radiação no espaço livre. Para isso, partiu-se da teoria básica
do eletromagnetismo que, a partir das equações de Maxwell, deduz as equações
telegráficas, a criação de ondas estacionárias e a propagação no espaço livre a
partir de uma linha de transmissão curvada. Os conceitos básicos de antenas são
tratados, e um destaque especial é dado às antenas dipolo, devido à sua maior
simplicidade em relação a outras e por serem ainda muito populares. Algumas
vezes, são feitas referências a fontes pontuais, embora estas não existam na
prática. O intuito é apenas fornecer uma visão mais didática sobre o fenômeno em
questão.
O capítulo 3 trata de conjunto de antenas, a partir de configurações simples até
chegar a conjuntos mais complexos generalizados. O principal na teoria de
conjuntos é a compreensão de como se encontra o fator de conjunto para diversas
configurações geométricas, e de que maneira o feixe de um conjunto de antenas
pode ser dirigido a partir do controle da fase de excitação de cada elemento,
individualmente. Esta é a essência do projeto de antenas inteligentes.
O capítulo 4 é dedicado ao entendimento das antenas fractais, desde suas
origens, buscando acompanhar seu desenvolvimento e descobertas iniciais, e por
que seu estudo despertou grande entusiasmo entre pesquisadores. Para isso, é feita
a análise matemática da geometria fractal em si, e posteriormente a integração com
a teoria eletromagnética. Algumas técnicas de síntese de antenas fractais são
analisadas, bem como as críticas que partiram de alguns pesquisadores em relação
à real eficácia das antenas fractais.
No capítulo 5 é feita uma revisão sobre a área de probabilidade e processos
estocásticos, destacando-se os principais conceitos como variável aleatória, função
densidade de probabilidade e seus tipos, ergodicidade e estacionaridade. Ainda
neste capítulo, são apresentadas as principais técnicas de estimativa espectral, com
ênfase na estimativa temporal. O correto estudo e entendimento destas técnicas
servirá de base para o entendimento da estimativa espectral espacial, o objetivo dos
algoritmos implementados em antenas inteligentes.

29
 O capítulo 6 aborda o conceito de antenas inteligentes, sua lógica de
funcionamento, importância e desafios. São discutidos os algoritmos de
determinação de direção de chegada (DOA), bem como de formação adaptativa de
feixe, os quais, em conjunto, constituem o fundamento para o múltiplo acesso por
divisão espacial (SDMA), a grande revolução das telecomunicações do futuro.
Também são analisadas as técnicas de supressão de lóbulo lateral fixo, bem como a
relação entre as estimativas espectrais temporais abordadas no capítulo 5 e as
estimativas espectrais espaciais.
Por fim, no capítulo 7 é apresentada a antena fractal inteligente proposta, cujo
entendimento será amparado pelas apresentações dos capítulos anteriores.
Inicialmente os detalhes construtivos da antena são apresentados, e em seguida, os
resultados de várias simulações são colocados para análise. Alguns parâmetros são
propositalmente modificados para que se possa ter uma melhor visualização do
fenômeno de varredura e controle inteligente como um todo. Buscou-se fornecer um
ambiente de varredura amplo, visto que as antenas inteligentes devem operar,
principalmente, mas não exclusivamente, em sistemas 5G, cujas bandas de
frequência incluem desde mega-hertz até dezenas de giga-hertz. Então, os dados
são cuidadosamente analisados e verificados para que boas conclusões possam ser
buscadas.
O capítulo 8 encerra com uma breve conclusão de todo o processo. A partir
das análises realizadas no capítulo anterior, bem como das teorias básicas discutias
desde os primeiros capítulos, chega-se ao conhecimento maduro do sistema
proposto, das variáveis do problema, dos possíveis gargalos e das melhorias que
podem ser realizadas.
O tema proposto é complexo e amplo. A bibliografia utilizada é apresentada no
capítulo 9, tendo como referência os principais artigos e livros publicados nas
revistas e editoras de destaque. A maior parte dela está em inglês, mas sempre que
possível, optou-se por utilizar a versão traduzida em português, caso houvesse uma
boa tradução (o que nem sempre ocorre), para facilitar o acesso daqueles que não
possuem familiaridade com esta importante língua estrangeira.

30
2. ANTENAS E SISTEMAS DE COMUNICAÇÃO

2.1 INTRODUÇÃO

Desde a primeira transmissão de ondas de rádio realizada por Hertz em 1887,

a área de antenas tem recebido atenção especial dentro do âmbito da teoria das
comunicações. Componente essencial entre a onda guiada na linha de transmissão
e o espaço livre, a antena constitui um item cujo projeto se tornou indispensável para
a implementação de sistemas de comunicações eficientes, robustos e confiáveis.
Um sistema básico de comunicação utilizando antena é mostrado na figura 2.1.

Figura 2.1 – Sistema de comunicação utilizando antena transmissora.

Esse sistema é constituído de subsistemas que processam o sinal de entrada de

modo a se obter uma saída desejada. A entrada pode ser um sinal analógico do
mundo físico como uma fala humana, uma imagem ou uma temperatura; ou pode
ser um sinal digital como uma cadeia de bits, sendo que, neste caso, o sistema
dispensará o transdutor de entrada. O sinal é transformado para que possa ser
transmitido da maneira mais conveniente possível: será modulado, amplificado e/ou
passará por filtros, por exemplo. Se for analógico, poderá ser também digitalizado.
Após essa etapa, o sinal estará pronto para ser transmitido por uma antena.
Antes, ele é conduzido por uma linha de transmissão, que é a ponte entre o sistema
elétrico e a antena. Espera-se que a linha de transmissão possa guiar a energia de
radiofrequência confinando o sinal no próprio meio guiado, com a menor perda
possível. Depois, finalmente, o sinal será transmitido através da estrutura da antena.
A antena transmissora irradia ondas eletromagnéticas no espaço livre que
viajarão à velocidade da luz, conforme pode ser previsto pelas equações de
Maxwell.

31
 ⃗
𝜕𝐵
∇ × 𝐸⃗ = − (2.1𝑎)
𝜕𝑡
⃗
𝜕𝐷
⃗ =
∇×𝐻 (2.1𝑏)
𝜕𝑡
⃗ =𝜌
∇∙𝐷 (2.1𝑐)
⃗ =0
∇∙𝐵 (2.1𝑑)

De acordo com a equação 2.1a, a variação no tempo da densidade do campo

magnético induz um campo elétrico perpendicular à sua variação. Similarmente, a
variação no tempo da densidade de campo elétrico produz, de acordo com a
equação 2.1b, um campo magnético perpendicular a esta variação. A equação 2.1c
indica que uma linha de fluxo elétrico imaginária começa numa carga e termina em
outra de sinal oposto (por convenção, da positiva para a negativa), ou seja, o fluxo
elétrico total que passa por uma superfície fechada é igual a carga envolvida, o que
significa a integração ao longo dessa superfície fechada; o resultado da integral
obtida, dividido pela quantidade de volume da referida superfície, é
matematicamente igual ao divergente, conforme indicado na equação 2.1c. O
mesmo não ocorre com o campo magnético: as linhas de fluxo magnético não
começam numa carga magnética e terminam em outra, mas formam círculos
concêntricos, e isso explica por que o divergente da densidade de campo magnético
é zero. Ou seja, essa equação indica que não existem monopólios magnéticos em
estado natural. Entretanto, esse é um tema cuja conclusão está longe de ter fim.
Paul Dirac havia previsto matematicamente a existência de uma partícula magnética
fundamental, o monopolo magnético (DIRAC, 1931). Isso tem despertado a
comunidade de físicos desde então, até que, recentemente, vários experimentos,
incluindo aqueles com spins congelados, indicaram ser possível isolar, sob
condições especiais, um monopolo magnético (JAUBERT et. al., 2015). Inclusive,
existem variações nas equações de Maxwell que incorporam as previsões de Dirac
(BALANIS, 2015). Por exemplo, a equação 2.1d é reescrita como:
⃗ = 𝓅𝑚𝑣
∇∙𝐵 (2.2)
em que 𝓅𝑚𝑣 é a densidade de carga magnética.
Para os propósitos deste trabalho, a consideração da não existência de
monopolos magnéticos satisfaz a toda teoria de antenas, incluindo as que possuem

32
estruturas fractais e as de feixe dirigido, o assunto principal desta pesquisa. Por isso,
tal consideração será mantida, embora não sejam ignorados os avanços realizados
na área da Física Quântica e do Eletromagnetismo sobre o assunto, bem como seus
impactos em toda a área de telecomunicações.
Voltando à figura 2.1, observamos que a onda eletromagnética irradiada é a
saída desejada; é o objetivo final de todo o processo. Obviamente, este sistema será
tão mais eficiente quanto maior for o seu desempenho. Em sistemas de controle
básicos, as duas principais medidas de desempenho de sistema são a resposta
transiente e o erro em regime estacionário. A resposta transiente diz respeito tanto à
maneira como o sistema responde a uma entrada particular, quanto ao
comportamento natural do mesmo. O erro em regime estacionário é aquele que se
estabelece, após o período transiente, a partir da diferença entre a entrada e a
saída, para uma entrada de teste, quando o tempo tende ao infinito.
As respostas transiente e estacionária de um sistema são encontradas após
uma análise da representação matemática, que é a modelagem de um fenômeno
feita geralmente via equações diferenciais. A resposta forçada é a solução particular,
e a resposta natural é a solução homogênea da equação. Mas em antenas, não
basta apenas modelar a estrutura irradiante, no caso, a própria antena, e depois
deduzir o desempenho do sistema. É necessário encontrar também, principalmente,
modelos que expliquem a propagação da onda eletromagnética no espaço devido
aos campos elétricos e magnéticos formados, tanto os próximos da antena, quanto
aqueles observados a grandes distâncias – estes últimos os mais importantes.
O objetivo deste capítulo é revisar os principais modelos matemáticos
envolvendo a teoria de antenas. A partir da análise de linhas de transmissão e
equações de Maxwell, desenvolver-se-á um equacionamento das estruturas
irradiantes mais simples, como uma fonte pontual e um dipolo. As fontes pontuais
são fictícias, isto é, só existem em teoria, e não podem ser encontradas na prática;
entretanto, prestam um importante serviço para a compreensão e dedução dos
principais parâmetros de antenas. As antenas dipolo, por outro lado, possuem
existência prática, não apenas teórica, e de todos os tipos de antenas, é a forma
mais elementar. Essas estruturas simples servirão de apoio para a análise das mais
complexas, como por exemplo, a dedução do fator de conjunto de um conjunto de
antenas.

33
2.2 LINHAS DE TRANSMISSÃO E ANTENAS

Uma visão intuitiva da antena pode ser adquirida considerando-a como uma
continuação de uma linha de transmissão, conforme ilustra a figura 2.2.

Figura 2.2 – Representação de uma linha de transmissão com ondas estacionárias e propagação de
ondas eletromagnéticas a partir de sua abertura.

Uma fonte alternada é ligada a uma linha de transmissão, a qual é dilatada de

forma gradual em sua extremidade, até que a distância entre os dois condutores
paralelos se torne consideravelmente grande. Essa abertura se comporta como uma
antena. Conforme pode ser observado, existem ondas estacionárias que começam
na saída do gerador e se formam em toda a linha de transmissão, continuando até o
final da abertura. Após atingir o limite extremo, à direita, surgem ondas
eletromagnéticas propagando-se como se fossem uma continuação das ondas
estacionárias, com a diferença de que agora as ondas percorrem o espaço livre.
Uma onda estacionária é uma figura de interferência cuja principal
característica é realizar um movimento harmônico simples com amplitudes variando
em função da posição no meio considerado. Ou seja, há pontos em que a tensão na
linha de transmissão será zero, ou de amplitude nula (nós ou nodos); e há pontos
em que a tensão será máxima, com amplitude de duas vezes o valor de pico da
tensão na fonte (ventres). Entre esses dois extremos, existem valores que variam
gradualmente, do zero ao máximo, conforme pode ser visto na figura 2.2.
A formação das ondas estacionárias ocorre na linha de transmissão devido à
superposição da onda incidente, que se propaga da fonte até a carga, com a onda

34
refletida, que se propaga da carga de volta até a fonte. Este fenômeno ocorre
sempre que a distância entre a fonte e a carga torna-se suficientemente grande, de
modo a gerar atrasos na transmissão de energia entre um ponto e outro.
Na análise básica de circuitos elétricos, a distância entre os elementos entre si,
ou entre estes e a fonte, é considerada desprezível. Por isso, parâmetros como
resistência, impedância, admitância, etc. são tratados de forma pontual. Entretanto,
quando essa distância entre elementos e fonte começa a aumentar a partir de um
comprimento de onda, tais parâmetros se apresentam como distribuídos, e não mais
concentrados. Então, a tensão 𝑉, por exemplo, passa a depender da distância 𝑥, isto
é, 𝑉 = 𝑉 (𝑥 ). Além disso, a análise básica de circuitos considera que a tensão sobre
um elemento resistivo num ponto do circuito está exatamente em fase com a fonte
de tensão num ponto que esteja no outro lado oposto. Mas quando a distância entre
o gerador e a carga resistiva for demasiado grande, haverá um atraso de tempo que
não poderá mais ser ignorado. Isso leva à inclusão de uma fase no valor da tensão,
o que implica: 𝑉 = 𝑉 (𝑥 )𝑒 𝑗𝜔𝑡 . Como a tensão depende da distância x e do tempo t, é
mais correto escrever 𝑉 = 𝑉 (𝑥, 𝑡). Para sinais que variam no tempo, um atraso do
instante t para o instante t0 significa, no domínio da frequência temporal, a adição de
uma fase de 𝑒 𝑗𝜔𝑡0 . Para sinais que variam com a distância, um deslocamento na
distância de ∆𝑥 significa a adição de uma fase de 𝑒 𝑗𝜔∆𝑥 , na frequência espacial. Os
sinais numa linha de transmissão variam no tempo e no espaço.
Como consequência, uma parte ou toda a energia fornecida pela fonte irá
retornar, de modo que a tensão refletida de volta irá interagir com a tensão incidente
(a que vai da fonte até a carga), somando-se em alguns pontos e anulando-se em
outros. O resultado será a formação das ondas estacionárias.
Uma linha de transmissão pode ser analisada como uma associação em
cascata de inumeráveis seções de impedâncias em série e admitâncias em paralelo.
Se isolarmos uma destas seções, aplicarmos a análise de circuitos convencional e
depois fizermos a distância tender para zero, encontraremos a impedância
característica da linha de transmissão por unidade de comprimento, bem como o
comportamento da tensão e da corrente, tanto no sentido incidente quanto no
sentido contrário (refletido). Desta maneira, serão obtidos importantes parâmetros
utilizados na análise de antenas, os quais jamais poderão ser ignorados num projeto
que vise robustez e eficiência. Para mais detalhes, consultar: [HAYT, 2010].

35
2.2.1 Coeficiente de Reflexão

O coeficiente de reflexão é a relação entre a tensão refletida pela carga e a

tensão incidente da fonte [SARTORI, 1999].

𝑉𝑟𝑒𝑓𝑙𝑒𝑡𝑖𝑑𝑎
Γ= (2.3)
𝑉𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒

As tensões incidente e refletida resultam da maneira como a impedância está

distribuída ao longo da linha de transmissão.
Uma seção do circuito equivalente de uma linha de transmissão pode ser
representada conforme a figura 2.3.

Figura 2.3 – Seção do circuito equivalente de uma linha de transmissão

Em que R é a resistência (), L é a indutância (H), C é a capacitância (F), G é a

condutância (S), V é a tensão (V) e I é a corrente (A). Como estamos lidando com
resistência, capacitância, indutância e condutância por unidade de comprimento,
multiplicamos cada um deles por um pequeno comprimento de valor Δ𝑥 . A pequena
variação de tensão nesse comprimento será Δ𝑉 , e a de corrente, Δ𝐼 .
Aplicando a Lei de Kirchhoff das tensões na malha pontilhada, obtemos:

𝜕𝐼 (𝑥, 𝑡)
𝑉(𝑥, 𝑡) = 𝐼 (𝑥, 𝑡)𝑅∆𝑥 + 𝐿∆𝑥 + [𝑉(𝑥, 𝑡) + ∆𝑉(𝑥,𝑡) ] (2.4)
𝜕𝑡

Para facilidade de acompanhamento, a tensão e a corrente serão escritas

simplesmente como 𝑉 e 𝐼, ao invés de 𝑉(𝑥, 𝑡) e 𝐼 (𝑥, 𝑡), respectivamente. Entretanto,
deve-se ter em mente que tanto a tensão quanto a corrente são funções de duas

36
variáveis, a distância ao longo da linha de transmissão e o tempo. Dessa maneira, a
equação 2.4 é reescrita de forma simplificada como:

𝜕𝐼
𝑉 = 𝐼𝑅∆𝑥 + 𝐿∆ + (𝑉 + ∆𝑉 ) (2.5)
𝜕𝑡 𝑥

Dividindo os dois lados da equação 2.5 por ∆𝑥 e simplificando os termos, obtemos:

∆𝑉 𝜕𝐼
= − (𝐼𝑅 + 𝐿) (2.6)
∆𝑥 𝜕𝑡

No limite em que ∆ tende para zero, a relação acima se torna:

𝜕𝑉 𝜕𝐼
= − (𝐼𝑅 + 𝐿) (2.7)
𝜕𝑥 𝜕𝑡

Que é uma das famosas equações telegráficas.

Utilizando procedimento semelhante para a corrente, mas desta vez aplicando
a lei de Kirchhoff das correntes, encontramos:

𝜕𝐼 𝜕𝑉
= − (𝐺𝑉 + 𝐶 ) (2.8)
𝜕𝑥 𝜕𝑡

A equação 2.8 é a segunda das equações telegráficas. A partir das equações 2.7 e
2.8 é possível deduzir o comportamento da tensão e da corrente em toda a linha,
bem como a impedância característica da mesma.
Derivando a equação 2.7 em relação a 𝑥, resulta:

𝜕2𝑉 𝜕𝐼 𝜕2𝐼
= − ( 𝑅 + 𝐿) (2.9)
𝜕𝑥 2 𝜕𝑥 𝜕𝑡𝜕𝑥

Derivando a equação 2.8 em relação a t, resulta:

𝜕2𝐼 𝜕𝑉 𝜕2𝑉
= − (𝐺 + 𝐶 2) (2.10)
𝜕𝑥𝜕𝑡 𝜕𝑡 𝜕𝑡

Substituindo as equações 2.8 e 2.10 em 2.9, e depois rearranjando os termos:

𝜕 2𝑉 𝜕2𝑉 𝜕𝑉 𝜕𝑉
= 𝐿𝐶 + 𝐿𝐺 + 𝑅𝐶 + 𝑅𝐺𝑉 (2.11)
𝜕𝑥 2 𝜕𝑡 2 𝜕𝑡 𝜕𝑡

37
 Convertendo para a forma fasorial:

𝜕2𝑉
2
= 𝐿𝐶 (𝑗𝜔)2 𝑉 + 𝐿𝐺 (𝑗𝜔)𝑉 + 𝑅𝐶 (𝑗𝜔)𝑉 + 𝑅𝐺𝑉 (2.12)
𝜕𝑥

Rearranjando os termos:

𝜕2𝑉
= (𝑅 + 𝑗𝜔𝐿)(𝐺 + 𝑗𝜔𝐶 )𝑉 (2.13)
𝜕𝑥 2

De forma análoga se chega ao equacionamento em função da corrente.

Derivando 2.7 em relação a t:

𝜕2𝑉 𝜕𝐼 𝜕2𝐼
= − ( 𝑅 + 2 𝐿) (2.14)
𝜕𝑥𝜕𝑡 𝜕𝑡 𝜕𝑡

Derivando 2.8 em relação a 𝑥:

𝜕2𝐼 𝜕𝑉 𝜕2𝑉
= − (𝐺 + 𝐶 2) (2.15)
𝜕𝑥 2 𝜕𝑥 𝜕𝑡

Substituindo 2.7 e 2.14 na equação 2.15:

𝜕2𝐼 𝜕2𝐼 𝜕𝐼 𝜕𝐼
= 𝐿𝐶 + 𝐿𝐺 + 𝑅𝐶 + 𝑅𝐺𝐼 (2.16)
𝜕𝑥 2 𝜕𝑡 2 𝜕𝑡 𝜕𝑡

As equações 2.11 e 2.16 formam as equações da onda para linhas de

transmissão.
Convertendo 2.16 para a forma fasorial e rearranjando os termos:

𝜕2𝐼
= (𝑅 + 𝑗𝜔𝐿)(𝐺 + 𝑗𝜔𝐶 )𝐼 (2.17)
𝜕𝑥 2

Os termos entre parênteses, tanto em 2.13 quanto em 2.17, são bastante

familiares na teoria de circuitos. Representam, respectivamente, a impedância (𝑍) e
a admitância (𝑌). Assim, a equação 2.13 se torna:

𝜕2𝑉
= 𝑍𝑌𝑉 (2.18)
𝜕𝑥 2

38
E a equação 2.17 se torna:

𝜕2𝐼
= 𝑍𝑌𝐼 (2.19)
𝜕𝑥 2

A equação 2.18 pode ser resolvida por vários métodos. Sua solução é da
forma:

𝑉 (𝑥 ) = 𝑉𝑖 𝑒 −𝛾𝑥 + 𝑉𝑟 𝑒 𝛾𝑥 (2.20)

Similarmente, a solução da equação 2.19 é da forma:

𝐼 (𝑥 ) = 𝐼𝑖 𝑒 −𝛾𝑥 + 𝐼𝑟 𝑒 𝛾𝑥 (2.21)

Sendo 𝛾 uma raiz complexa, do tipo:

𝛾 = 𝛼 + 𝑗𝛽 (2.22)

Este termo, 𝛾 , que aparece tanto em 2.20 quanto em 2.21, possui um

significado especial dentro da área de micro-ondas e eletromagnetismo. É chamado
de constante de propagação, ou ainda, coeficiente de propagação ou constante de
transmissão, dentre outros nomes.
O termo 𝑉𝑖 na equação 2.20 é a tensão que incide da fonte para a carga,
chamada de tensão incidente. Já o termo 𝑉𝑟 na mesma equação 2.20 é a tensão
refletida de volta, após a tensão incidente encontrar o final da linha de transmissão.
Similarmente, o termo 𝐼𝑖 na equação 2.21 é a corrente incidente, enquanto que o
termo 𝐼𝑟 é a corrente refletida. A tensão incidente é atenuada por um fator 𝑒 −𝛾𝑥 , e a
tensão refletida, atenuada por um fator 𝑒 𝛾𝑥 , o que só é possível se essa tensão
refletida tiver sentido contrário ao da incidente. O mesmo se aplica à corrente. Como
a constante de propagação é complexa, conforme equação 2.22, então ela pode ser
vista como possuindo uma parte real e uma parte imaginária. A parte real, 𝛼, é
chamada de coeficiente ou constante de atenuação, e a parte imaginária, 𝛽 ,
coeficiente ou constante de fase. A constante de atenuação será sempre um número
positivo, caso contrário, violaria a Primeira Lei da Termodinâmica. Sua unidade é
Neper por metro, ou às vezes dB por metro. A constante de fase, por sua vez,

39
desloca o sinal ao longo da distância, o que significa adicionar uma fase ao mesmo.
Isso justifica o uso da expressão exponencial elevada a um número imaginário. Suas
unidades são radiano por metro ou graus por metro.
A figura 2.4 representa a atenuação da tensão de um sinal propagado numa
linha de transmissão com perdas.

Figura 2.4 – Atenuação de um sinal ao longo de uma linha de transmissão com perdas

O sinal em vermelho representa a tensão incidente sem atenuação, isto é, como ela
se comportaria ao longo da linha caso não fosse constantemente atenuada; o sinal
em azul representa a mesma tensão, mas desta vez com a atenuação progressiva
em função da distância; o sinal em verde representa uma exponencial de
decaimento, que é justamente o coeficiente de atenuação. Observe que esta
exponencial acompanha a envoltória do sinal atenuado, conforme pode ser
constatado pela expressão matemática que indica o decaimento da onda incidente,
na equação 2.20.
As equações 2.20 e 2.22 evidenciam que a constante de atenuação faz variar o
valor da tensão incidente e da tensão refletida em cada ponto. A partir da equação
2.3, concluímos que o coeficiente de reflexão também é função da distância na linha
de transmissão.

40
 Substituindo os valores das tensões incidente e refletida encontrados em 2.20
na equação 2.3, obtemos o coeficiente de reflexão num ponto arbitrário:

𝑉𝑟 𝑒 𝛾𝑥 𝑉𝑟 𝑒 (𝛼+𝑗𝛽)𝑥 𝑉𝑟 𝑒 𝛼𝑥 𝑒 𝑗𝛽𝑥
Γ= = = (2.23)
𝑉𝑖 𝑒 −𝛾𝑥 𝑉𝑖 𝑒 −(𝛼+𝑗𝛽)𝑥 𝑉𝑖 𝑒 −𝛼𝑥 𝑒 −𝑗𝛽𝑥

Considerando que 𝑉𝑟 𝑒 𝛼𝑥 e 𝑉𝑖 𝑒 −𝛼𝑥 são os valores da onda refletida e incidente,

respectivamente, em algum ponto da linha de transmissão, pode-se escrever:

𝑉𝑟 (𝑥 )𝑒 𝑗𝛽𝑥
Γ= = Γ(𝑥 )𝑒 2𝑗𝛽 (2.24)
𝑉𝑖 (𝑥 )𝑒 −𝑗𝛽𝑥

Em que 𝑉𝑟 (𝑥 ) = 𝑉𝑟 𝑒 𝛼𝑥 e 𝑉𝑖 (𝑥 ) = 𝑉𝑖 𝑒 −𝛼𝑥. Fazendo 2𝛽 = 𝜑Γ, obtemos:

Γ = Γ(𝑥 )𝑒 𝑗𝜑Γ (2.25)

A equação 2.25 indica que o coeficiente de reflexão possui amplitude e fase,

isto é, tem uma natureza complexa.
Esta constatação é muito importante para projetos de linhas de transmissão,
especialmente aqueles cuja carga é uma antena. O valor do coeficiente de reflexão
medido na entrada pode variar consideravelmente do valor real no final da linha de
transmissão, justamente no ponto onde a antena será colocada. Essa defasagem
pode gerar erros que inviabilizam o projeto como um todo.
A transmissão de potência da fonte para a carga será máxima se obedecer ao
princípio da máxima transferência de potência. De acordo com este princípio, a
máxima transferência de potência ocorrerá quando a impedância da carga for igual
ao complexo conjugado da impedância de Thévenin entre os terminais da fonte
(BOYLESTAD, 2004). Para o caso em consideração, a impedância de Thévenin
entre os terminais da fonte é a impedância da linha de transmissão, o meio entre a
antena e a fonte. Essa impedância é chamada de impedância característica, e
representada por 𝑍0 . A carga é a antena. Caso a impedância da antena seja igual ao
complexo conjugado da impedância característica da linha de transmissão, os
elementos reativos indutivos serão anulados pelos capacitivos, tornando a
impedância total do conjunto (linha de transmissão e antena) puramente resistiva, e
transferindo, portanto, a máxima potência possível da linha para a antena. Caso não

41
haja casamento de impedância, haverá reflexão de parte da potência, ou de toda
ela, da carga para a linha de volta, o que significa a existência de um coeficiente de
reflexão, Γ, cujas características físicas são previstas na equação 2.25.
A intensidade com que a impedância da carga e da linha estão descasadas é
indicada pelo grau do coeficiente de reflexão, que varia de – 1 até 1. Se Γ for igual a
– 1, então as tensões incidente e refletida estão defasadas de 180º; se Γ for igual a
1, a tensão incidente e refletida estão em fase; e se Γ for igual a zero, implica que
toda a potência transmitida incidente é absorvida pela carga.
A partir de 2.23, é conveniente considerar como referência o final da linha de
transmissão, isto é, a posição onde se localiza a carga, de modo que o valor de 𝑥
nesse ponto seja arbitrariamente tomado como o início (zero). Deste modo, temos:

Γ(𝑥 ) = Γ𝐶 (2.26)

Os pontos à esquerda da carga são considerados como negativos em relação

ao referencial adotado, conforme mostra a figura 2.5.

Figura 2.5 – Linha de transmissão tomada à esquerda da carga como referencial negativo

À medida que se caminha da carga em direção à linha de transmissão, a

componente de fase passa a atuar no coeficiente de propagação. Como o
referencial à esquerda da carga é negativo, a fase adicionada será negativa.

Γ = Γ(𝑥 )𝑒 −2𝛾𝑥 (2.27)

Esta notação é útil e serve de base para cálculos práticos em linhas de

transmissão.

42
2.2.2 Impedância Característica da Linha de Transmissão

Como foi visto na seção anterior, os parâmetros resistivos e reativos de uma

linha de transmissão não são concentrados, mas distribuídos continuamente ao
longo da mesma. O efeito total das impedâncias e reatâncias pela linha de
transmissão é chamado de impedância característica.
Considere a tensão incidente num ponto qualquer da linha de transmissão:

𝑉 = 𝑉𝑖 𝑒 𝛾𝑥 𝑒 −𝑗𝜔𝑡 (2.28)

O termo 𝑒 𝛾𝑥 que acompanha a tensão incidente indica que ela possui um módulo e
uma fase que variam com a sua posição na linha. O termo 𝑒 −𝑗𝜔𝑡 mostra que essa
tensão também varia em função do tempo, possuindo módulo e fase.
Derivando a equação 2.28 em relação a 𝑥:

𝜕𝑉
= 𝛾𝑉𝑖 𝑒 𝛾𝑥 𝑒 −𝑗𝜔𝑡 (2.29)
𝜕𝑥

Derivando novamente em relação a 𝑥:

𝜕2𝑉
2
= 𝛾 2𝑉𝑖 𝑒 𝛾𝑥 𝑒 −𝑗𝜔𝑡 (2.30)
𝜕𝑥

Substituindo 2.28 em 2.30:

𝜕2𝑉
2
= 𝛾 2𝑉 (2.31)
𝜕𝑥

Igualando a equação 2.18 com a equação 2.31:

𝛾 2 𝑉 = 𝑍𝑌𝑉 (2.32)

O que implica:

𝛾 = ±√𝑍𝑌 (2.33)

Resultado similar pode ser encontrado a partir da consideração da corrente num

ponto qualquer da linha de transmissão.
43
 Considere agora a equação 2.7. Convertendo-a para a forma fasorial:

𝜕𝑉
= −(𝑅 + 𝑗𝜔𝐿)𝐼 = −𝑍𝐼 (2.34)
𝜕𝑥

Procedendo da mesma maneira com a equação 2.8, isto é, convertendo-a para

a forma fasorial:

𝜕𝐼
= −(𝐺 + 𝑗𝜔𝐶 )𝑉 = −𝑌𝑉 (2.35)
𝜕𝑥

Substituindo as equações 2.20 e 2.21 em 2.34, obtemos:

𝜕
(𝑉 𝑒 −𝛾𝑥 + 𝑉𝑟 𝑒 𝛾𝑥 ) = −𝑍(𝐼𝑖 𝑒 −𝛾𝑥 + 𝐼𝑟 𝑒 𝛾𝑥 ) (2.36)
𝜕𝑥 𝑖

Derivando o lado esquerdo de 2.36:

−𝛾𝑉𝑖 𝑒 −𝛾𝑥 + 𝛾𝑉𝑟 𝑒 𝛾𝑥 = −𝑍(𝐼𝑖 𝑒 −𝛾𝑥 + 𝐼𝑟 𝑒 𝛾𝑥 ) (2.37)

Igualando os coeficientes 𝑒 −𝛾𝑥 ou, opcionalmente, 𝑒 𝛾𝑥 , obtemos:

𝑉𝑖 𝑍 𝑉𝑖 𝑍
−𝛾𝑉𝑖 = −𝑍𝐼𝑖 ⟹ = ⟹ = (2.38)
𝐼𝑖 𝛾 𝐼𝑖 √𝑍𝑌

O que resulta, finalmente, em:

𝑉𝑖 𝑍
=√ (2.39)
𝐼𝑖 𝑌

A impedância característica é dada pela relação entre a tensão e a corrente

num ponto arbitrário da linha de transmissão. Portanto, a equação 2.39 pode ser
mais bem representada como:

𝑍
𝑍𝑜 = √ (2.40)
𝑌

Levando em conta que 𝑍 = 𝑅 + 𝑗𝜔𝐿 e 𝑌 = 𝐺 + 𝑗𝜔𝐶, a equação 2.40 conduz a:

44
 𝑅 + 𝑗𝜔𝐿
𝑍𝑜 = √ (2.41)
𝐺 + 𝑗𝜔𝐶

A equação 2.41 mostra que a impedância característica depende apenas dos

parâmetros da linha, os quais se encontram distribuídos continuamente ao longo da
mesma. Se a impedância característica for casada com a impedância da carga, não
haverá coeficiente de reflexão. Caso não haja o casamento de impedâncias e,
consequentemente, não ocorra a máxima transferência de potência da linha para a
carga, o coeficiente de reflexão terá um valor específico.

Pode-se determinar a relação entre impedância característica, impedância da

carga e coeficiente de reflexão da maneira a seguir.
Considere a equação 2.20. Derivando-a em relação a x, obtemos:

𝜕𝑉
= −𝛾𝑉𝑖 𝑒 −𝛾𝑥 + 𝛾𝑉𝑟 𝑒 𝛾𝑥 (2.42)
𝜕𝑥

Agora considere a equação 2.34. Isolando a corrente 𝐼 :

𝜕𝑉 1
𝐼=− ∙ (2.43)
𝜕𝑥 𝑍

Substituindo 2.42 em 2.43:

𝛾𝑉𝑖 𝑒 −𝛾𝑥 − 𝛾𝑉𝑟 𝑒 𝛾𝑥

𝐼= (2.44)
𝑍

Para se encontrar a impedância na carga, estabelecemos que 𝑥 = 0 e 𝑡 = 0.

Dessa maneira, 𝑉 = 𝑉𝐶 , 𝐼 = 𝐼𝐶 , e a equação 2.43 se torna:

𝛾𝑉𝑖 𝑒 −𝛾0 − 𝛾𝑉𝑟 𝑒 𝛾0

𝐼𝐶 = ⟹ 𝑍𝐼𝐶 = 𝛾𝑉𝑖 − 𝛾𝑉𝑟 ⟹ 𝑍𝐼𝐶 = 𝛾(𝑉𝑖 − 𝑉𝑟 ) (2.45)
𝑍

E a equação 2.20 se torna:

𝑉𝐶 = 𝑉𝑖 𝑒 −𝛾0 + 𝑉𝑟 𝑒 𝛾0 ⟹ 𝑉𝐶 = 𝑉𝑖 + 𝑉𝑟 ⟹ 𝑉𝑟 = 𝑉𝐶 − 𝑉𝑖 (2.46)

45
 Substituindo 2.33 e 2.46 em 2.45:
𝑍
𝑍𝐼𝐶 = √𝑍𝑌[𝑉𝑖 − (𝑉𝐶 − 𝑉𝑖 )] ⟹ 𝐼𝐶 = 𝑉𝑖 − 𝑉𝐶 − 𝑉𝑖 (2.47)
√𝑍𝑌

Desenvolvendo a expressão:

𝑍 1 𝑍
√ 𝐼𝐶 = 2𝑉𝑖 − 𝑉𝐶 ⟹ 𝑉𝑖 = (√ 𝐼𝐶 + 𝑉𝐶 ) (2.48)
𝑌 2 𝑌

𝑍
De acordo com a equação 2.40, o termo √ é a impedância característica.
𝑌

Portanto:

1
𝑉𝑖 = (𝑉 + 𝑍0 𝐼𝐶 ) (2.49)
2 𝐶

A partir de 2.46 isolamos 𝑉𝑖 :

𝑉𝑖 = 𝑉𝐶 − 𝑉𝑟 (2.50)

Da mesma forma como fizemos para encontrar 𝑉𝐶 , substituímos 2.33 e 2.50

em 2.45, rearranjamos os termos e encontramos:

1
𝑉𝑟 = (𝑉 − 𝑍0 𝐼𝐶 ) (2.51)
2 𝐶

Substituindo os valores de 𝑉𝑖 e 𝑉𝑟 em 𝑉 (𝑥 ) = 𝑉𝑖 𝑒 −𝛾𝑥 + 𝑉𝑟 𝑒 𝛾𝑥 (equação

2.20), obtemos:

1
𝑉 (𝑥 ) = [(𝑉 + 𝑍0 𝐼𝐶 )𝑒 −𝛾𝑥 + (𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 ] (2.52)
2 𝐶

O termo à direita na equação 2.52 é a tensão refletida da carga para a linha, e

o termo à esquerda é a tensão incidente na carga. A partir de 2.3:

𝑉𝑟𝑒𝑓𝑙𝑒𝑡𝑖𝑑𝑎 1/2(𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 (𝑉𝐶 − 𝑍0 𝐼𝐶 ) −2𝛾𝑥

Γ= = = 𝑒 (2.53)
𝑉𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒 1/2(𝑉𝐶 + 𝑍0 𝐼𝐶 )𝑒 −𝛾𝑥 (𝑉𝐶 + 𝑍0 𝐼𝐶 )

46
 Dividindo o numerador e o denominador por 𝐼𝐶 :

𝑍𝐶 − 𝑍0 −2𝛾𝑥
Γ= 𝑒 (2.54)
𝑍𝐶 + 𝑍0

A equação 2.54 relaciona a impedância característica ( 𝑍0 ), a impedância da

carga (𝑍𝐶 ) e o coeficiente de reflexão (Γ), em algum ponto da linha de transmissão.
Se a impedância da carga estiver casada com a impedância característica, o
coeficiente de reflexão será zero, conforme mencionado. Se a linha terminar em
curto circuito, o coeficiente de reflexão será – 1, pois neste caso 𝑍𝐶 = 0; então, a
tensão incidente e a tensão refletida estarão defasadas de 180º. Se a linha terminar
em circuito aberto, o coeficiente de reflexão será igual a 1, pois 𝑍𝐶 = ∞; a tensão
incidente estará em fase com a tensão refletida [MIANO, 2001].
Para encontrarmos o coeficiente de reflexão na carga ( Γ𝐶 ), basta fazermos

𝑥 = 0 na equação 2.54:

𝑍𝐶 − 𝑍0
Γ𝐶 = (2.54)
𝑍𝐶 + 𝑍0

O módulo do coeficiente de reflexão não é constante em uma linha com

perdas, o que torna o cálculo mais difícil. Devido à sua natureza complexa, o
coeficiente de reflexão fará com que a tensão refletida tenha uma redução de
amplitude e um deslocamento na frequência, em relação à tensão incidente.
Um projeto de transmissão com antenas deve visar a máxima redução do
coeficiente de reflexão. Muitos métodos de casamento de impedância entre linha de
transmissão e antena são empregados. Conforme será visto posteriormente, a
variação da frequência do sinal também altera a impedância da antena.
Sempre que duas linhas com impedâncias diferentes forem ligadas, haverá
reflexão na passagem de uma linha para outra. Caso contrário, as condições de
contorno entre uma fronteira e outra não seriam satisfeitas. Este fenômeno se torna
ainda mais problemático quando tensões senoidais são propagadas ao longo da
linha de transmissão, fazendo surgir inúmeras reflexões com diferentes harmônicos.

47
2.2.3 Perda de Retorno

Como vimos, quando não há casamento de impedância entre a linha de

transmissão e antena, ou entre duas linhas consecutivas, parte da potência é
refletida de volta e, portanto, perdida no processo. A perda de retorno, ou return
loss, em inglês, mede o quanto de potência foi refletida da carga para a linha. É
semelhante ao coeficiente de reflexão, porém, ao invés de tensões refletida e
incidente, a perda de retorno considera a potência refletida ( 𝑃𝑟 ) e a potência
incidente (𝑃𝑖 ). Em termos matemáticos:

𝑃𝑟
𝑆𝑡 = 10 log (𝑑𝐵) (2.55)
𝑃𝑖

Em que 𝑆𝑡 é a perda de retorno dada em decibéis. Na literatura, seus valores são

sempre negativos, no caso de reflexão parcial, ou zero, no caso de reflexão total.
Mas trata-se apenas de uma convenção. O que deve ficar claro é que a potência
refletida jamais pode ser maior do que a potência incidente, para não violar a
Primeira Lei da Termodinâmica.
É desejável que a perda de retorno tenha o mais baixo valor negativo possível.
Se 𝑆𝑡 = 0 , a potência incidente é igual à potência refletida. Se 𝑆𝑡 = −20 𝑑𝐵 ,
então a cada 10 watts de potência incidente, 0,1 watts são refletidos de volta, ou
seja, 1%.
A perda de retorno é um dentre os vários Parâmetros de Dispersão,
conhecidos em inglês como Scattering parameters ou, simplesmente, Parâmetros S.
Diferentemente dos parâmetros de admitância (Y) ou dos parâmetros de impedância
(Z), os quais utilizam redes elétricas lineares em curto ou abertas, os parâmetros S
utilizam cargas para indicar a relação entre a fonte e o terminal. Além da perda de
retorno, existem vários outros parâmetros S tais como o ganho de amplificação, a
VSWR e o coeficiente de reflexão, por exemplo.

48
2.2.4 VSWR – Voltage Standing Wave Ratio

A VSWR é conhecida na língua portuguesa como ROE (Relação de Onda

Estacionária). Aqui será mantida a sigla em inglês.
Conforme vimos no início desta seção, a onda estacionária na linha de
transmissão varia entre os ventres (valores máximos) e os nodos (valores nulos).
Entretanto, em sistemas reais, a reflexão está entre 0 e 100%, e por isso a tensão
não apresenta valor zero em nenhum ponto. Ao invés, a onda será composta por
uma componente viajante e outra componente estacionaria. Os valores máximos e
mínimos podem ser medidos através de medidores simples de onda estacionária; a
relação entre os valores máximos e mínimos determina o coeficiente de reflexão, a
perda de retorno e a VSWR.
A medição da VSWR é de vital importância em estações transmissoras de
rádio, para que ocorra uma adequada transferência de potência entre o aparelho
transmissor e a antena, e entre estes e a linha de transmissão. A presença de ondas
estacionárias em grande amplitude pode danificar componentes eletrônicos no
transmissor, além de representar um desperdício de energia.
A VSWR é usualmente expressa a partir de sua relação com o coeficiente de
reflexão:
1+|Γ|
𝑉𝑆𝑊𝑅 =. (𝑑𝐵) (2.56)
1−|Γ|

Cuja unidade também é dada em decibéis.

Como exemplo, se a tensão incidente for de 9 volts e a refletida de 1,8 volts,
então, de acordo com a equação 2.3:
1,8
Γ= = 0,2 𝑑𝐵
9
A potência refletida será de 4% (pois a potência é proporcional ao quadrado da
tensão). Utilizando a equação 2.56, a VSWR neste caso será de:
1+|0,2|
𝑉𝑆𝑊𝑅 =. = 1,5 𝑑𝐵
1−|0,2|
Uma VSWR de até 2 é considerada aceitável para a maioria das aplicações em
antenas, situação em que o sistema é considerado como tendo um bom casamento
de impedância entre a linha de transmissão e a antena.

49
2.2.5 Antena como Continuação da Linha de Transmissão

Conforme vimos na figura 2.2, uma abertura da linha de transmissão faz surgir
um campo variável que se propaga além do meio guiado. Este segmento modificado
da linha de transmissão pode ser definido, então, como uma antena.
A abertura assim considerada, isto é, a antena, é analisada como um elemento
à parte no conjunto transmissor. Apresenta impedância diferente da existente na
linha de transmissão e possui forma de propagação dos campos elétricos e
magnéticos que, embora se assemelhe matematicamente à maneira como tais
propriedades se manifestam na linha de transmissão, é essencialmente diverso.
Considere a figura 2.6.

Figura 2.6 – Linha de transmissão terminada com uma antena dipolo

Ela representa uma linha de transmissão que foi dobrada em suas

extremidades num ângulo exato de 90°. A parte dobrada é a conhecida antena
dipolo. Desta maneira, o sistema pode ser analisado como tendo duas entidades
separadas: a linha de transmissão e a antena.
De acordo com a análise das condições de contorno dentro da teoria do
eletromagnetismo, o comportamento dos campos elétricos e magnéticos é alterado
por limites, contornos ou fronteiras existentes no meio de propagação,
interrompendo o fluxo e dando origem a campos que serão refletidos, refratados,
difratados ou dispersos [Sadiku, 2004] [Gross, 2015] [Hayt & Buck, 2010]. O sistema

50
apresentado na figura 2.6 possui uma grande descontinuidade entre a linha de
transmissão e a antena, o que resulta numa reflexão de parte da energia de volta à
fonte. A outra parte será irradiada no espaço livre.
Existe uma frequência na qual a antena irá irradiar a maior quantidade de
energia possível, e frequências nas quais haverá grande reflexão entre a linha de
transmissão e a antena. No primeiro caso, dizemos que a antena é ressonante.
Se a frequência do sinal for tal que o tamanho do dipolo seja menor do que
0,25 vezes o tamanho do comprimento de onda desse sinal, então o dipolo
apresentará uma reatância capacitiva. Isso pode ser demonstrado como segue.

Considere a equação 2.52, reproduzida novamente por conveniência.

1
𝑉 (𝑥 ) = [(𝑉 + 𝑍0 𝐼𝐶 )𝑒 −𝛾𝑥 + (𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 ]
2 𝐶

Um raciocínio análogo leva à corrente numa linha de transmissão, e cujo

resultado final é mostrado na equação 2.57 abaixo.

1
𝐼 (𝑥 ) = [(𝑉 + 𝑍0 𝐼𝐶 )𝑒 −𝛾𝑥 − (𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 ] (2.57)
2𝑍0 𝐶

Para encontrarmos a impedância num ponto específico, dividimos a tensão

naquele local pela corrente nesse mesmo lugar. Ou seja, dividimos a equação 2.52
pela equação 2.57.

1
𝑉 (𝑥 ) [(𝑉𝐶 + 𝑍0 𝐼𝐶 )𝑒 −𝛾𝑥 + (𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 ]
𝑍 (𝑥 ) = = 2 (2.58)
𝐼 (𝑥 ) 1
[( ) −𝛾𝑥 − (𝑉𝐶 − 𝑍0 𝐼𝐶 )𝑒 𝛾𝑥 ]
2𝑍0 𝑉𝐶 + 𝑍0 𝐼𝐶 𝑒

Dividindo o numerador e o denominador por 1/𝐼𝐶

1 𝑉𝐶 𝐼 𝑉 𝐼
[( + 𝑍0 𝐶 ) 𝑒 −𝛾𝑥 + ( 𝐶 − 𝑍0 𝐶 ) 𝑒 𝛾𝑥 ]
2 𝐼𝐶 𝐼𝐶 𝐼𝐶 𝐼𝐶
𝑍 (𝑥 ) = (2.59)
1 𝑉𝐶 𝐼𝐶 −𝛾𝑥 𝑉𝐶 𝐼𝐶 𝛾𝑥
[( + 𝑍0 ) 𝑒 − ( − 𝑍 ]
2𝑍0 𝐼𝐶 𝐼𝐶 𝐼𝐶 0 𝐼𝐶 ) 𝑒

51
 O que pode ser simplificado para

1
[(𝑍𝐶 + 𝑍0 )𝑒 −𝛾𝑥 + (𝑍𝐶 − 𝑍0 )𝑒 𝛾𝑥 ]
𝑍 (𝑥 ) = 2 (2.60)
1
[( ) −𝛾𝑥 − (𝑍𝐶 − 𝑍0 )𝑒 𝛾𝑥 ]
2𝑍0 𝑍𝐶 + 𝑍0 𝑒

O que pode ser rearranjado como:

𝑍𝐶 𝑒 −𝛾𝑥 + 𝑍0 𝑒 −𝛾𝑥 + 𝑍𝐶 𝑒 𝛾𝑥 − 𝑍0 𝑒 𝛾𝑥
𝑍(𝑥 ) = 𝑍0 (2.61)
𝑍𝐶 𝑒 −𝛾𝑥 + 𝑍0 𝑒 −𝛾𝑥 − 𝑍𝐶 𝑒 𝛾𝑥 + 𝑍0 𝑒 𝛾𝑥

Agrupando os termos 𝑍0 e 𝑍𝐶 :

𝑍𝐶 (𝑒 𝛾𝑥 + 𝑒 −𝛾𝑥 ) − 𝑍0 (𝑒 𝛾𝑥 − 𝑒 −𝛾𝑥 )
𝑍(𝑥 ) = 𝑍0 (2.62)
𝑍0 (𝑒 𝛾𝑥 + 𝑒 −𝛾𝑥 ) − 𝑍𝐶 (𝑒 𝛾𝑥 − 𝑒 −𝛾𝑥 )

Dividindo o numerador e o denominador por (𝑒 𝛾𝑥 + 𝑒 −𝛾𝑥 ):

(𝑒 𝛾𝑥 − 𝑒 −𝛾𝑥 )
𝑍𝐶 − 𝑍0
(𝑒 𝛾𝑥 + 𝑒 −𝛾𝑥 )
𝑍(𝑥 ) = 𝑍0 (2.63)
(𝑒 𝛾𝑥 − 𝑒 −𝛾𝑥 )
𝑍0 − 𝑍𝐶 ( 𝛾𝑥
𝑒 + 𝑒 −𝛾𝑥 )

Sabendo-se que os termos exponenciais entre parênteses equivalem à

tangente hiperbólica de 𝛾𝑥, a equação 2.63 é melhor apresentada como:

𝑍𝐶 − 𝑍0 𝑡𝑔ℎ 𝛾𝑥
𝑍(𝑥 ) = 𝑍0 (2.64)
𝑍0 − 𝑍𝐶 𝑡𝑔ℎ 𝛾𝑥

Considerando-se como referência de deslocamento o ponto onde se situa a

carga, de modo que a linha à esquerda tenha deslocamento negativo, resulta:

𝑍𝐶 + 𝑍0 𝑡𝑔ℎ 𝛾𝑥
𝑍(𝑥 ) = 𝑍0 (2.65)
𝑍0 + 𝑍𝐶 𝑡𝑔ℎ 𝛾𝑥

52
 Para linhas de transmissão de alta frequência, os efeitos reativos imperam
sobre os resistivos. Ou seja, o coeficiente de atenuação se reduz a:

𝛾 = 𝑗𝜔√𝐿𝐶 (2.66)

Dessa maneira, a equação 2.65 se simplifica para:

𝑍𝐶 + 𝑗𝑍0 𝑡𝑔 𝛽𝑥
𝑍(𝑥 ) = 𝑍0 (2.67)
𝑍0 + 𝑗𝑍𝐶 𝑡𝑔 𝛽𝑥

Isso indica que somente a constante de fase é levada em conta, sendo a

constante de atenuação considerada próxima de zero.
Um dipolo pode ser aproximado por uma linha de transmissão terminada em
circuito aberto. Neste caso, a impedância da carga ( 𝑍𝐶 ) será infinita. Então, a
equação 2.67 se reduz a:

𝑍(𝑥 ) = −𝑗𝑍0 𝑐𝑜𝑡𝑔 𝛽𝑥 (2.68)

O comportamento do gráfico da equação 2.68 pode ser ilustrado na figura 2.7:

Figura 2.7 – Comportamento de uma linha de transmissão terminada em circuito aberto

Quanto menor o comprimento do dipolo em relação ao comprimento de onda,

mais capacitiva será a reatância [BALANIS, 2009].

53
2.3 PRINCÍPIOS BÁSICOS DE ANTENAS

A antena é o dispositivo que irradia onda eletromagnética no espaço livre. A

radiação somente ocorrerá se houver uma perturbação dos campos elétricos e
magnéticos, tal como uma descontinuidade que provoque uma mudança brusca na
direção da carga, ou uma aceleração/desaceleração da mesma, através de uma
fonte alternada. Na prática, a segunda forma é utilizada e a primeira é evitada.
Considere um dipolo elétrico, conforme mostrado na figura 2.8 (a). Para efeito
de simplificação, somente uma linha de campo elétrico é ilustrada.

Figura 2.8 – Linhas de campo de um dipolo elétrico em movimento, nos vários instantes de tempo

O dipolo se move a uma velocidade constante, de tal maneira que a posição de

cada polo é indicada nos vários instantes de tempo t1, t2, t3 e t4 em 2.8(a), (b), (c) e
(d), respectivamente. As linhas de campo de movem junto com a carga, e o campo
elétrico é constante.
Considere agora que o dipolo elétrico da figura 2.8 é acelerado para o centro,
ao invés de se movimentar com velocidade contínua. Isso implica uma taxa de
variação do campo elétrico que antes era contínuo, causando uma deformação no
mesmo e inclinando-o para que possa dar continuidade ao campo elétrico no
instante imediatamente anterior. A figura 2.9 (a), (b), (c) e (d) ilustra o fenômeno,
para os instantes t1, t2, t3 e t4, respectivamente.
A perturbação assim formada assume uma característica peculiar, que é a de
ser capaz de continuar seu percurso ao longo da direção radial do campo elétrico,
54
mesmo que a carga deixe de ser acelerada, posteriormente. Pode ser constatado
também que a perturbação do campo elétrico causada pela aceleração da carga
gerou uma componente transversal, além da componente radial, isto é, uma
componente contida num plano cuja normal é a direção de propagação. Daí o nome
onda transversa eletromagnética (TEM).

Figura 2.9 – Linhas de campo de um dipolo elétrico em movimento acelerado, nos vários instantes de tempo

Este comportamento pode ser constatado a partir da análise das equações de

Maxwell, conforme foram reproduzidas em 2.1a, b, c e d. Segundo a equação 2.1a,
um campo elétrico que possui uma taxa de variação no tempo, num ponto
determinado, gera um campo magnético com rotacional neste ponto, o que significa
⃗ . Adicionalmente, o campo magnético assim gerado
uma variação espacial de 𝐻
também varia com o tempo, naquele ponto específico do espaço, gerando um
campo elétrico com rotacional naquele ponto, conforme equação 2.1b. O processo
se repete continuamente, deslocando o campo elétrico a uma determinada distância
do distúrbio original, distância essa que dependerá da taxa de variação da
velocidade da carga [HAYT 2010].
Como a variação espacial dos campos elétricos e magnéticos formados
ocorrerá somente na direção normal ao plano transversal, as equações 2.1a e 2.1b
podem ser expressas por meio das equações 2.69 e 2.70, respectivamente,
tomando-se como referência o sistema de coordenadas cartesianas e levando-se
em conta que o campo elétrico esteja polarizado na direção x, de modo que a onda

55
eletromagnética se propague na direção z. Pois os termos referentes ao rotacional
tanto do campo elétrico como do campo magnético se reduzem a um único termo.
𝜕𝐸𝑥 𝜕𝐻𝑦
= −𝜇0 (2.69)
𝜕𝑧 𝜕𝑡
𝜕𝐻𝑦 𝜕𝐸𝑥
= −𝜖0 (2.70)
𝜕𝑧 𝜕𝑡

As equações 2.69 e 2.70 se comparam às equações telegráficas para a linha

de transmissão sem perdas, situação em que R = 0 e G = 0, nas equações 2.11 e
2.16. Isso comprova o que foi dito acima: a propagação das ondas eletromagnéticas
é matematicamente igual à propagação nas linhas de transmissão, embora seja um
fenômeno essencialmente diferente.
As ondas eletromagnéticas transportam energia e informação de um ponto a
outro do espaço. Numa fonte pontual, a radiação se propaga em todas as direções,
o que sugere, visualmente, a analogia com uma esfera crescente a partir da fonte
geradora. A superfície é a frente de onda, conforme representado na figura 2.10.

Figura 2,10 – Propagação de uma fonte pontual em vários instantes de tempo

Os vários instantes de tempo apresentados em 2.10(a), (b) e (c) mostram que a

energia eletromagnética se afasta do centro na direção radial. Como a intensidade
de radiação é idêntica em todas as direções, a fonte pontual é referida como
radiador isotrópico. Esse tipo de antena não é realizável fisicamente, mas serve de
parâmetro para encontrarmos e analisarmos os vários parâmetros das antenas
reais, principalmente a intensidade de radiação e, consequentemente, a diretividade.
Uma área específica da esfera de radiação forma um ângulo sólido, ou
esterradiano. O somatório da energia irradiada por todos os ângulos sólidos
corresponde à energia total irradiada.
56
2.3.1 Diagrama de Radiação de Campo Distante

O raio da esfera de propagação da figura 2.10 possui um valor suficientemente

grande comparado com o tamanho da fonte, pois esta é considerada como tendo
comprimento infinitesimal. Na prática, utilizam-se antenas de variados formatos, com
comprimentos que variam de frações do comprimento de onda do sinal até múltiplos
desse comprimento de onda. Então, não teremos mais uma radiação no formato
perfeitamente esférico, já que os campos elétricos e magnéticos se concentrarão em
regiões específicas do espaço.
Nas proximidades da antena, os campos reativos predominam sobre os
radiados de valor real [STUTZMAN 1981]. Numa fonte pontual fictícia, esses efeitos
reativos podem ser ignorados. Então, dizemos que para essa fonte pontual o campo
esférico é um campo distante. Seguindo este raciocínio, se quisermos encontrar o
campo distante de uma antena, isto é, uma superfície onde o tamanho de seu raio
seja infinitamente maior que o tamanho da antena, basta tomarmos uma distância
suficientemente grande e realizarmos as devidas análises.
Considera-se como limite do campo distante um raio de aproximadamente
2𝐷 2 /𝜆, embora este valor possa variar para antenas de múltiplos feixes ou outras
também sensíveis a variações de fase ao longo de suas aberturas [BALANIS 2009].
Uma vez estabelecida esta região, os campos terão um comportamento semelhante
ao de uma onda plana e amplitude que varia com o inverso do raio, ao invés de
variarem com o inverso do quadrado do raio, para campos próximos reativos.
O diagrama de radiação é uma representação gráfica das propriedades de
radiação da antena, em função de coordenadas espaciais. Dentre as principais
propriedades destacam-se a intensidade de radiação, diretividade e polarização,
além de várias outras. O diagrama de radiação é o mais importante parâmetro de
análise de uma antena, e o mais utilizado nos manuais técnicos das antenas
comerciais.
A figura 2.11 ilustra o diagrama de radiação da antena externa VHF/UHF/HDTV
de 6dBi, modelo DTV-3000 da Aquário®. Conforme se pode observar, são
representados os dois planos principais: o plano de azimute, ou azimutal, e o plano
de elevação. O plano de azimute corresponde àquele formado pelos eixos x e y do
sistema cartesiano de coordenadas, ou o plano 𝜃 = 𝜋/2 no sistema de coordenadas

57
esféricas. O plano de elevação corresponde àquele formado pelos eixos x e z do
sistema cartesiano, ou o plano 𝜙 = 0 em coordenadas esféricas.

Figura 2.11 – Diagrama de Radiação para o modelo DTV-3000 da Aquário®.

Manual técnico encontrado em: www.aquario.com.br

O diagrama da antena apresentada como exemplo é direcional, tanto no plano

azimutal quanto no plano de elevação. Isso significa que a energia irradiada se
concentra exatamente na região mostrada no diagrama.
A variação do campo radiado em função dos ângulos 𝜃 e 𝜙 depende da
geometria da antena. O tipo mais básico é a antena dipolo, mostrada anteriormente
na figura 2.6. No plano azimutal, seu diagrama de radiação se assemelha ao que é
mostrado na figura 2.12, obtido a partir do software de simulação HFSS da Ansoft®.
O comprimento da antena é exatamente igual ao comprimento de onda.

Figura 2.12 – Diagrama de radiação no plano azimutal para a antena dipolo

58
2.3.2 Potencial Vetor Magnético

Dado um vetor arbitrário 𝐴, a identidade vetorial

∇∙∇×𝐴=0 (2.71)

e a equação de Maxwell na forma pontual

⃗ =0
∇∙𝐵 (2.72)

nos permitem escrever

⃗ = ∇∙∇×𝐴=0
∇∙𝐵 (2.73)

⃗ é a densidade de fluxo magnético (Wb/m2). Ou seja, o vetor densidade de

sendo 𝐵
⃗ pode ser considerado como o rotacional de um outro vetor 𝐴, que
fluxo magnético 𝐵
recebeu o nome de potencial vetor magnético e é uma função potencial auxiliar
bastante útil na determinação de campos elétricos e magnéticos, principalmente de
⃗ deve ter divergência nula.
antenas. O vetor 𝐴, satisfaz à condição de que 𝐵

⃗ =∇×𝐴
𝐵 (2.74)

A densidade de campo magnético é dada pela relação

⃗ = 𝜇𝐻
𝐵 ⃗ (2.75)

⃗ é o campo magnético (ampères por metro, A/m) e  é a permeabilidade

em que 𝐻
magnética (henry por metro, H/m). Igualando as equações (2.74) e (2.75):
⃗ = 𝜇𝐻
𝐵 ⃗ = ∇×𝐴 (2.76)

⃗:
Isolando 𝐻

⃗⃗⃗⃗
⃗ = ∇×𝐴
𝐻 (2.77)
𝜇

59
 ⃗
Invocando a equação de Maxwell 2.1a, podemos substituir o valor de 𝐵
expresso na equação 2.75, obtendo:

⃗⃗⃗⃗
𝜕𝜇𝐻
∇ × 𝐸⃗ = − (2.78)
𝜕𝑡

Colocando para fora da derivada parcial a permeabilidade magnética, que é

uma constante, e escrevendo na forma fasorial, encontramos:

∇ × 𝐸⃗ = −𝑗𝜔𝜇𝐻
⃗ (2.79)

Substituindo (2.77) em (2.79),

⃗⃗⃗⃗
𝑗𝜔𝜇∇×𝐴
∇ × 𝐸⃗ = − .= −𝑗𝜔∇ × 𝐴 (2.80)
𝜇

Organizando os termos

∇ × 𝐸⃗ + 𝑗𝜔∇ × 𝐴 = 0 (2.81)

Utilizando as propriedades do rotacional para o operador gradiente:

∇ × [𝐸⃗ + 𝑗𝜔𝐴] = 0 (2.82)

Agora considere uma função escalar Ve que representa um potencial escalar

eletrostático arbitrário. Usando a identidade vetorial

∇ × ∇𝑉𝑒 = 0 (2.83)

essa função pode ser reescrita como

∇ × (−∇𝑉𝑒 ) = 0 (2.84)
O sinal negativo não altera o valor da expressão.
Igualando (2.82) e (2.84):

∇ × [𝐸⃗ + 𝑗𝜔𝐴] = ∇ × (−∇𝑉𝑒 ) (2.85)

Eliminando a operação de produto vetorial nos dois lados da equação:

60
 𝐸⃗ + 𝑗𝜔𝐴 = −∇𝑉𝑒 (2.86)

Isolando 𝐸⃗ :

𝐸⃗ = −∇𝑉𝑒 − 𝑗𝜔𝐴 (2.87)

Tomando o rotacional de ambos os lados da equação (2.76)

⃗ ) = ∇ × (∇ × 𝐴)
∇ × (𝜇𝐻 (2.88)

Aplicamos a identidade vetorial

∇ × ∇ × 𝐴 = ∇(∇ ∙ 𝐴) − ∇2 𝐴 (2.89)

Depois igualamos (2.88) e (2.89), resultando em:

⃗ ) = ∇(∇ ∙ 𝐴) − ∇2 𝐴
∇ × (𝜇𝐻 (2.90)

Para um meio homogêneo, a equação 2.90 pode ser reescrita como

⃗ = ∇(∇ ∙ 𝐴) − ∇2 𝐴
μ∇ × 𝐻 (2.91)

Dada a equação de Maxwell na forma fasorial

⃗ = 𝐽 + 𝑗𝜔𝜖𝐸⃗
∇×𝐻 (2.92)

em que 𝐽 é o vetor densidade de corrente de convecção e 𝜖 a permissividade dada

em farad por metro (F/m), podemos substituir esta equação em (2.91), obtendo

𝜇[𝐽 + 𝑗𝜔𝜖𝐸⃗ ] = ∇(∇ ∙ 𝐴) − ∇2 𝐴 (2.93)

Reorganizando os termos:
𝜇𝐽 + 𝑗𝜔𝜇𝜖𝐸⃗ = ∇(∇ ∙ 𝐴) − ∇2 𝐴 (2.94)

Substituindo (2.87) em (2.94),

𝜇𝐽 + 𝑗𝜔𝜇𝜖(−∇𝑉𝑒 − 𝑗𝜔𝐴) = ∇(∇ ∙ 𝐴) − ∇2 𝐴 (2.95)

ou
61
 𝜇𝐽 − ∇(𝑗𝜔𝜇𝜖𝑉𝑒 ) − 𝑗 2 𝜔2 𝜇𝜖𝐴 = ∇(∇ ∙ 𝐴) − ∇2 𝐴 (2.96)

que pode ser reescrito como

∇2 𝐴 + 𝜔2 𝜇𝜖𝐴 = −𝜇𝐽 + ∇(∇ ∙ 𝐴) + ∇(𝑗𝜔𝜇𝜖𝑉𝑒 ) (2.97)

O número de onda é dado por

𝜔
𝑘 =. (2.98)
𝑐

Sua unidade é radianos por metro (rad/m);  é a frequência angular (rad/s) da onda
eletromagnética e c é a velocidade da luz (m/s)

1
𝑐 =. (2.99)
√𝜇𝜖

Substituindo (2.99) em (2.98):

𝜔
𝑘 =. .= 𝜔√𝜇𝜖 (2.100)
1/√𝜇𝜖

o que equivale a

𝑘 2 = 𝜔2 𝜇𝜖 (2.101)

Substituindo (2.101) em (2.97) e rearranjando os termos,

∇2 𝐴 + 𝑘 2 𝐴 = −𝜇𝐽 + ∇(∇ ∙ 𝐴 + 𝑗𝜔𝜇𝜖𝑉𝑒 ) (2.102)

Considere a conhecida condição de Lorentz:

∇ ∙ 𝐴 = −𝑗𝜔𝜖𝜇𝑉𝑒 (2.103)
ou, de forma equivalente,

1
𝑉𝑒 =.− .∇ ∙ 𝐴 (2.104)
𝑗𝜔𝜇𝜖

Pode-se substituir a equação (2.104) na equação (2.102), resultando em:

∇2 𝐴 + 𝑘 2 𝐴 = −𝜇𝐽 (2.105)
62
O que corresponde a uma forma mais simplificada da equação (2.102). Essa
equação (2.105) é chamada de equação não-homogênea de Helmholtz.
Considere que uma fonte esteja posicionada na origem do sistema de
coordenadas cartesianas, e que exista uma densidade de corrente 𝐽 orientada na
direção do eixo z, no sentido crescente. Assim, somente existirá a componente na
direção 𝑎
⃗⃗⃗⃗𝑧 tanto para 𝐽 quanto para 𝐴. Então, a equação (2.105) é reescrita como

∇2 𝐴 + 𝑘 2 𝐴 = −𝜇𝐽 (2.106)

com a ressalva de que, agora, trata-se de escalares A e J na direção ⃗⃗⃗⃗

𝑎𝑧 , e não mais
de vetores. Em pontos exteriores à fonte, a densidade de corrente é nula.

∇2 𝐴 + 𝑘 2 𝐴 = 0 (2.107)

Torna-se mais conveniente agora utilizar o sistema de coordenadas esféricas,

ao invés do sistema cartesiano. Usando a conhecida transformação

1 𝜕 𝜕𝐴 1 𝜕 𝜕𝐴 1 𝜕2 𝐴
∇2 𝐴 =.. .(𝑟 2
. ) + .(𝑠𝑒𝑛𝜃.. ) + (2.108)
𝑟 2 𝜕𝑟 𝜕𝑟 𝑟 2 𝑠𝑒𝑛𝜃 𝜕𝜃 𝜕𝜃 𝑟 2𝑠𝑒𝑛2𝜃 𝜕𝜑2

E sabendo que o escalar A não é função de θ e , essa equação (2.108) pode ser
resumida para

1 𝜕 𝜕𝐴
∇2 𝐴 =.. 2 .(𝑟 2. ) (2.109)
𝑟 𝜕𝑟 𝜕𝑟

O escalar A na direção z é uma função do raio (r). Por isso, podemos substituir a
equação (2.109) em (2.107):

1 𝜕 𝜕𝐴
.. 2 .(𝑟 2. ) + 𝑘2 𝐴 = 0 (2.110)
𝑟 𝜕𝑟 𝜕𝑟
Sendo A função apenas de r, pode-se substituir a derivada parcial pela derivada
ordinária. Assim, a equação (2.110) pode ser rearranjada para

𝑑2 𝐴 2 𝑑𝐴
+ 𝑟 𝑑𝑟 + 𝑘 2𝐴 = 0 (2.111)
𝑑𝑟 2

Essa equação diferencial de segunda ordem possui duas soluções independentes:

63
 𝑒 −𝑗𝑘𝑟
𝐴1 = 𝑐1 (2.112)
𝑟
𝑒 +𝑗𝑘𝑟
𝐴2 = 𝑐2 (2.113)
𝑟

em que c1 e c2 são duas constantes arbitrárias. Somente a solução da equação

(2.112) nos interessa, pois representa a onda eletromagnética na direção radial.
A fonte está na origem. Para frequência nula (solução estática),  = 0 e k = 0, e
a equação (2.112) se torna

𝑐1
𝐴.= (2.114)
𝑟

Essa equação difere de (2.112) apenas pelo fator 𝑒 −𝑗𝑘𝑟 . A presença deste fator
define uma solução variante no tempo.
Ainda para k = 0 e densidade de corrente J diferente de zero, a equação
(2.106) se torna

∇2 𝐴 = −𝜇𝐽 (2.115)

Esta é uma conhecida equação de Poisson. Sua solução é dada por

𝜇 .𝐽
𝐴 =.
4𝜋
∭. 𝑟
𝑑𝑣 (2.116)

em que r é a distância entre um ponto qualquer da fonte e o ponto de observação.

Para se obter a solução variante no tempo (k ≠ 0), basta multiplicar pelo fator 𝑒 −𝑗𝑘𝑟 .

𝜇 . 𝑒 −𝑗𝑘𝑟
𝐴 =.
4𝜋
∭. 𝐽 𝑟
𝑑𝑣 (2.117)

A equação (2.117) se refere a densidades volumétricas de carga. Se

estivermos interessados em densidades superficiais ou densidades lineares de
carga, basta substituirmos a integral tripla sobre um volume por uma integral dupla
sobre uma densidade superficial ou uma integral simples sobre uma densidade
linear de carga. Adicionalmente, substituímos a densidade volumétrica de corrente
(J) pela densidade superficial de corrente ou pela densidade linear de corrente.

64
 A equação (2.117) pode ser estendida para correntes nas outras direções do
plano cartesiano (x,y). Isso nos permite escrever a equação na forma vetorial como

𝜇 . 𝑒 −𝑗𝑘𝑟
𝐴 =.
4𝜋
∭. 𝐽 𝑟
𝑑𝑣 (2.118)

A equação (2.118) pode ser utilizada para encontrar os principais parâmetros

de antenas básicas, conforme será vista nas seções seguintes. Representa o
potencial vetor magnético 𝐴 , bastante conhecido da teoria do eletromagnetismo
[BALANIS 2009] [HAYT 2010].

2.3.3 Potência Radiada

As ondas eletromagnéticas irradiam energia de acordo com a potência da fonte

e a geometria da antena. A frente de onda possui uma densidade de potência dada
em W/m2, cuja área, ao ser integrada ao longo de toda a superfície de radiação, será
igual à potência total transmitida pela fonte.
A determinação da densidade de potência de qualquer tipo de antena é
deduzida a partir do potencial vetor magnético. A seguir, são apresentadas as
densidades de potência de dois tipos básicos: dipolo curto e dipolo de meio
comprimento de onda.

A) Dipolo Curto

Denomina-se dipolo curto aquele cujo comprimento (ℓ) é muito menor que o
comprimento de onda (𝜆) do sinal irradiado. Para se ter uma referência, a literatura
considera como dipolo curto ℓ < 𝜆/10 [KRAUS 1988] [STUTZMAN 1981]. Alguns
autores diferencial dipolo curto de infinitesimal. Segundo Balanis, se o dipolo tiver
um comprimento menor que 𝜆/50, será um dipolo infinitesimal; caso o comprimento
do dipolo esteja no intervalo 𝜆/50 < ℓ < 𝜆/10, será um dipolo curto [BALANIS 2009].
A figura 2.13 ilustra uma antena dipolo, localizada na origem do sistema de
coordenadas cartesiano, e sua distribuição de corrente. O comprimento é orientado
ao longo do eixo z. A espessura da antena é desprezível.
65
 Figura 2.13 – Antena dipolo localizada na origem do sistema de coordenadas cartesianas

Conforme se observa, a distribuição de corrente possui um formato

aproximadamente triangular. Matematicamente:

2
𝐼0 (1 − ℓ 𝑧) ⃗⃗⃗⃗
𝑎𝑧 , … … … 0 ≤ 𝑧 ≤ ℓ/2
𝐼={ 2
(2.119)
𝐼0 (1 + ℓ 𝑧) ⃗⃗⃗⃗
𝑎𝑧 , … … − ℓ/2 ≤ 𝑧 ≤ 0

em que ℓ é o comprimento total do dipolo e I0 é a corrente no centro do dipolo.

Sabendo que 𝐼 é a densidade linear de corrente em ampères por metro (A/m),
a equação (2.118) pode ser reescrita para uma distribuição linear de cargas como

𝜇 . 𝑒 −𝑗𝑘𝑟
𝐴 =. ∫ 𝐼 𝑑𝑙 (2.120)
4𝜋 𝐶 𝑟

Neste caso, a integral tripla foi substituída por uma integral simples cujo percurso de
integração é C. Substituindo (2.119) em (2.120), obtemos

𝜇 0 2 𝑒 −𝑗𝑘𝑟 ℓ/2 2 𝑒 −𝑗𝑘𝑟

𝐴 = 4𝜋 [∫−ℓ/2 𝐼0 (1 + ℓ 𝑧) 𝑑𝑧 ⃗⃗⃗⃗
𝑎𝑧 + ∫0 𝐼0 (1 − ℓ 𝑧) 𝑑𝑧 ⃗⃗⃗⃗
𝑎𝑧 ] (2.121)
𝑟 𝑟

Note que a variável de integração foi substituída por z. Integrando (2.121), resulta

1 𝜇𝐼0ℓ𝑒 −𝑗𝑘𝑟
⃗⃗⃗⃗𝑧 =. [
𝐴 = 𝐴𝑎 ] ⃗⃗⃗⃗
𝑎𝑧 (2.122)
2 4𝜋𝑟

Esta fórmula é o potencial vetor magnético de um dipolo curto. Ela representa uma
boa aproximação para a análise do campo distante.

66
 ⃗ e o vetor campo elétrico 𝐸⃗ devem ser encontrados
O vetor campo magnético 𝐻
a partir do potencial vetor magnético dado por (2.122). Devido a simetria do
problema, é mais conveniente utilizar coordenadas esféricas e depois determinar as
componentes r, , .
A equação (2.122) é expressa em coordenadas esféricas como

1 𝜇𝐼0 ℓ𝑒 −𝑗𝑘𝑟
𝐴𝑟 = . [ ] 𝑐𝑜𝑠𝜃 (2.123𝑎)
2 4𝜋𝑟

1 𝜇𝐼0 ℓ𝑒 −𝑗𝑘𝑟
𝐴𝜃 = −. [ 4𝜋𝑟 ] 𝑠𝑒𝑛𝜃 (2.123𝑏)
2
𝐴𝜑 = 0 (2.123𝑐)

Já a equação (2.77) é expressa em coordenadas esféricas como:

1 𝜕 𝜕
⃗ =.
𝐻 .[𝜕𝑟 (𝑟𝐴𝜃 ) − 𝜕𝜃 𝐴𝑟 ] ⃗⃗⃗⃗⃗
𝑎𝜑 (2.124)
𝜇𝑟

As coordenadas nas direções ⃗⃗⃗⃗

𝑎𝑟 e ⃗⃗⃗⃗
𝑎𝜃 são nulas devido à simetria da situação.
Restam apenas as contribuições na direção ⃗⃗⃗⃗
𝑎𝜑 , não havendo variações em φ.

Substituindo as equações (2.123a) e (2.123b) na equação (2.124), resulta

𝐻𝑟 = 0 (2.125𝑎)
𝐻𝜃 = 0 (2.125𝑏)
1 𝑘𝐼0 ℓ𝑠𝑒𝑛𝜃 1
𝐻𝜑 =. [𝑗 ] [₁ + ] 𝑒−𝑗𝑘𝑟 (2.125𝑐)
2 4𝜋𝑟 𝑗𝑘𝑟

As componentes de campo elétrico 𝐸⃗ são encontradas utilizando-se a condição

de Lorentz na equação (2.87)

1
𝐸⃗ = −𝑗𝜔𝐴 − 𝑗 𝜔𝜇𝜖 ∇(∇ ∙ 𝐴) (2.126)

Substituindo (2.123a), (2.123b) e (2.123c) em (2.126), e aplicando a operação

de produto vetorial para coordenadas esféricas, resulta:

67
 1 𝐼0ℓ𝑐𝑜𝑠𝜃 1
𝐸𝑟 =. [𝜂 ] [₁ + ] 𝑒 −𝑗𝑘𝑟 (2.127𝑎)
2 2𝜋𝑟 2 𝑗𝑘𝑟
1 𝑘𝐼0 ℓ𝑠𝑒𝑛𝜃 1 1
𝐸𝜃 =. [𝑗𝜂 ] [₁ + 𝑗𝑘𝑟 − (𝑘𝑟)2] 𝑒 −𝑗𝑘𝑟 (2.127𝑏)
2 4𝜋𝑟
𝐸𝜑 = 0 (2.127𝑐)

em que  é a impedância intrínseca do meio, e vale 𝜂 = √𝜇⁄𝜖 . Considerando o

campo distante, o fator kr se torna muito maior do que 1 e o raio suficientemente
grande para que a componente radial possa ser desprezada. Com isso, a
componente 𝐸𝑟 tende para zero na equação (2.127a), restando apenas a equação
(3.58b). Os últimos termos do último colchete se aproximam de zero, e o resultado
se torna finalmente

1 𝑘𝐼0 ℓ𝑒 −𝑗𝑘𝑟
𝐸𝜃 =. [𝑗𝜂 ] 𝑠𝑒𝑛𝜃 (2.128)
2 4𝜋𝑟

Já que 𝐸⃗ e 𝐻
⃗ são perpendiculares, as componentes 𝐸𝜃 e 𝐻𝜑 são igualmente

perpendiculares entre si, e também transversais à direção de propagação, que é

radial.
A importante consequência é que existe um fluxo médio temporal de potência
associado aos campos. Esse fluxo é expresso pela equação do vetor de Poynting, o
qual é simbolizado por 𝑆.

𝑆 = 𝐸⃗ × 𝐻
⃗ (2.129)

Cuja unidade de medida é watts por metro quadrado (W/m2). Utilizando a forma
fasorial dos campos elétrico e magnético, temos

1
𝑆 = 2 𝑅𝑒(𝐸⃗ × 𝐻
⃗ ∗) (2.130)

Somente a parte real nos interessa na análise de campo distante, pois está
justamente relacionada à resistência de entrada. Por isso o símbolo Re na equação
⃗ indica a existência de um complexo conjugado.
2.130. O asterisco acima de 𝐻
Resolvendo o produto vetorial para coordenadas esféricas:

68
 1 1
𝑆 = 2 𝑅𝑒[(𝐸𝑟 ⃗⃗⃗⃗ 𝑎𝜃 )] × (𝐻𝜑∗ ⃗⃗⃗⃗
𝑎𝑟 + 𝐸𝜃 ⃗⃗⃗⃗ 𝑎𝜑 ) = 2 𝑅𝑒(𝐸𝜃 𝐻𝜑∗ ⃗⃗⃗⃗
𝑎𝑟 − 𝐸𝑟 𝐻𝜑∗ ⃗⃗⃗⃗
𝑎𝜃 ) (2.131)

Como a componente 𝐸𝑟 na direção radial é próxima de zero, pode-se simplificar para

1 1
𝑎𝜃 ) × (𝐻𝜑∗ ⃗⃗⃗⃗
𝑆 = 2 𝑅𝑒[(𝐸𝜃 ⃗⃗⃗⃗ 𝑎𝜑 )] = 2 𝑅𝑒(𝐸𝜃 𝐻𝜑∗ ⃗⃗⃗⃗
𝑎𝑟 ) (2.132)

A componente 𝑆𝑟 é encontrada substituindo (2.128) e (2.125c) em (2.132), obtendo

1 𝜂 𝐼0ℓ 2 𝑠𝑒𝑛2𝜃 1
𝑆𝑟 =. [ | | ] [₁ − 𝑗 (𝑘𝑟)3] (2.133)
4 8 𝜆 𝑟2

Apenas a parte real interessa, sendo kr muito maior do que 1, o que nos leva
finalmente à seguinte expressão:

1 𝜂 𝐼0ℓ 2 𝑠𝑒𝑛2𝜃
𝑆𝑟 =. [ | | ] (2.134)
4 8 𝜆 𝑟2

Para análises de campo distante, a potência radiada pela antena possui

apenas a componente radial no sistema de coordenadas esféricas, já que essa
potência é predominantemente real.
Integrando toda a superfície sobre a componente normal, obtemos:

.
𝑃 = ∯𝑆 𝑆 ∙ 𝑑𝑠 (2.135)

Cuja unidade é watts (W). De acordo com a simetria do problema, essa componente
aponta para a direção crescente do raio e a superfície de integração é uma esfera. O
que resulta em:

2𝜋 𝜋
𝑃 = ∫0 ∫0 𝑆𝑟 𝑎𝑟 ∙ 𝑟 2 𝑠𝑒𝑛𝜃𝑑𝜃𝑑𝜑𝑎𝑟 (2.136)

Substituindo (2.134) em (2.136) e depois integrando, obtemos:

1 𝜋 𝐼0ℓ 2
𝑃 =. 𝜂 ( ) | | (2.137)
4 3 𝜆

Essa é a potência radiada pelo dipolo curto.

69
B) Dipolo de Meio Comprimento de Onda

A antena dipolo cujo comprimento é a metade do comprimento de onda do

sinal (𝜆/2) ainda está entre as mais populares existentes. Sua montagem é simples
e barata, possui uma estrutura ressonante e uma adequada resistência de entrada.
A figura 2.14 ilustra um dipolo de meio comprimento de onda situado na origem
do sistema de coordenadas, direcionado ao longo do eixo z e cuja espessura é
desprezível. A distribuição de corrente é aproximadamente senoidal.

Figura 2.14 – Distribuição de corrente de um dipolo /2

Devido a essa semelhança, sua corrente linear possui uma amplitude que varia
conforme uma onda senoidal pela metade, e a tensão induzida pela onda
eletromagnética é máxima em suas extremidades, fazendo com que esta antena
possua a máxima corrente induzida no seu centro (I0), se comparada com outros
dipolos.
A distribuição de corrente de um dipolo /2 é mostrada abaixo.

𝜆
𝐼0 𝑠𝑒𝑛 [𝑘 (4 − 𝑧)] ⃗⃗⃗⃗
𝑎𝑧 , … … … 0 ≤ 𝑧 ≤ ℓ/2
𝐼={ 𝜆
(2.138)
𝐼0 𝑠𝑒𝑛 [𝑘 (4 + 𝑧)] ⃗⃗⃗⃗
𝑎𝑧 , … … − ℓ/2 ≤ 𝑧 ≤ 0

Substituindo (2.138) na equação (2.120),

𝜇 0 𝜆 𝑒 −𝑗𝑘𝑟 ℓ/2 𝜆 𝑒 −𝑗𝑘𝑟

𝐴 = 4𝜋 [∫−ℓ/2 𝐼0 𝑠𝑒𝑛 [𝑘 (4 + 𝑧)] 𝑟
𝑑𝑧 𝑎
⃗⃗⃗⃗𝑧 + ∫0 𝐼0 𝑠𝑒𝑛 [𝑘 (4 − 𝑧)] 𝑟
𝑎𝑧 ] (2.139)
𝑑𝑧 ⃗⃗⃗⃗

70
 Da mesma forma que fizemos para a antena dipolo curto, integramos a
equação (2.139), convertemos para coordenadas esféricas, passamos a equação
(2.77) para coordenadas esféricas, eliminamos as componentes ⃗⃗⃗⃗
𝑎𝑟 e ⃗⃗⃗⃗
𝑎𝜃 , restando:

𝜋
𝐼0 𝑒 −𝑗𝑘𝑟 𝑐𝑜𝑠( 2 𝑐𝑜𝑠𝜃)
𝐻𝜑 = 𝑗. .[ 𝑠𝑒𝑛𝜃 ] (2.140)
2𝜋𝑟

Similarmente, a partir da equação (2.126), convertendo para coordenadas

esféricas, substituindo as coordenadas do potencial campo elétrico (em
coordenadas esféricas) e eliminando as componentes r e , obtemos

𝜋
𝐼0𝑒 −𝑗𝑘𝑟 𝑐𝑜𝑠( 2 𝑐𝑜𝑠𝜃)
𝐸𝜃 = 𝑗𝜂. .[ 𝑠𝑒𝑛𝜃 ] (2.141)
2𝜋𝑟

A média temporal é obtida de (2.130). Resolvendo o produto vetorial e

substituindo (2.140) e (2.141) em (2.130), resulta:

𝜋 2
|𝐼0|2 𝑐𝑜𝑠( 2 𝑐𝑜𝑠𝜃)
𝑆𝑚é𝑑 = 𝜂. .[ ] (2.142)
8𝜋2𝑟 2 𝑠𝑒𝑛𝜃

Integrando (2.142) sobre uma superfície fechada esférica de raio r, obtemos:

2𝜋 𝜋
𝑃 =.∫0 ∫0 𝑆𝑚é𝑑 𝑟 2 𝑠𝑒𝑛𝜃𝑑𝜃𝑑𝜑 (2.143)

Substituindo (2.142) em (2.143) e integrando:

|𝐼0 |2
𝑃 = 2,435𝜂. (2.144)
8𝜋

Essa é a potência radiada pelo dipolo de meio comprimento de onda. A

potência reativa diminui à medida que r se torna muito maior do que , tendendo
para zero à medida que kr tende ao infinito [BALANIS 2009].

71
2.3.4 Intensidade de Radiação

Se considerarmos a potência por unidade de ângulo sólido, chegaremos ao

conceito de intensidade de radiação. Para uma fonte que irradia a mesma
intensidade de potência em todas as direções, isto é, uma fonte isotrópica, a onda
eletromagnética irradiada tem o formato de uma esfera. A área de uma esfera de
raio 𝑟 é 4𝜋𝑟 2 . Então, numa esfera fechada existem 4𝜋 esterradianos. Portanto:

𝑃
𝑈= (2.145)
4𝜋

Se quisermos expressar a potência por unidade de área, e não por unidade de

ângulo sólido, basta dividir a intensidade de radiação por 𝑟 2 .
A equação 2.145 não se aplica a fontes não isotrópicas. É necessário
expressá-las por outro caminho que leve em conta o vetor de Poynting. A média
temporal do vetor de Poynting expresso na equação 2.134 é conhecida como
Densidade Média de Potência (Sméd) e sua unidade é watts por metro quadrado
(W/m2). A parte puramente real desta Densidade de Potência é chamada de
Densidade de Radiação (Srad).
Desta maneira, a intensidade de radiação pode ser expressa em termos de
densidade de radiação como:

𝑈 = 𝑟 2 𝑆𝑟𝑎𝑑 (2.146)

Uma antena dipolo possui Intensidade de Radiação constante para um ângulo

 constante, considerando que a antena esteja localizada na direção do eixo z.
A intensidade de radiação de uma antena dipolo de meio comprimento de onda
é ligeiramente maior do que a de uma antena dipolo curto, para ângulos de
referência iguais a 𝜃 ou 𝜙.
A concentração da intensidade de radiação num determinado ponto do espaço
indica o quanto uma antena é capaz de direcionar o feixe para uma região de
interesse. O direcionamento de feixe é uma característica indispensável para os
modernos aparelhos de comunicação, mas nem sempre é corretamente alcançado
por meio dos convencionais formatos de antenas. No próximo capítulo, será visto
como conseguir um efetivo direcionamento de feixe através de um arranjo de
antenas.
72
2.3.5 Diretividade

A diretividade, antigamente chamada de ganho diretivo, é a porção de potência

que uma antena é capaz de irradiar numa determinada direção, em detrimento de
outras direções.
A diretividade é dada pela razão entre a intensidade de radiação numa dada
direção (𝑈) e a intensidade de radiação de uma fonte isotrópica (𝑈0 ). Esta última é
igual à intensidade de radiação média, cuja expressão matemática é equivalente à
equação 2.145. Matematicamente, portanto, a diretividade é escrita como:

𝑈
𝐷= (2.147)
𝑈0

Por ser uma relação entre intensidades de radiação, a diretividade é uma

grandeza adimensional. Quando a direção não é mencionada, subentende-se que a
diretividade ser refere à direção em que ocorre a máxima intensidade de radiação.
A figura 2.15 ilustra a variação da Diretividade para um dipolo.

Figura 2.15 – Diretividade versus comprimento do dipolo

Conforme se vê, para um dipolo curto a diretividade tem valores próximos de

1,5. Já para um dipolo 𝜆/2 a diretividade é ligeiramente maior, em torno de 1,643.
Deve ficar claro que a diretividade é totalmente dependente do formato da
antena (e de seu consequente diagrama de radiação). Algumas antenas possuem
diretividade maior, como as de abertura; outras possuem diretividade menor, como o
dipolo ou a antena de quadro. A técnica de utilizar arranjo de antenas permite
aumentar a diretividade como um todo, independentemente do formato dos
elementos individuais.

73
2.3.6 Impedância de Entrada

Conforme foi visto na seção 2.2.5, uma antena dipolo pode ser vista como uma
linha de transmissão dobrada. Embora tenhamos determinado a impedância da
antena dipolo a partir da impedância característica de uma linha terminada em
circuito aberto, é mais conveniente utilizar elementos da teoria de circuitos e
considerar a antena como sendo constituída por elementos resistivos e reativos,
qualquer que seja o formato da mesma.
Da teoria básica de circuitos, pode-se expressar a impedância de entrada de
uma antena como:

𝑍𝑖𝑛 = 𝑅𝑖𝑛 + 𝑗𝑋𝑖𝑛 (2.148)

Em que 𝑍𝑖𝑛 é a impedância de entrada da antena, 𝑅𝑖𝑛 é a componente real ou

resistiva, e 𝑋𝑖𝑛 é a componente reativa. A figura 2.16 ilustra a impedância da antena.

Figura 2.16 – Representação da impedância de entrada de uma antena

A parte resistiva é composta da resistência de radiação e da resistência de

perdas da antena. Para encontrar a resistência de entrada de uma antena, iguala-se
a potência nos seus terminais de entrada com a potência associada à resistência de
radiação, admitindo-se que a antena praticamente não tem perdas.

74
 |𝐼𝑖𝑛 |2 |𝐼𝑚𝑎𝑥|2
.𝑅𝑖𝑛 =. .𝑅𝑟𝑎𝑑 (2.149)
2 2

Sendo Iin a corrente de entrada, Imax o valor máximo de corrente, Rin a resistência de
radiação nos terminais de entrada e Rrad a resistência de radiação para o máximo de
corrente.
Para o caso específico de uma antena dipolo, sabe-se que a corrente de
entrada é associada ao valor máximo de corrente por

𝑘ℓ
𝐼𝑖𝑛 = 𝐼𝑚𝑎𝑥 𝑠𝑒𝑛.( ) (2.150)
2

em que ℓ é o comprimento do dipolo e k é o número de onda. Substituindo (2.150)

em (2.149) e rearranjando os termos, obtemos

𝑅𝑟𝑎𝑑
𝑅𝑖𝑛 =. 𝑘ℓ (2.151)
𝑠𝑒𝑛2 ( 2 )

Esta é a equação utilizada para o cálculo da resistência de entrada de uma antena

dipolo.
Pode ser observado que para dipolos curtos o valor da resistência de entrada é
muito pequeno, para aqueles que possuem pequenos valores de ℓ, pois neste caso
a resistência de radiação do numerador diminui a uma proporção maior do que a
função seno ao quadrado no denominador. Também pode ser observado que
quando o comprimento da antena dipolo é um múltiplo do comprimento de onda, isto
é, quando

ℓ = 𝑛𝜆, 𝑛 = 1,2,3, …

a resistência de entrada apresenta valores muito altos. Nessa condição dizemos que
a antena é ressonante, o que significa que haverá uma frequência principal para a
qual a antena irá radiar maior energia. Essa característica tem sido bastante
utilizada no modo de transmissão, e rejeitada no modo de recepção, pois neste
último caso deseja-se receber sinais numa ampla faixa de frequências.
Em projetos práticos deseja-se realizar o casamento de impedâncias entre a
linha de transmissão e a antena, eliminando-se desta maneira a parte imaginária da
impedância de entrada da antena.
75
2.3.7 Ganho

A diretividade não leva em conta a eficiência das antenas. Em sistemas reais,

as perdas influem muito no rendimento total, sendo necessário, portanto, considerar
os vários tipos de eficiência e, desta maneira, incorporá-lo à diretividade, para desta
maneira chegarmos ao ganho da antena.
A eficiência total de uma antena (𝑒0 ) é a razão entre a potência irradiada e a
potência fornecida pela antena, conforme equação 2.152.

𝑃𝑖𝑟𝑟𝑎𝑑𝑖𝑎𝑑𝑎
𝑒0 = (2.152)
𝑃𝑓𝑜𝑟𝑛𝑒𝑐𝑖𝑑𝑎

Dentre as principais perdas relacionadas à antena, destacam-se as perdas por

condução, dielétrica e por descasamento de impedância. Obviamente, a eficiência
total da antena será tanto maior quanto menores forem essas perdas.
O ganho (𝐺) se relaciona à diretividade da seguinte maneira:

𝐺 = 𝑒0 𝐷 (2.153)

Que é uma grandeza adimensional. Entretanto, na maioria das aplicações é

conveniente utilizar o ganho em decibéis. Neste caso, a equação 2.153 se torna:

𝐺𝑑𝐵 = 10 log 𝐺 (2.154)

Adicionalmente, o ganho de uma antena em uma determinada direção pode ser

definido como a razão entre a intensidade de radiação numa dada direção e a
intensidade de radiação resultante caso a potência aceita pela antena fosse radiada
de forma isotrópica. Matematicamente:

𝑈
𝐺 = 4𝜋 (2.155)
𝑃𝑓𝑜𝑛𝑡𝑒 𝑖𝑠𝑜𝑡𝑟ó𝑝𝑖𝑐𝑎

Dentre todos os parâmetros de desempenho de uma antena, o ganho está

entre os mais importantes. Antenas dipolo possuem ganho extremamente baixo,
enquanto que antenas de abertura possuem ganhos elevados. Como foi dito na
seção 2.3.5, arranjos (ou conjuntos) podem elevar a diretividade das antenas. Por
conseguinte, podem aumentar também o ganho, e de fato são bastante utilizadas
para este propósito, conforme será visto no próximo capítulo.
76
2.3.8 Frequência de Ressonância

A frequência de ressonância de um sistema de antena é aquela na qual o

ganho é máximo. A figura 2.17 ilustra o conceito.

Figura 2.17 – Frequência de Ressonância

Em que FC é a frequência central, ou frequência de ressonância.

O casamento de impedância num sistema de transmissão ocorre quando a
impedância da antena é igual a complexo conjugado da impedância característica da
linha de transmissão. Nessa situação, dizemos que ocorre a máxima transferência
de potência do sinal no sistema, e o coeficiente de reflexão é nulo. Já para o caso de
uma condição de ressonância, a parte indutiva é anulada pela parte capacitiva,
resultando num cancelamento da parte reativa da impedância total da antena. Então,
restará apenas a componente real. Neste caso, embora não haja um total
casamento de impedâncias, as perdas serão reduzidas e o coeficiente de reflexão,
atenuado.
Isso significa que existe uma frequência na qual as componentes indutivas e
capacitivas se anularão. Nem todas as antenas conseguem atingir uma ressonância
total, então, neste caso, é considerada ressonância a frequência na qual ocorrerá o
máximo cancelamento dos componentes reativos e, consequentemente, o menor
coeficiente de reflexão.

77
 Como exemplo, considere o gráfico da impedância de uma antena dipolo em
função da frequência, mostrado na figura 2.18. Ele foi gerado a partir da simulação
do software HFSS da Ansoft®.

Figura 2.18 – Impedância de entrada em função da frequência, para um dipolo. A parte em vermelho
corresponde à resistência (real) e a parte em azul indica a reatância (imaginária).

De acordo com a figura 2.18, a frequência na qual a parte imaginária cruza o

zero é de aproximadamente 30 GHz. Neste ponto, a reatância é puramente resistiva,
e igual a aproximadamente 73.
Aproximadamente nesta frequência, a perda de retorno foi mínima, conforme
pode ser visto no gráfico gerado pelo mesmo programa, na figura 2.19,
considerando a mesma antena dipolo do exemplo.

Figura 2.19 – Perda de Retorno em função da frequência, para um dipolo.

Algumas antenas possuem mais do que uma frequência de ressonância. Elas

são tratadas como sendo de multibanda. Outras são capazes de operar
eficientemente sob uma ampla faixa de frequências; estas são conhecidas na
literatura como antenas independentes da frequência [BALANIS 2009]. Maiores
detalhes sobre este tipo de antenas serão vistos no capítulo 5.

78
2.3.9 Largura de Banda

A largura de banda diz respeito ao intervalo de frequências dentro do qual a

antena pode operar adequadamente sem degradar algum parâmetro considerado
importante pelo projetista, tal como ganho ou a VSWR. Como exemplo, pode-se
desejar uma largura de banda dentro da qual a antena opere com um ganho mínimo
de 6 dB; ou pode-se determinar a largura de banda dentro da qual a VSWR se
mantenha menor ou igual a 4dB. Por exemplo, considere a figura 2.20 abaixo.

Figura 2.20 – Exemplo de VSWR em função da frequência

Se o intuito do projetista for manter a VSWR abaixo de 5 dB, então a largura de

banda será de aproximadamente 800 MHz.
Considere como mais um exemplo a variação da largura de banda em função
do ganho de outra antena, conforme mostrado na figura 2.21.

Figura 2.21 – Ganho versus frequência de um dipolo curto

Se considerarmos a faixa dentro da qual o ganho mínimo seja de 3 dB, a largura de

banda mínima será FL e a máxima será FH.
79
2.3.10 Fator de Qualidade e Curva de Seletividade

A curva vista na figura 2.21 é denominada Curva de Seletividade, e mostra o

quanto a antena deve ser seletiva em relação a determinadas faixas de frequência.
A seletividade é inversamente proporcional à largura de banda.
O Fator de Qualidade (Q) de uma antena ressonante é uma medida da
quantidade de energia armazenada pela parte reativa em relação à quantidade de
energia dissipada pelo sistema. Matematicamente,

𝑃𝑟𝑒𝑎𝑡𝑖𝑣𝑎
𝑄 =. (2.156)
𝑃𝑚é𝑑𝑖𝑎

Quanto menor o valor da potência média dissipada, mantendo-se a potência reativa

constante, maior será o fator de qualidade (Q). Isso significa que a região de
ressonância será mais concentrada e a seletividade será maior.
O fator de qualidade de antenas é mais comumente escrito de acordo com a
seguinte expressão

𝐹𝑐
𝑄 =. (2.157)
𝐹𝐻 −𝐹𝐿

Antenas dipolo curto possuem grandes valores de Q, portanto são altamente

seletivas. Já as antenas dipolo eletricamente maiores possuem menor Q. Isso é
ilustrado na figura 2.22.

Figura 2.22 – Fator de Qualidade em função do tamanho do dipolo curto

Maiores detalhes sobre o limite de antenas e sua relação com o fator de

qualidade serão tratados no capítulo 5.
80
2.3.11 Polarização da Onda Eletromagnética

A descrição completa de uma onda eletromagnética deve incluir não apenas a

frequência, a magnitude e a fase, mas também a polarização, que é a orientação
instantânea de seus campos vetoriais. A polarização ocorre somente em ondas
transversais, sendo inexistente em ondas longitudinais. As ondas eletromagnéticas
aqui consideradas são do tipo transversal – Transverso Eletro Magnética (TEM).
Embora os dois campos contribuam para a propagação da onda, a definição de
polarização inclui somente a orientação do vetor campo elétrico em função do
tempo, subentendendo-se que o campo magnético está estritamente associado.
Nesse sentido, a polarização da onda radiada é a propriedade de uma onda
eletromagnética que descreve a curva traçada, em sua direção e sentido, pelo vetor
campo elétrico, em função do tempo, considerando-se um ponto fixo do espaço e
observado ao longo da direção de propagação [BALANIS 2019].
Existem três tipos de polarização: linear, circular e elíptica. Na polarização
linear, o vetor campo elétrico instantâneo oscila para cima e para baixo apenas, ao
longo de uma reta vertical tomada como referência. A figura 2.23 ilustra esse tipo de
polarização.

Figura 2.23 – Propagação da onda plana transverso eletro magnética linearmente polarizada.

Fonte: Imagem de Helder de Figueiredo e Paula por Pixabay.

Conforme pode ser observado, o vetor campo magnético acompanha o vetor

elétrico, sempre perpendicularmente a esse, razão pela qual considera-se, na
definição, somente o vetor campo elétrico.

81
 A polarização circular ocorre quando o vetor campo elétrico é polarizado
circularmente ao longo do eixo de propagação, e cuja trajetória forma uma espiral. A
figura 2.24 ilustra esse tipo de polarização.

Figura 2.24 – Polarização circular da onda eletromagnética.

Neste caso, o vetor campo elétrico tem um comportamento girante. As ondas podem
estar circularmente polarizadas à direita ou à esquerda. Uma antena helicoidal é
capaz de propagar uma onda eletromagnética com polarização circular.
Por fim, a polarização elíptica é semelhante à polarização circular, em relação
à sua orientação espacial, com a diferença de que, agora, o vetor campo elétrico
descreve uma trajetória elíptica girante na direção ascendente à propagação. As
ondas também podem ser polarizadas à direita ou à esquerda.
O tipo de polarização deve ser levado em conta na consideração da antena
receptora utilizada. Na Inglaterra, por exemplo, as antenas transmissoras de sinal
analógico eram polarizadas linearmente na vertical, o que significa uma oscilação do
campo elétrico para cima e para baixo. Nos Estados Unidos, as antenas
transmissoras de sinal analógico eram polarizadas linearmente na horizontal, o que
significa uma oscilação do campo elétrico para a esquerda e para a direita. Portanto,
para captar de forma mais eficiente possível o sinal transmitido, uma antena
transmissora na Inglaterra deveria estar posicionada na vertical, enquanto que nos
Estados Unidos deveria estar posicionada na horizontal.
As ondas eletromagnéticas emitidas por uma fonte de luz são polarizadas
aleatoriamente. Isso significa que a direção de propagação do campo elétrico muda
aleatoriamente com o tempo, embora se mantenha perpendicular à direção de
propagação [HALLIDAY 1992].

82
3. CONJUNTO DE ANTENAS

3.1 INTRODUÇÃO

Um conjunto de antenas é um arranjo composto por pelo menos dois

elementos irradiantes dispostos suficientemente próximos um do outro, de tal
maneira que as interferências construtivas e destrutivas provenientes dos campos
próximos reativos de cada antena produzam uma radiação de campo distante capaz
de ser modificada de acordo com os requisitos do projetista.
A figura 3.1 ilustra um exemplo de conjunto de antenas geralmente utilizado em
torres de transmissão para telefonia celular.

Figura 3.1 – Conjunto de antenas composto por 12 elementos irradiantes.

Imagem retirada e adaptada de: OpenClipart-Vectors por Pixabay.

O conjunto é formado por 12 elementos irradiantes omnidirecionais, cada um com

uma fonte própria. O resultado final é um padrão de radiação direcionado para a
direita, embora cada elemento irradiador transmita para todas as direções no plano
azimutal.
O que permite a criação de padrões de campo distante variáveis é justamente
a propriedade física citada acima: a interferência construtiva e destrutiva observada
na interação de ondas, sejam elas mecânicas ou eletromagnéticas.
Conjuntos de antenas são extremamente versáteis e eficientes. Permitem não
apenas modificar o feixe de acordo com a aplicação, mas também aumentar a
diretividade e direcionar a radiação dinamicamente. Muitas das características

83
exibidas pelos conjuntos jamais seriam possíveis caso se utilizasse somente uma
antena; em alguns casos, ela deveria ter um tamanho elétrico muito maior, por vezes
inviável, ou ainda, deveria possuir um sistema mecânico que mudasse sua direção
pelo espaço, um procedimento ineficiente e arcaico.
Um conjunto ou arranjo de antenas pode ser formado tendo como elementos
individuais qualquer geometria de antenas: dipolo, quadro, abertura, etc. A escolha
do tipo depende da aplicação a que se destina.
O conjunto de antenas formador de feixe dinâmico é capaz de direcionar o
feixe em tempo real para a região de interesse e anular lóbulos laterais ou
secundários em regiões que não são de interesse. Para isso, basta modificar o
ângulo de fase entre cada elemento do conjunto, consecutivamente e
uniformemente. Por tal motivo, esses conjuntos são referidos na literatura como
conjuntos faseados (Phased Arrays) [VISSER 2005].
O conjunto pode ter vários tipos de distribuição: colinear, circular, plano,
hexagonal, etc. O tipo de distribuição também afeta as características de radiação e
seus correspondentes parâmetros, cabendo ao projetista escolher o tipo mais
conveniente de acordo com as especificações de projeto. A figura 3.2 ilustra alguns
tipos de distribuição utilizados em conjuntos.

Figura 3.2 – Exemplos de distribuição em conjuntos

Além do tipo de elemento individual utilizado e da configuração geométrica,

outros fatores determinam o padrão de radiação do conjunto tais como a separação
relativa entre os elementos, a amplitude de excitação dos elementos individuais e a
fase de excitação de cada elemento [BALANIS 2009].
Neste capítulo serão apresentadas algumas configurações básicas de
conjuntos, bem como o cálculo dos principais parâmetros. Estas noções são
fundamentais para se compreender o funcionamento das antenas inteligentes.

84
3.2 INTERFERÊNCIAS: CONSTRUTIVA E DESTRUTIVA

O princípio da superposição aplicado a ondas eletromagnéticas significa que a

intensidade de campo elétrico (ou magnético) total num ponto em torno do conjunto
da antena será igual à soma dos campos individuais oriundos de cada elemento,
individualmente. Isto é, as ondas eletromagnéticas superpostas se somarão
algebricamente, produzindo uma onda resultante [HALLIDAY 1992].
A combinação de ondas recebe o nome de interferência. Conforme dito na
página anterior, o fenômeno da interferência é observado tanto em ondas mecânicas
como em ondas eletromagnéticas. Em se tratando de conjunto de antenas, a
interferência está por trás do princípio que rege a formação dos lóbulos no diagrama
de radiação de campo distante.
A interferência construtiva ocorre quando os efeitos do campo elétrico de uma
fonte se somam com os de outra fonte, reforçando-se. Na interferência destrutiva
ocorre o oposto: há um cancelamento. Isso pode ser visto na figura 3.3.

Figura 3.3 – Interferências construtiva e destrutiva em conjuntos de antenas

Considere que as duas fontes são omnidirecionais na direção azimutal, com

mesma amplitude de excitação e mesma fase. As setas para cima indicam os pontos
onde houve interferência construtiva e as setas para baixo indicam interferência
destrutiva. O padrão de radiação 2D resultante é visto na parte de cima da figura.
O fenômeno da interferência somente é possível se as fontes forem coerentes,
isto é, se a diferença de fase entre elas for constante. Fontes luminosas comuns,
como lâmpadas, não são fontes coerentes, pois suas radiações sofrem alterações

85
aleatórias de cerca de uma vez a cada 10-8 segundos, e os efeitos destrutivos ou
construtivos de interferência não conseguem ser captados pelo olho humano neste
curto intervalo de tempo. Por outro lado, dois autofalantes emitindo som através de
um único amplificador são fontes coerentes, e as ondas sonoras podem desta forma
interferir uma na outra.
Para controlar o diagrama de radiação é necessário que as fontes radiem numa
única frequência ao mesmo tempo. Para o caso de fontes luminosas, isto é
conseguido utilizando-se fontes monocromáticas; para o caso de antenas, a
condição é automaticamente satisfeita utilizando-se um conjunto radiante
proveniente da mesma fonte de sinal, mas com defasagem de fase entre si.
Para verificar que o efeito de soma ou de subtração dos campos elétricos
depende da fase relativa no ponto de encontro entre as duas ondas irradiadas,
considere duas fontes pontuais posicionadas ao longo do eixo x, separadas por𝜆/2,
com amplitudes iguais e com fases idênticas. O conjunto terá o padrão de radiação
mostrado na figura 3.4 (a); essas mesmas duas fontes sob as mesmas condições
anteriores, mas com fases opostas, isto é, com defasagem entre uma e outra de
180°, terão o padrão de radiação mostrado na figura 3.4 (b).

Figura 3.4 – Padrão de radiação de duas fontes distanciadas de /2. (a) Mesma fase. (b) Fases opostas.

O efeito da soma e subtração de campos depende também da distância entre

as duas fontes de radiação. Se utilizarmos as mesmas duas fontes pontuais, mas
desta vez posicionarmos cada uma de modo que a distância entre elas seja 𝜆/4, e

86
se fizermos com que o atraso de fase seja de 90°, o padrão de radiação resultante
será semelhante ao mostrado na figura 3.5.

Figura 3.5 – Padrão de radiação de duas fontes distanciadas de /4 e defasadas de 90°

Em suma, variando-se o espaçamento d entre cada elemento o padrão de

radiação se altera; variando-se a fase  entre cada elemento, o padrão de radiação
também se altera. Teoricamente, pode-se variar os dois ao mesmo tempo, mas na
prática, é mais fácil variar apenas a fase entre cada fonte radiante por meio de um
controle eletrônico ou através de um processamento digital de sinal.
Conforme análise de Stutzman e Thiele [STUTZMAN 1981], a forma dos
padrões de radiação encontrados nas figuras 3.4 (a), 3.4 (b) e 3.5 podem ser
deduzidas por inspeção e por análise algébrica do gráfico polar. No caso da figura
3.4 (a), as duas fontes irradiam em fase uma com a outra, por isso as ondas chegam
ao mesmo tempo no mesmo ponto da mediatriz da reta x que une as duas fontes
pontuais (figura 3.6). Para o caso da figura 3.4 (b), a fonte à esquerda tem uma
diferença de fase de 180° em relação à da direita, portanto, as ondas que chegam
na mediatriz da reta que une as duas fontes pontuais irão se cancelar mutuamente
(interferência destrutiva); por outro lado, o percurso da onda defasada de 180° da
fonte da esquerda terá que percorrer mais 180° (já que as fontes estão separadas
de /2) para alcançar a fonte da direita, de modo que 180°+180°=360°, isto é, as
ondas irão se somar na direção x (interferência construtiva). Por fim, para o caso da
figura 3.5, a onda da fonte da esquerda chegará atrasada de 90° em relação à da
direita (/4), mas a fonte da direita possui defasagem de fase que também é de 90°
em relação à fonte da esquerda; deste modo, as ondas estarão em fase neste ponto
e se somarão, o mesmo não ocorrendo no lado esquerdo da fonte à esquerda.

87
 A análise algébrica também pode ser facilmente verificada. Considere que cada
uma das duas fontes pontuais isotrópicas, mostrada na figura 3.6, irradie um campo
elétrico de intensidade 𝐸0 . De acordo com o princípio da superposição, o campo total
irradiado pelos dois elementos será igual à soma dos campos dos elementos
individuais.

𝑑 𝑑 𝑑
𝐸𝑡𝑜𝑡𝑎𝑙 = 𝐸1 + 𝐸2 = 𝐸0 𝑒 −𝑗𝛽( 2 ) cos 𝜃 + 𝐸0 𝑒 𝑗𝛽( 2 ) cos 𝜃 = 𝐸0 [2𝑐𝑜𝑠 (𝛽 cos 𝜃) ] (3.1)
2

Figura 3.6 – Duas fontes pontuais isotrópicas com a mesma intensidade de radiação

A distância total entre as fontes é d, e a posição delas é simétrica em relação ao

eixo vertical. O valor de 𝛽, a constante de fase, é 𝛽 = 2𝜋/𝜆.
Podemos normalizar a equação 3.1 para o valor 𝐸0 , resultando em:

𝑑
𝐸𝑡𝑜𝑡𝑎𝑙 = 2 𝑐𝑜𝑠 (𝛽 cos 𝜃) (3.2)
2

Para o caso do exemplo da figura 3.4 (a), sabemos que 𝑑 = 𝜆/2 (distância de
meio comprimento de onda). Então, a equação 3.2 pode ser reescrita como

𝜋
𝐸𝑡𝑜𝑡𝑎𝑙 = 2 𝑐𝑜𝑠 ( cos 𝜃) (3.3)
2

Que pode ser novamente normalizado para um valor máximo unitário:

𝜋
𝐸𝑡𝑜𝑡𝑎𝑙 = 𝑐𝑜𝑠 ( cos 𝜃) (3.4)
2
88
 O gráfico da equação 3.4 será exatamente aquele mostrado na figura 3.4 (a).
Para o caso do exemplo mostrado na figura 3.4 (b), a equação 3.1 será
reescrita como:

𝑑 𝑑 𝑑
𝐸𝑡𝑜𝑡𝑎𝑙 = −𝐸0 𝑒 −𝑗𝛽( 2 ) cos 𝜃 + 𝐸0 𝑒 𝑗𝛽( 2 ) cos 𝜃 = 𝐸0 [2𝑗𝑠𝑒𝑛 (𝛽 cos 𝜃) ] (3.5)
2

Normalizando e substituindo 𝑑 = 𝜆/2, obtemos:

𝜋
𝐸𝑡𝑜𝑡𝑎𝑙 = 𝑠𝑒𝑛 ( cos 𝜃) (3.6)
2

Cujo gráfico é aquele mostrado justamente na figura 3.4 (b).

Por fim, para o exemplo mostrado na figura 3.5:

𝑑 𝜋 𝑑 𝜋 𝑑 𝜋
𝐸𝑡𝑜𝑡𝑎𝑙 = 𝐸0 𝑒 −𝑗𝛽( 2 ) cos 𝜃 + 𝐸0 𝑒 −𝑗( 2 ) 𝑒 𝑗𝛽( 2 ) cos 𝜃 = 𝐸0 [𝑒 −𝑗( 4 ) 2𝑐𝑜𝑠 (𝛽 cos 𝜃 − ) ] (3.7)
2 4

Substituindo o valor 𝑑 = 𝜆/4 e normalizando:

𝜋
𝐸𝑡𝑜𝑡𝑎𝑙 = cos [ (cos 𝜃 − 1)] (3.8)
4

O gráfico da equação 3.8 é o mesmo mostrado na figura 3.5.

Todos os gráficos foram plotados em coordenadas polares, o que é mais
conveniente devido à simetria da questão. Vários outros campos podem ser plotados
nessas coordenadas, de modo que as características do diagrama de radiação
possam ser previstas e o sistema corretamente projetado.
As fontes analisadas são pontuais. Embora facilitem a compreensão, elas são
irrealizáveis na prática, conforme já vimos. Entretanto, é possível utilizar qualquer
formato de antena na análise do campo elétrico resultante, visto que, em todos os
casos, o campo elétrico de cada elemento foi desconsiderado da análise.
Na próxima seção será visto que o resultado da análise da soma dos campos
elétricos das fontes independe da geometria dos elementos individuais. A expressão
assim obtida é denominada fator de conjunto. Esse fator pode ser plotado num
gráfico polar, resultando no diagrama do fator de conjunto. Então, o valor real do
campo elétrico do conjunto é a multiplicação do diagrama ou expressão de campo
elétrico do elemento isolado pelo diagrama ou expressão de campo elétrico do fator
de conjunto [STUTZMAN 1981].
89
3.3 DISTRIBUIÇÕES: LINEAR, PLANA, CIRCULAR

Existem três configurações básicas para a formação de conjuntos de antenas:

linear, plana e circular. Ela diz respeito à disposição dos elementos formadores. Nas
configurações mistas, como a distribuição circular, os elementos são dispostos
linearmente sobre um círculo, mas possuem características de conjunto
tridimensionais.
Nas análises seguintes, cada elemento formador do conjunto será considerado
um dipolo infinitesimal. Entretanto, o elemento individual poderia ser qualquer
antena, inclusive uma fonte pontual. A partir do conjunto assim formado, chega-se
ao fator de conjunto (array factor, AF) do sistema. Como vimos, e iremos confirmar
adiante, o fator de conjunto não depende das características isoladas dos elementos
radiantes, mas apenas da disposição geométrica, das intensidades relativas de suas
excitações e do número desses elementos. Por esse motivo, uma vez encontrado o
fator de conjunto do sistema, pode-se substituir cada elemento do conjunto por
fontes pontuais isotrópicas. Na prática, uma fonte pontual isotrópica é irrealizável, de
acordo com a equação não-homogênea de Helmholtz, dada por (2.105). Entretanto,
ela é um modelo útil a partir do qual se pode expressar as características de
conjuntos reais.

3.3.1 Distribuição Linear

Seja um dipolo infinitesimal orientado na direção do eixo z do plano cartesiano.

Seu campo elétrico pode ser obtido a partir da equação (2.120) utilizando-se os
mesmos procedimentos executados na seção 2.3.3. A distribuição de corrente de
um dipolo infinitesimal é dada simplesmente por

𝐼 = 𝐼0 ⃗⃗⃗⃗
𝑎𝑧 (3.9)

sendo I0 a corrente no centro do dipolo infinitesimal (A/m) e considerada constante.

Substituindo a equação (3.9) na equação (2.120) e integrando, obtemos

𝜇𝐼0 ℓ𝑒 −𝑗𝑘𝑟
⃗⃗⃗⃗𝑧 =.
𝐴 = 𝐴𝑎 ⃗⃗𝑧
𝑎 (3.10)
4𝜋𝑟

90
 Passando para coordenadas esféricas, substituindo na equação (2.124),
utilizando a condição de Lorentz e aplicando operação de produto vetorial, da
mesma maneira como feito na seção 2.74, obtemos finalmente o campo elétrico do
dipolo infinitesimal na única direção que interessa para a análise de campo distante.

𝑘𝐼0 ℓ𝑒 −𝑗𝑘𝑟
𝐸𝜃 = 𝑗𝜂. 𝑠𝑒𝑛𝜃 (3.11)
4𝜋𝑟

sendo ℓ o comprimento total do dipolo curto, k o número de onda, r a distância do

dipolo ao ponto considerado,  o ângulo entre a reta que liga o centro de
coordenadas ao ponto de referência e a reta na direção z.
Considere o conjunto de n dipolos infinitesimais idênticos, excitados com a
mesma amplitude de corrente e com defasagem progressiva  entre cada elemento.
A distância entre cada dipolo é d, e a orientação é vertical ao longo do eixo z,
conforme pode ser visto na figura 3.7.

Figura 3.7 – Geometria de campo distante de um conjunto de n fontes isotrópicas

Para uma análise de campo distante, consideramos que os ângulos entre as

retas r1, r2, r3, etc. e z são iguais a .
Ignorando-se os efeitos de acoplamento entre os elementos, o campo elétrico
resultante é dado pela soma vetorial de cada um.

𝑘𝐼0 ℓ 𝑒 −𝑗𝑘𝑟1 𝑒 −𝑗𝑘𝑟2 −𝛽 𝑒 −𝑗𝑘𝑟3−2𝛽 𝑒 −𝑗𝑘𝑟𝑛 −(𝑛−1)𝛽

𝐸⃗𝑅 = 𝑗𝜂. 𝑠𝑒𝑛𝜃.[ + + +⋯+ ] ⃗⃗⃗⃗
𝑎𝜃 (3.12)
4𝜋 𝑟1 𝑟2 𝑟3 𝑟𝑛

91
 Na análise de campo distante, a distância entre cada dipolo infinitesimal e o
ponto considerado é praticamente a mesma, e será tomada como 𝑟 . Além disso,
percebe-se que, para o atraso de fase em cada elemento, temos:

𝑟2 = 𝑟1 − 𝑑𝑐𝑜𝑠𝜃
𝑟3 = 𝑟2 − 𝑑𝑐𝑜𝑠𝜃
𝑟4 = 𝑟3 − 𝑑𝑐𝑜𝑠𝜃 (3.13)
…
𝑟𝑛 = 𝑟(𝑛−1) − 𝑑𝑐𝑜𝑠𝜃}

De modo que podemos reescrever a equação 3.12 como se segue.

𝑘𝐼0 ℓ𝑒 −𝑗𝑘𝑟1
⃗⃗⃗⃗
𝐸𝑅 = 𝑗𝜂. 𝑠𝑒𝑛𝜃[1 + 𝑒+𝑗(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) + 𝑒+𝑗2(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) + ⋯ + 𝑒+𝑗(𝑛−1)(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) ]⃗⃗
𝑎𝜃
4𝜋𝑟1
(3.14)

A equação 3.14 indica que o campo resultante total de um conjunto de dipolos

infinitesimais distribuído linearmente ao longo do eixo z de coordenadas cartesianas
é igual ao campo de um elemento isolado posicionado na origem do sistema
multiplicado pelo termo que está entre colchetes nessa equação. Este termo entre
colchetes é referido como fator de conjunto e simbolizado pela sigla AF.
Ficou claro que o fator de conjunto é independente da forma assumida pelos
elementos individuais e sua respectiva característica de radiação. Se tivéssemos
considerado um conjunto de antenas de quadro, ou parabólicas, ou qualquer outro,
ao invés do conjunto de dipolos infinitesimais, o resultado para o fator de conjunto, o
termo entre colchetes, seria o mesmo encontrado na equação (3.14). Isso significa
que o campo resultante pode ser encontrado multiplicando-se o campo de um único
elemento, não importando qual a sua característica de radiação, pelo fator de
conjunto (AF).
Para expressarmos o fator de conjunto numa forma que o torne mais evidente,
isolamos o termo entre colchetes na equação (3.14).

𝐴𝐹 = 1 + 𝑒 +𝑗(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) + 𝑒 +𝑗2(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) + ⋯ + 𝑒 +𝑗(𝑛−1)(𝑘𝑑𝑐𝑜𝑠𝜃+𝛽) (3.15)

Por questões de conveniência, o termo kdcos é substituído por . Então,

𝐴𝐹 = 1 + 𝑒 𝑗𝜓 + 𝑒 𝑗2𝜓 + ⋯ + 𝑒 𝑗(𝑛−1)𝜓 (3.16)

92
Utilizando a notação de somatório:

𝑛−1

𝐴𝐹 = ∑ 𝑒 𝑗𝑚𝜓 (3.17)
𝑚=0

Analisando a expressão em (3.17), observamos a soma de 𝑛 fasores de

amplitude unitária e fase progressiva 𝜓. Caso a amplitude dos fasores não seja
unitária, pode-se escrever:

𝑛−1

𝐴𝐹 = 𝐴0 ∑ 𝑒 𝑗𝑚𝜓 (3.18)
𝑚=0

em que 𝐴0 é a amplitude de corrente do fasor de cada elemento do conjunto, para o

caso de esta amplitude não ser unitária. De acordo com a álgebra fasorial, a
amplitude e a fase de AF podem ser controladas alterando-se o valor de  . Em
termos práticos, isso significa controlar a fase relativa entre cada elemento do
conjunto.
Relembrando a Álgebra Linear, qualquer vetor 𝓋 ∈ 𝒱 da forma

𝓋 = 𝑎1 𝓋1 + 𝑎2 𝓋2 + 𝑎3 𝓋3 + ⋯ + 𝑎𝑛 𝓋𝑛

é uma combinação linear dos vetores 𝓋1 + 𝓋2 + 𝓋3 + ⋯ + 𝓋𝑛 , os quais pertencem ao

espaço vetorial 𝒱 e sendo 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑛 escalares [STEINBRUCH 1987].
O que significa que podemos controlar o ângulo de fase e a magnitude de cada
elemento individualmente, e então o fator de conjunto seria uma combinação linear
de cada escalar correspondente a cada fonte. Entretanto, na prática, é mais viável
modificar apenas o ângulo de fase, e além disso, realizar uma modificação uniforme
entre um elemento e outro.
A figura 3.8 ilustra um conjunto com 10 elementos, espaçados entre si de 𝜆/4,
com seus respectivos diagramas de radiação para diferentes valores de fase (𝛽)
entre os elementos (0°, 45° e 90°). Conforme pode ser observado, o feixe consegue
varrer uma ampla faixa do plano a partir da mudança do ângulo de fase entre as
fontes de cada elemento. Também é possível perceber a presença de lóbulos
laterais, os quais se tornam indesejados quando seu valor ultrapassa certos limites.
O código em MATLAB do programa utilizado pode ser encontrado em anexo.

93
 Figura 3.8 – Conjunto com 10 elementos, d = ,  = 0°, = 45° e  =90°.

Para expressar o fator de conjunto em (3.18) em uma forma mais compacta e

conveniente, multiplicamos primeiramente os dois lados dessa equação por 𝑒 𝑗𝜓 :

𝐴𝐹𝑒 𝑗𝜓 = 𝐴0 (𝑒 𝑗𝜓 + 𝑒 𝑗2𝜓 + ⋯ + 𝑒 𝑗𝑛𝜓 ) (3.19)

Em seguida subtraímos esta equação (3.19) da equação (3.18), encontrando

𝐴𝐹(1 − 𝑒 𝑗𝜓 ) = 𝐴0 (1 − 𝑒 𝑗𝑛𝜓 ) (3.20)

Isolando o fator de conjunto

1−𝑒 𝑗𝑛𝜓
𝐴𝐹 = . .𝐴0 (3.21)
1−𝑒 𝑗𝜓

Que é também equivalente à seguinte expressão:

𝑒 𝑗𝑛𝜓 −1
𝐴𝐹 = . .𝐴0 (3.22)
𝑒 𝑗𝜓 −1

Na sequência, desmembramos o numerador e o denominador como se segue.

𝑒𝑗𝑛𝜓/2 𝑒𝑗𝑛𝜓/2−𝑒−𝑗𝑛𝜓/2
𝐴𝐹 = .
𝑒𝑗𝜓/2 𝑒𝑗𝜓/2−𝑒−𝑗𝜓/2
.𝐴0 (3.23)

Utilizando a relação de Euler

1
𝑠𝑒𝑛𝜃 =. .(𝑒 𝑗𝜃 − 𝑒 −𝑗𝜃 ) (3.24)
2𝑗

94
A equação (3.23) se torna

𝑠𝑒𝑛(𝑛𝜓/2)
𝐴𝐹 = 𝑒 𝑗(𝑛−1)𝜓/2 . .𝐴 (3.25)
𝑠𝑒𝑛(𝜓/2) 0

O fator 𝑒 𝑗(𝑛−1)𝜓/2 representa o deslocamento de fase do centro de fase do conjunto

em relação à origem. Se o conjunto estiver centrado em relação à origem, então
este fator obviamente será nulo, e portanto a equação (3.25) será resumida para:

𝑠𝑒𝑛(𝑛𝜓/2)
𝐴𝐹 = . .𝐴 (3.26)
𝑠𝑒𝑛(𝜓/2) 0

O valor máximo dessa expressão ocorrerá quando  =0. Substituindo este valor de
 em (3.18), resulta

𝐴𝐹 = (1 + 1 + 1 + ⋯ + 1)𝐴0 = 𝑛𝐴0 (3.27)

Para normalizar os resultados do fator de conjunto de tal maneira que seu máximo
valor seja igual à unidade, dividimos a equação (3.26) pela equação (3.27), esta
última representando o valor máximo de AF. O resultado é

𝑠𝑒𝑛(𝑛𝜓/2)
𝐴𝐹𝑁 =. (3.28)
𝑛 𝑠𝑒𝑛(𝜓/2)

em que 𝐴𝐹𝑁 é o fator de conjunto normalizado.

A figura 3.9 ilustra o gráfico do diagrama de radiação para a diretividade e o
fator de conjunto para um conjunto de 10 elementos, distanciados de 𝜆/4.

Figura 3.9 – Diretividade e Fator de conjunto para 10 elementos, d = .

95
 Os valores máximos ocorrem quando kdcos +  = m, com m = 0, 1, 2, 3, etc.
Ou seja, os ângulos em que ocorrem os valores máximos são dados por:

𝜆 (−𝛽 ± 2𝑚𝜋)
𝜃 = 𝑎𝑟𝑐 𝑐𝑜𝑠.[ . ], 𝑚 = 0,1,2,3, … (3.29)
2𝜋𝑑 .

Os nulos ocorrem quando sen(n / 2) = 0, o que significa

𝜆 (−𝛽 ± 2𝑚𝜋/𝑛) 𝑚 = 0,1,2,3, …

𝜃 = 𝑎𝑟𝑐 𝑐𝑜𝑠.[ . ], (3.30)
2𝜋𝑑 . 𝑚 ≠ 𝑛, 2𝑛, 3𝑛, …

Quando m = n, 2n, 3n, etc. a função expressa na equação (3.28) atinge seu máximo,
por isso é necessário impor a condição m ≠ n, 2n, 3n, etc. A largura de feixe entre
nulos é encontrada uma vez que se determine os ângulos em que ocorrem o
primeiro nulo, o segundo, etc.
A largura de feixe de meia potência ocorre quando sen(n / 2) ≈ 1, ou seja,

𝜆 (−𝛽 ± (2𝑚 + 1/𝑛)𝜋)

𝜃 = 𝑎𝑟𝑐 𝑐𝑜𝑠.[ . ], 𝑚 = 0,1,2,3, … (3.31)
2𝜋𝑑 .

A largura de feixe de 3 dB pode se encontrada como sendo

𝜆 (2,782/𝑛)
𝜃 = 𝑎𝑟𝑐 𝑐𝑜𝑠.[ . ] (3.32)
2𝜋𝑑 .

3.3.2 Distribuição Plana

Uma distribuição plana pode ser vista como um conjunto formado a partir de
duas distribuições lineares de radiadores ao longo de direções ortogonais entre si,
formando um plano. Conjuntos planos possuem uma grande abertura efetiva,
versatilidade de varredura em qualquer direção e capacidade de formação de
diagramas de radiação mais simétricos que possuam lóbulos laterais mais baixos. A
maior parte das antenas fractais pode ser considerada como formada por conjuntos
planos, assim como as antenas inteligentes que utilizam a varredura de feixe são
projetadas de acordo com a distribuição plana.
Um conjunto plano é mostrado na figura 3.10.

96
 Figura 3.10 – Conjunto plano

O fator de conjunto pode ser encontrado a partir da consideração de que

existem n radiadores ao longo da direção x e m radiadores ao longo da direção y.
Então o fator de conjunto plano pode ser representado por:

𝐴𝐹 = 𝐴𝐹𝑥 ∙ 𝐴𝐹𝑦 (3.33)

em que AFx indica o fator de conjunto da distribuição linear na direção x, e AFy indica
o fator de conjunto da distribuição linear na direção y. Substituindo e adaptando a
equação (3.17) em (3.33) para as respectivas direções x e y, resulta:

𝐴𝐹 = ∑𝑛−1
𝑥=0 𝑒
𝑗𝑥𝜓𝑥 ∑𝑚−1 𝑗𝑦𝜓𝑦
∙ 𝑦=0 𝑒 (3.34)

Substituindo  x = kdx sen cos +  x e  y = kdy sen sen +  y, sendo dx a distância

entre os radiadores na direção x e dy a distância entre os radiadores na direção y,  x
a defasagem entre cada elemento na direção x,  y a defasagem entre cada elemento
na direção y, e ângulos das coordenadas esféricas, obtém-se:

𝐴𝐹 = ∑𝑛−1
𝑥=0 𝑒
𝑗𝑥(𝑘𝑑𝑥 𝑠𝑒𝑛𝜃𝑐𝑜𝑠𝜑+𝛽𝑥 ) ∑𝑚−1 𝑗𝑦(𝑘𝑑𝑦 𝑠𝑒𝑛𝜃𝑠𝑒𝑛𝜑+𝛽𝑦 )
∙ 𝑦=0 𝑒 (3.35)

Essa equação também pode ser expressa numa forma mais compacta, normalizada
e conveniente, da mesma forma que foi feito no item anterior para a distribuição
linear. O resultado é apresentado como:

𝑠𝑒𝑛(𝑛𝜓𝑥 /2) 𝑠𝑒𝑛(𝑚𝜓𝑦 /2)

𝐴𝐹𝑁 =. ∙. (3.36)
𝑛 𝑠𝑒𝑛(𝜓𝑥 /2) 𝑚 𝑠𝑒𝑛(𝜓𝑦 /2)

97
 A figura 3.11 ilustra o gráfico do fator de conjunto para um conjunto planar de
20x20 elementos (a), bem como o diagrama de radiação para a diretividade relativa
desse conjunto (b). A distância entre os elementos é de meio comprimento de onda,
tanto na direção x quanto na direção y.

Figura 3.11 – Fator de conjunto para 20 elementos planos (a) e diretividade relativa (b)

Uma comparação da figura 3.11 com a figura 3.9 mostra que o feixe é mais
direcional no conjunto plano do que no conjunto linear. A diretividade pode aumentar
ainda mais se a distância entre os elementos nas direções x e y diminuir. Assim,
diminuem-se as amplitudes dos lóbulos laterais. Para as distâncias dx e dy iguais a
0,5, vários lóbulos secundários são formados em várias direções, formando novos
pontos de máximo de radiação.
Os pontos de máximo ocorrem quando:

𝑘𝑑𝑥 𝑠𝑒𝑛𝜃𝑐𝑜𝑠𝜑 + 𝛽𝑥 = ±2𝑁𝜋, 𝑁 = 0,1,2,3, … (3.37𝑎)

𝑘𝑑𝑦 𝑠𝑒𝑛𝜃𝑠𝑒𝑛𝜑 + 𝛽𝑦 = ±2𝑀𝜋, 𝑀 = 0,1,2,3, … (3.37𝑏)

A largura de banda de meia potência de um conjunto planar é encontrada

apenas aproximadamente, dada a complexidade do problema. Além disso, ela é
avaliada apenas para conjuntos com grande quantidade de elementos.
Para o máximo de radiação na direção transversal a z (direção em que os
elementos radiantes estão dispostos), temos:

98
 1
Θ𝑇 = . 2 (3.38)
√𝑐𝑜𝑠2 𝜃 [(
𝑐𝑜𝑠𝜑0 2
) +(
𝑠𝑒𝑛𝜑0
) ]
0 𝜃𝑥 𝜃𝑦

em que T é a largura de banda de meia potência, 0 e 0 são os ângulos, em

coordenadas cartesianas, onde ocorre o máximo de radiação na direção transversal,
x é o ângulo referente à largura de banda de meia potência do conjunto linear na
direção x e y é o ângulo referente à largura de banda de meia potência do conjunto
linear na direção y.
Para o máximo de radiação na direção longitudinal:

1
Θ𝐿 = . 2 (3.39)
√[(𝑠𝑒𝑛𝜑0) 2 𝑐𝑜𝑠𝜑
+( 𝜃 0) ]
𝜃𝑥 𝑦

sendo L a largura de banda na direção longitudinal.

No caso de um conjunto em que o número de elementos na direção x seja igual
ao número de elementos na direção y, isto é, para um conjunto planar quadrado
(n=m), o ângulo referente à largura de banda de meia potência do conjunto linear na
direção x é igual ao ângulo na direção y. Chamando esse ângulo simplesmente de
, as expressões (4.30) e (4.31) se reduzem a

Θ
Θ 𝑇 =. (3.40)
𝑐𝑜𝑠𝜃0

Θ𝐿 = Θ (3.41)

A largura de banda dos lóbulos principais de um conjunto planar diminui à

medida que se aumenta o número de elementos desse conjunto. Isso proporciona
uma localização mais precisa no feixe de varredura da antena, sendo esta
característica essencial para aplicações em radar [VISSER 2005].
A figura 3.12 ilustra as características de radiação de um conjunto plano
retangular de 5x5 elementos, distanciados de meio comprimento de onda ( /2). A da
esquerda (a) é o diagrama tridimensional, enquanto que a da direita (b) é o padrão
de radiação bidimensional.

99
 Figura 3.12 – Radiação em 3D para três elementos (a) e representação bidimensional (b)

3.3.3 Distribuição Circular

Os conjuntos circulares representam um caso especial, pois ao mesmo tempo

em que se enquadram no tipo de distribuição linear, possuem uma capacidade de
varredura de feixe e de diretividade similares às dos conjuntos planos. Atualmente
há muitos projetos envolvendo conjuntos de antenas circulares, incluindo o uso de
novas ferramentas computacionais para síntese de projetos, aplicações espaciais,
radar, transmissões wireless e muitas outras.
Um conjunto circular é mostrado na figura 3.13.

Figura 3.13 – Conjunto circular

100
 O fator de conjunto (AF) é uma função periódica, e pode ser expresso em
termos de série exponencial de Fourier por:

𝑖 )−𝑐𝑜𝑠(𝜑 −𝜑𝑖 ))+𝛽

𝐴𝐹 = ∑𝑛𝑖=1 𝐼𝑖 𝑒 𝑗𝑘𝑟(𝑐𝑜𝑠(𝜑−𝜑 0 𝑖
(3.42)

em que i é a posição angular do i-ésimo elemento em relação ao outro elemento e

dada por 2(i – 1)/n,  é o ângulo de incidência da onda plana, 0 é a direção de
máxima radiação, r é o raio do círculo do conjunto, Ii é a corrente de excitação do i –
ésimo elemento e  i a sua fase.
A figura 3.14 ilustra a diretividade e o fator de conjunto em dB de um conjunto
circular de 10 elementos, com raio igual a .

Figura 3.14 – Diretividade e Fator de Conjunto para 10 elementos circulares, raio igual a 

Vale observar que, à medida que o raio do conjunto circular diminui, mais o
diagrama de radiação do conjunto circular se aproxima do diagrama de uma antena
de quadro. Entretanto, a diminuição do raio do conjunto circular resulta na
diminuição da distância entre os elementos do conjunto, ocasionando um
acoplamento entre as várias fontes. Neste caso, o software de simulação utilizado
deverá levar em conta esses efeitos, e os cálculos aqui realizados se tornam
ineficazes para analisar o comportamento do conjunto resultante.
Para efeito de simplicidade, considerou-se que as fontes dos conjuntos aqui
tratados estão longe o suficiente para que os efeitos de acoplamento mútuo possam
ser desprezados.
101
3.4 CONJUNTOS BROADSIDE E END-FIRE

Os casos mais típicos de direcionamento de feixe são os conjuntos Broadside e

End-Fire. O primeiro se refere à direção transversal enquanto que o segundo se
refere à direção longitudinal. Exemplos do comportamento do diagrama de radiação
desses conjuntos são mostrados na figura 3.15, para o caso de 7 elementos
linearmente dispostos e espaçados de 0.5.

Figura 3.15 – Exemplos de conjuntos Broadside (à esquerda) e End-Fire (à direita)

Um conjunto Broadside é obtido fazendo-se o ângulo  das coordenadas

esféricas igual a 90°. Para o caso de conjuntos lineares, isso implica

𝑘𝑑𝑐𝑜𝑠𝜃 + 𝛽 = 𝜓 ⇒ 𝑘𝑑𝑐𝑜𝑠90 + 𝛽 = 𝜓 ⇒ 𝛽 = −𝜓 (3.43)

Sabendo-se que o primeiro máximo ocorre quando  = 0, isso implica 𝛽 = 0.

Um conjunto End-Fire é obtido fazendo-se o ângulo  das coordenadas

esféricas igual a 0º ou igual a 180º. Para conjuntos lineares, isso implica

𝑘𝑑𝑐𝑜𝑠0 + 𝛽 = 𝜓 ⇒ 𝛽 = −𝑘𝑑 (𝜃 = 0°) (3.44)

𝑘𝑑𝑐𝑜𝑠180 + 𝛽 = 𝜓 ⇒ 𝛽 = 𝑘𝑑 (𝜃 = 180°) (3.45)

102
3.5 VETOR DE CONJUNTO E MATRIZ DE PESOS

As áreas de processamento de sinal de conjunto e a própria área de formação

de feixe em antenas costumam apresentar o fator de conjunto em termos de
matrizes, vetores e determinantes [GROSS 2015]. Isso facilita os cálculos, a
visualização do problema e o desenvolvimento de algoritmos na área de
processamento e controle de feixe.
A equação 3.17 vista na seção 3.3.1 pode ser reescrita como uma soma de
elementos de um vetor. Assim:

1
𝑗(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽)
𝑒
𝐴𝐹 = 𝑆𝑂𝑀𝐴 𝑒 2𝑗(𝑘𝑑𝑐𝑜𝑠
..
𝜃+𝛽)
(3.46)
.
[𝑒 𝑗(𝑛−1)(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽) ]

O vetor assim considerado é chamado de vetor de conjunto, vetor de direção

de conjunto, vetor de propagação de conjunto, vetor de resposta do conjunto ou
vetor múltiplo de conjunto. O símbolo adotado neste trabalho será o mesmo
proposto por Gross [GROSS 2015]: será expresso como 𝑎̅(𝜃 ). Assim:

1
𝑗(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽)
𝑒
𝑎̅(𝜃 ) = 𝑒 2𝑗(𝑘𝑑𝑐𝑜𝑠
..
𝜃+𝛽)
(3.47)
.
[𝑒 𝑗(𝑛−1)(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽) ]

Conforme pode ser observado, o vetor 𝑎̅(𝜃 ) é um vetor de Vandermonde, pois

é constituído por potências de mesma base cujos expoentes variam de 0 a n – 1.
O vetor de conjunto às vezes é utilizado na sua forma transposta, isto é, [ ]𝑇 .
Desse modo, o vetor em 3.47 será representado por:

𝑇
𝑎̅(𝜃 ) = [1 𝑒 𝑗(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽) 𝑒 2𝑗(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽) … 𝑒 𝑗(𝑛−1)(𝑘𝑑𝑐𝑜𝑠 𝜃+𝛽) ] (3.48)

Os conjuntos de antenas também podem ser ponderados, a fim de melhorar o

desempenho da transmissão ou recepção. Os pesos de cada elemento ajudam a
minimizar os lóbulos laterais e criar nulos em regiões específicas.
Considere o conjunto de antenas apresentado na figura 3.16.

103
 Figura 3.16 – Conjunto de antenas com os respectivos pesos

O fator de conjunto pode ser expresso como:

𝐴𝐹 = ∑ 𝑤𝑛 𝑐𝑜𝑠[(2𝑛 − 1)𝑢] (3.49)

𝑛=1

𝜋𝑑
em que 𝑢 = 𝑠𝑒𝑛𝜃 + 𝛽𝑛 . A excitação da amplitude é representada por 𝑤𝑛 , e a
𝜆

excitação de fase por 𝛽𝑛 .

Utilizando a notação de vetor de conjunto, o conjunto de pesos deve ser
expressado como um outro vetor também, de modo que o fator de conjunto seja
corretamente determinado. Assim, a equação 3.49 se torna:

̅ 𝑇 ∙ 𝑎̅(𝜃 )
𝐴𝐹 = 𝑤 (3.50)

Em que 𝑤
̅ é a matriz de pesos do conjunto. Em sua forma transposta utilizada na
equação 3.50, a matriz de pesos é dada por:

̅ 𝑇 = [𝑤1
𝑤 𝑤2 𝑤3 … 𝑤𝑀 ] (3.51)

Os pesos definem as funções de janela. As mais importantes são as binomiais,

de Blackman, gaussiana e Kaiser-Bessel, dentre outras. Muitas delas são comuns à
área de processamento digital de sinais. A função de janela binomial tem sido muito
eficiente para eliminar lóbulos laterais em elementos com espaçamento de 𝜆/2 entre
si; entretanto, essa função amplia ligeiramente a largura de feixe principal. Já a
função de Kaiser-Bessel fornece níveis baixos de lóbulo lateral e ao mesmo tempo
mantém a largura de feixe quase inalterada.
Muitas outras funções de janela são utilizadas, como Blackman-Harris,
Bohman, Hanning e Dolph-Chebyshev. No próximo capítulo, será visto uma função
de janela especial que revolucionou a área de antenas: a função fractal.
104
4. ANTENAS FRACTAIS

4.1 INTRODUÇÃO

Antenas fractais são estruturas auto semelhantes baseadas na geometria

fractal, uma área da matemática que se desenvolveu desde o século XIX e que teve
o seu ápice com as formulações do matemático Mandelbrot. Desde que as primeiras
tentativas de utilizar antenas em formato fractal se iniciaram nos anos 1980 por
Nathan Cohen, o interesse pela área cresceu vertiginosamente até os dias atuais,
alcançando resultados incríveis e estendendo-se para aplicação que vão além do
mero formato da antena – como, por exemplo, em algoritmos utilizados por antenas.
Passadas várias décadas, muitos desafios ainda permanecem ao estudioso da
área. Primeiramente, é necessário aprofundar no estudo da formulação matemática
que envolve a geometria fractal, uma tarefa nada fácil, até mesmo para os
matemáticos. Em segundo lugar, é preciso verificar até que ponto as antenas em
formato fractal realmente podem ser úteis e inovadoras, e não trata-las como uma
panaceia que resolveria todos os problemas relacionados à transmissão e recepção.
Em terceiro lugar, existem os desafios relacionados à simulação e cálculos
computacionais, pois, embora os computadores hoje sejam extremamente mais
avançados do que há três ou quatro décadas atrás, ainda assim podem ser
insuficientes para realizarem cálculos iterativos em determinadas estruturas
radiantes fractais. Por fim, mesmo vencendo todos esses desafios, ainda resta a
dificuldade para a construção prática das estruturas fractais, principalmente quando
a antena for de tamanho muito reduzido e possuir detalhes microscópicos.
O objetivo deste capítulo é fornecer um amplo panorama dos desafios e
perspectivas relacionados à utilização de antenas fractais, sem pretender esgotar o
assunto. Serão vistos os fundamentos da geometria fractal, os aspectos históricos,
matemáticos e computacionais. Em seguida, sua aplicação na área de antenas será
revisitada desde as primeiras tentativas até os dias de hoje. Por fim, algumas das
críticas ao uso de antenas fractais serão analisadas e discutidas.
A bibliografia utilizada será apresentada ao longo do texto, bem como as
sugestões de leitura.

105
4.2 PERSPECTIVA HISTÓRICA DA GEOMETRIA FRACTAL

A geometria fractal só se consolidou definitivamente como um tipo plausível e

aceitável quando os matemáticos e teóricos perceberam que era necessário pensar
os fenômenos físicos como constituídos não apenas por formas básicas existentes
na geometria tradicional e fundamentadas nos postulados da geometria euclidiana.
Mas essa ruptura não ocorreu de repente, e sim foi resultado de um longo processo
de amadurecimento que levou séculos para se consolidar. Além disso, formas
fractais já existiam bem antes que o termo “fractal” fosse utilizado pela primeira vez.
No início do século XIX, o alemão Carl Friedrich Gauss, o russo Nikolai
Lobachevsky e o húngaro János Bolyai, ambos matemáticos, apresentaram as
bases da geometria não euclidiana. Gauss não publicou nada, apenas rascunhou,
mas os rabiscos deixados permitem perceber os princípios de funções elípticas e
outros assuntos que transcendem a geometria da época [TENT 2005]. Lobachevsky,
por seu turno, publicou várias obras a respeito, entre elas, “Geometria Imaginária”,
onde expunha claramente as bases de uma geometria não euclidiana e de uma
geometria hiperbólica. Bolyai também publicou suas descobertas independentes, em
1832, mas como apêndice de um livro de matemática de seu pai, Farkas Bolyai, que
era inclusive conhecido de Gauss. Quando Gauss teve conhecimento desses
escritos, considerou Bolyai (filho) um gênio, embora tenha escrito a este que suas
descobertas eram quase idênticas às que ele, Gauss, havia feito décadas antes. As
ideais de Bolyai também foram antecipadas por Lobachevsky, anos antes, embora
não tivessem mantido contado entre si [CARMO 1987]. A figura 4.1 ilustra a ideia.

Figura 4.1 – Ilustração da geometria hiperbólica. Fonte: Adaptada de Pixabay.

106
 A base da teoria não euclidiana é a revisão do quinto postulado de Euclides,
que pode ser enunciado modernamente da seguinte forma resumida: por um ponto
fora de uma reta só existe uma única reta paralela. Gauss, Lobachevsky e Bolyai
apresentaram uma geometria que considerava não apenas ser possível existir mais
do que uma reta paralela a outra dada, passando por um ponto, como também se
deduzia ser possível existir infinitas retas.
Alguns anos mais tarde, Bernhard Riemann desenvolveu uma geometria de
espaços curvos que corroborava a teoria da geometria não euclidiana. Numa
palestra apresentada a ilustres matemáticos da época, incluindo o próprio Gauss,
Riemann utilizou a linguagem proposta anteriormente por este para descrever a
geometria de superfícies curvas bi dimensionais. Além disso, propôs que o espaço
possuía não apenas três dimensões, mas quatro.
A geometria não euclidiana rompia com os fundamentos axiomáticos da
geometria euclidiana existente até então, o que causou rejeição por parte de muitos
matemáticos da época. O formalismo adotado por muitos matemáticos, entre eles
Hilbert, partia do pressuposto de que determinados axiomas utilizados na
matemática não eram passíveis de serem modificados a partir da produção de
conceitos, devendo ser apenas verificados a partir de sua consistência e não
contradição [SHAPIRO 2005] [HILBERT 1971].
Um pouco mais tarde, na segunda metade do século XIX, Weierstrass propôs
uma função que era contínua na reta ℝ, mas não tinha nenhuma derivada em todo o
domínio [MIRANDA 2012]. Essa função ficou conhecida como função de Weierstrass
e pode ser definida como:

𝑓 (𝑥 ) = ∑ ∞ 𝑛 𝑛
𝑛=0 𝑎 𝑐𝑜𝑠(𝑏 𝜋𝑥 ) (4.1)

A variável 𝑎 está no intervalo ]0,1[ e 𝑏 é um número inteiro positivo ímpar, de tal

maneira que 𝑎𝑏 > 1 + (3/2)𝜋. O gráfico da função de Weierstrass foi reproduzido na
figura 4.2. Pode ser observado que não existe derivada em todo o domínio
considerado. Além disso, a figura revela a existência uma característica de auto
similaridade, isto é, repetição, à medida que se aumenta a escala.

107
 Figura 4.2 – Função de Weierstrass

Georg Cantor foi aluno de Weierstrass. Dentre suas inúmeras contribuições à

matemática, formulou um tipo de conjunto que se caracteriza por ser constituído de
um número infinito de pontos no intervalo [0,1]. Essa construção é feita dividindo-se
um intervalo inicial [0,1] em três partes e desprezando-se o termo médio, de modo a
restar apenas dois intervalos disjuntos, e a seguir repetindo-se o mesmo processo
para cada um dos novos intervalos restantes, sucessivamente em novas iterações
(EVES, 2002). Este conjunto de Cantor também possui a característica da auto
similaridade. A figura 4.3 ilustra um exemplo de um pente de Cantor.

Figura 4.3 – Pente de Cantor

A análise do conjunto de Cantor necessita de algumas considerações. Seja um

conjunto 𝐶𝑘 composto de 2𝑘 intervalos fechados disjuntos. Cada intervalo possui um
comprimento de (1/3)𝑘 . Somando-se todos os comprimentos, chega-se ao
comprimento total de 𝐶𝑘 , que é (2/3)𝑘 . Aplicando limite:

2 𝑘
lim ( ) = 0 (4.2)
𝑘→∞ 3

108
 Ou seja, o comprimento total é zero. Deste modo, o comprimento total não é
uma maneira adequada de calcular o tamanho de 𝐶. Essa limitação sugere que a
dimensão de 𝐶 é estritamente menor do que 1.
Seja agora [𝑎, 𝑏] um dos intervalos fechados. Esse intervalo compõe uma das
aproximações de 𝐶𝑘 . Então, é possível dizer que as extremidades 𝑎 e 𝑏 pertencem a
todos os conjuntos futuros 𝐶𝑚 , 𝑚 ≥ 𝑘 . Portanto, pertencem à intersecção 𝐶 .
Considerando todas as aproximações 𝐶𝑘 e tomando todas as extremidades de todos
os intervalos de todas essas aproximações, chegaremos a um conjunto infinito de
pontos, todos eles pertencendo a 𝐶. Para mais detalhes, consultar: [EDGAR 2008].
O matemático francês Poincaré propôs outra importante visão alternativa à
geometria euclidiana, no final do século XIX. Concebeu um disco hiperbólico
[ANDERSON 1999], um disco do espaço bidimensional que possui geometria
hiperbólica e é definido como:

{𝑥 ∈ ℝ2 : |𝑥 | < 1}
𝑑𝑥 2 +𝑑𝑦 2
𝑑𝑠 2 =. (4.3)
(1−𝑥 2−𝑦 2)2

em que 𝑑𝑠 2 é a métrica hiperbólica, e 𝑥, 𝑦 são coordenadas do plano cartesiano.

A figura 4.4 ilustra o disco hiperbólico.

Figura 4.4 – Disco Hiperbólico de Poincaré. Fonte: Pixabay

Como pode ser visto, uma linha é representada como um arco no círculo. As
extremidades do círculo são perpendiculares ao contorno do disco. Arcos que
satisfazem à condição de ortogonalidade correspondem a linhas perpendiculares, e
os que não satisfazem, são paralelos.

109
 Também no final do século XIX, o matemático Giuseppe Peano realizou
importantes contribuições no sentido de afastamento da geometria euclidiana.
Definiu um tipo de curva como o “caminho de um ponto em movimento contínuo”, as
quais podem ser geradas pela simples partição recursiva do espaço. Hilbert,
descreveu uma curva similar, um tempo depois, como uma variação da curva de
Peano [BOYER, 1996]. Por isso as curvas que possuem essa característica de
preenchimento espacial são conhecidas como curvas de Peano-Hilbert. A figura 4.5
ilustra alguns exemplos.

Figura 4.5 – Curva de Peano-Hilbert

Já no início do século XX, Helge von Koch criou uma curva a partir da ideia de
iteração: divide-se um segmento de reta em três partes iguais, substitui-se a parte
central por um triângulo equilátero, e repete-se o procedimento para os segmentos
de reta restantes, sucessivamente [SILVA 2010]. O resultado será a curva de Koch
mostrada na figura 4.6.

Figura 4.6 – Curva de Koch

110
 Para uma visualização matemática da curva de Koch, considere um triângulo
inicial, que corresponde à parte superior esquerda da figura 4.6. Para facilidade dos
cálculos, cada lado possui comprimento unitário. Tri seccionando cada lado é
possível criar novos triângulos equiláteros, idênticos ao anterior, com lados iguais à
metade do triângulo original. É o que mostra a parte superior do meio, na figura 4.6.
Prosseguindo com o mesmo processo, isto é, tri seccionando cada lado dos novos
triângulos assim formados, e depois de novo, e assim sucessivamente, o processo
se repetirá infinitamente.
A área do triângulo inicial é dada por:

1
𝐴∆𝑖𝑛𝑖𝑐𝑖𝑎𝑙 = √3 (4.4)
4

Adicionando à área inicial as áreas dos novos triângulos formados por

iterações, obtemos:

1 1 2 √3 1 2 √3 1 2 √3
√3 + ( 3) ( ) + 9 ( ) + ( 27) ( ) +⋯ (4.5)
4 3 4 9 4 27 4

A equação 4.5 pode ser reescrita como:

√3 1 1
(1 + + + ⋯ ) (4.6)
4 3 9

O termo entre parênteses é uma série geométrica com razão igual a 1/3. Então,
aplicando a soma aos termos entre parênteses, a expressão 4.6 se torna:

√3 1 √3 3
∙( )= ∙ (4.7)
4 1 4 2
1−3

O que implica que a área da figura formada pelo processo de iteração,

mostrada em 4.6, é 1.5 vezes a área do triângulo inicial. Entretanto, o comprimento é
teoricamente infinito, conforme pode ser constatado na equação 4.5.
Na Polônia, Waclaw Sierpinski construiu, anos depois, formas geométricas
baseadas no mesmo princípio. Suas famosas figuras ficaram conhecidas como
tapete de Sierpinski e triângulo de Sierpinski. O processo iterativo para a criação de
um tapete de Sierpinski consiste na utilização de um quadrado dividido em 9 partes,

111
com a remoção da parte central. Para cada nova parte resultante (8 quadrados),
procede-se da mesma forma, e assim por diante [SILVA 2010]. Para a formação do
triângulo de Sierpinski, o processo é similar. A figura 2.6 ilustra essas duas figuras. A
figura 4.7(a) mostra o tapete, e a figura 4.7(b) o triângulo.

Figura 4.7 – Gaxeta (a) e Triângulo (b) de Sierpinski. Fonte: Pixabay

Em 1918, o matemático francês Gaston Julia publicou no Journal de

Mathématiques Pures et Appliquées um artigo denominado Mémoire sur l'itération
des fonctions rationnelles, o que o tornou conhecido por seu conjunto formado
recursivamente. A partir da expressão complexa desenvolvida pelo matemático
Pierre Fatou, 𝑧 2 + 𝑐 , em que 𝑧 = 𝑎 + 𝑏𝑗 e 𝑐 é uma constante, Julia construiu um
conjunto que foi gerado recursivamente através da seguinte expressão:

𝑧𝑛+1 = 𝑧𝑛2 + 𝑐 (4.8)

A expressão 4.8 permite a criação de uma figura geométrica a partir da contração

( |𝑧| < 1) ou dilatação ( |𝑧| > 1), realizadas através da multiplicação por |𝑧| e da
duplicação do ângulo polar [MIRANDA 2012]. A figura 4.8 ilustra um conjunto de
Julia formado quando 𝑧 = 0,8 + 0,6𝑗 e 𝑧 5 + 𝑐.

Figura 4.8 – Conjunto de Julia. Fonte: Pixabay

112
 Todas essas formas foram chamadas de “patológicas”, desde o momento em
que surgiram. Entretanto, as pesquisas neste sentido não pararam. Com o advento
da computação, foi possível reproduzir figuras de maneira iterativa nunca antes
imaginadas. Isso motivou a retomada da geometria não euclidiana e possibilitou o
contexto para que surgisse uma nova teoria capaz de explicar essas figuras não
convencionais, matematicamente. Desta maneira surgiu o trabalho do matemático
Benoit Mandelbrot.
Mandelbrot retomou a obra dos principais matemáticos citados anteriormente
nesta seção, e percebeu que todas as figuras apresentadas por Weierstrass, Cantor,
Sierpinski e tantos outros, embora diferentes, possuíam a mesma característica
comum: a auto semelhança gerada recursivamente a partir de uma regra
matemática ou princípio geral. Mandelbrot observou também que havia uma espécie
de fragmentação nesses formatos, isto é, a repetição do formato inicial em diferentes
escalas [MANDELBROT 1983].
Devido ao seu acesso aos computadores da IBM, Mandelbrot conseguiu criar
figuras complexas a partir de regras iterativas simples. Ele percebeu que essa
característica de recursividade estava presente em toda a natureza nos mais
variados formatos: raios, folhas de árvores, nervos ou montanhas. Por exemplo
considere a figura 4.9.

Figura 4.9 – Folha construída de forma iterativa

Ela foi formada simplesmente criando-se uma figura inicial simples, e depois
formando cada parte a partir da repetição recursiva de dessa parte inicial. A nova
figura assim formada, por sua vez, serve de base para que outra figura seja
construída, a partir de sua repetição. O processo prossegue indefinidamente.
113
 Dessa maneira, Mandelbrot tornou possível a simulação computacional de
ambientes mais realísticos que envolvem complexidades que as formas euclidianas
não são capazes de reproduzir. Raios, paisagens, matas, folhas, nuvens, montanhas
e muitas outras, podem ser criados atualmente com a ajuda da computação gráfica
e da geometria fractal. Por exemplo, observe a figura 4.10.

Figura 4.10 – Paisagem com raios, plantas, terreno e montanhas ao fundo. Fonte: Reimund Bertrams por
Pixabay.

Mandelbrot deu o nome de fractais a essas formas. Embora elas tivessem sido
analisadas há séculos, foi somente com ele que um estudo sistemático sobre essas
figuras foi realizado e apresentado à academia. Assim como a matemática e as
figuras não euclidianas foram recebidas com resistência pela academia, no passado,
a geometria fractal proposta por Mandelbrot também foi motivo de deboche por parte
de alguns matemáticos. Principalmente porque, utilizando-se a geometria fractal, é
possível criar figuras absolutamente desconexas da realidade, como paisagens
abstratas e temas aberrantes, conforme pode ser ilustrado, por exemplo, na figura
4.11 abaixo.
114
Figura 4.11 – Figura formada a partir da iteração recursiva gerada computacionalmente, em formato
fractal. Fonte: alto2 por Pixabay.

A figura 4.12 apresenta a clássica figura gerada a partir do chamado “conjunto

de Mandelbrot”, que tem por base os cálculos feitos por Fatou e Julia.

Figura 4.12 – Conjunto de Mandelbrot. Fonte: Charles Thonney por Pixabay

Existem importantes aspectos matemáticos e computacionais envolvidos na

abordagem e construção dessas figuras. Um correto entendimento das técnicas aqui
apresentadas fornecerá ao pesquisador importantes ferramentas para um pleno
entendimento do desempenho das antenas fractais.
115
4.3 DIMENSÃO FRACTAL

A noção de dimensão é muito importante dentro da geometria fractal. Existem

várias definições de dimensão. A ideia mais básica de dimensão diz respeito à
quantidade de coordenadas mínimas necessárias para identificar um objeto ou ponto
no espaço. Vetorialmente falando, a dimensão diz respeito ao número de vetores de
base mínimos necessários para especificar um espaço [HUREWICZ 2015]. Um
espaço vetorial euclidiano é um espaço vetorial real, de dimensão finita, para o qual
está definido um produto interno [STEINBRUCH 1987]. A dimensão de Hausdorff é
definida para todos os espaços métricos e, diferentemente das dimensões referidas
acima, pode ter valores reais não inteiros. A dimensão de Hausdorff por vezes é
referida como dimensão crítica. Abram Besicovich desenvolveu as ideias de
Hausdorff, e por isso essa dimensão é referida como Hausdorff-Besicovich.
Mandelbrot utilizou o conceito de dimensão de Hausdorff-Besicovich para
encontrar a dimensão dos fractais, pois este conceito é bastante adequado na
investigação desses tipos de conjuntos irregulares. A dimensão de Hausdorff-
Besicovich permite atribuir uma medida positiva a conjuntos que possuam
comprimentos nulos ou infinitos para toda dimensão topológica inteira ( ℝ, ℝ2 , ℝ3 ,
etc.) [MANDELBROT 1983].
A dimensão de Hausdorff-Besicovich é obtida dividindo-se um hipercubo em 𝑛𝑑

partes iguais, sendo 𝑑 a dimensão do hipercubo. Essa divisão é obtida

iterativamente. Considerando-se 𝑝 iterações, o número de partes obtidas (𝑁) será:

𝐿 𝑑
𝑁 = .( ) (4.9)
𝑛

Sendo 𝐿 o comprimento do lado e 𝑛 o número de partes que dividirão a figura, isto é,

o coeficiente de redução.
Utilizando a equação (4.9), pode-se determinar a dimensão de Hausdorff como:

log 𝑁
𝑑= . 𝐿 (4.10)
log
𝑛

116
 A equação 4.10 pode ser utilizada para se encontrar a dimensão fractal. O
triângulo de Sierpinski, por exemplo, tem dimensão fractal de 1,5849 para um
coeficiente de redução igual a 0.5 e 𝑁 igual a 3. Para mais detalhes: [SILVA 2010].
Por este motivo, Mandelbrot definiu um conjunto fractal como aquele em que a
dimensão de Hausdorff-Besicovitch excede estritamente a dimensão topológica.
Uma grande desvantagem do uso dessa dimensão é a dificuldade computacional
envolvida em seu cálculo. Entretanto, ela é fundamental para uma compreensão da
matemática existente nos fractais.
Existem métodos para determinação da dimensão fractal que utilizam uma
abordagem baseada na análise da imagem digitalizada, como o “box-counting
algorithm”, que é feito a partir do preenchimento da imagem bidimensional com
quadrados dispostos sucessivamente um após o outro até se cobrir a superfície da
figura [LONG 2013]. A partir deste método é possível obter a dimensão fractal de
formas irregulares encontradas na natureza como a do sistema fluvial do rio
Amazonas (1,85), dos relâmpagos no espaço tridimensional (1,51) ou da distribuição
das galáxias no universo (1,2).
A figura 4.13 ilustra a ideia do box-counting algorithm.

Figura 4.13 – Box-counting algorith utilizado para determinar a dimensão fractal de uma folha

A base desse algoritmo é o box-counting, método que remonta ao início do

século XX e é referido como entropia de Kolmogorov, dimensão de entropia,
dimensão de capacidade, dimensão métrica, densidade logarítmica ou dimensão de
informação. Esse método alcançou grande popularidade devido à sua relativa
facilidade de cálculo matemático e de estimativa empírica.

117
4.4 GEOMETRIA FRACTAL APLICADA À ÁREA DE ANTENAS

“Em 1987, dei uma palestra em um encontro científico na Hungria. Meu tema
era algo exótico (lentes de gravidade), mas o assunto mais exótico discutido
foi a geometria fractal, apresentada por Benoit Mandelbrot. Naquela época, os
fractais ainda eram considerados estranhos e apenas lentamente ganharam
sua notoriedade agora bem estabelecida. Ninguém os considerava uma
ferramenta prática de engenharia (na verdade, as antenas fractais podem ser o
primeiro exemplo verdadeiro de ‘engenharia fractal’); mas, eles certamente
eram bonitos de se olhar.
Um ano depois, voltei ao FM de 2 metros e queria um link contínuo do meu
cluster de pacotes DX para o meu handie-talkie de 1 watt. K1EA ficava a 35
milhas de distância do meu apartamento no centro de Boston, então eu
precisava de uma antena razoável (sem patinhos) que seria aumentada por
minha elevação de 200 pés. Mais importante, a antena não poderia atrair a
atenção do proprietário de meu apartamento, com sua grotesca obsessão
com a ‘cláusula sem antena’ no meu contrato de aluguel.
Por que não um fractal?
Usando cola, papel de construção e papel alumínio, fiz uma antena de
microfita fractal de aparência complexa, com um motivo de ‘pagode’. (...). A
antena tinha cerca de quinze centímetros de lado. Faltando até mesmo um
medidor de SWR, eu não tinha ideia se iria ressoar. No entanto, preso ao
corrimão do meu pátio do 27º andar, ela entrou em silêncio total no K1EA.
Talvez uma vertical de 1/4 de onda tivesse feito muito melhor; eu não tinha
como saber. Certamente, eu não tinha motivação teórica para supor que iria
ressoar. Não parecia muito revolucionário na época. (...)
Um dia de inverno, notei que o PC estava desconectado do pacote. A antena
havia sido cortada diretamente do cabo coaxial fino, como se nunca tivesse
estado ali. Enquanto eu estava no trabalho, ensinando matemática contínua
aos meus alunos, o proprietário do meu apartamento havia cortado a
construção matemática discreta. Tudo o que posso dizer é que ele deve ter
uma visão excelente para ver a pequena mancha na varanda. No entanto, pelo
menos ele estava convencido de que esse quadrado parecido com um
guardanapo era uma antena.
Uma semana depois, por acaso, descobri o remanescente da pequena antena
perto das quadras de tênis abaixo. Era um pedaço de detrito encharcado de
neve com pedacinhos de papel alumínio ainda colados nele. Triste destino
para uma nova ideia.
Como todas as novas ideias, esse falso começo levou algum tempo para dar
frutos. Primeiro, eu tive que conseguir alguns imóveis, alguns atenuadores de
precisão, um analisador de SWR, ELNEC e algum tempo livre. Eu também
precisava de alguma garantia de que antenas de formas estranhas eram
possíveis.”
Nathan Cohen
[Cohen 1995]
Livre Tradução
118
 A nova geometria apresentada por Mandelbrot atraiu a atenção de físicos,
biólogos, engenheiros e estudiosos diversos. Na área de telecomunicações e
antenas, não foi diferente. Mas as informações disponíveis sobre as novas formas
“estranhas” ou “aberrantes” eram quase inexistentes, por se tratar de um campo
ainda inexplorado. Foi preciso muito trabalho e dedicação para construir um capital
teórico sobre este fascinante tema que se colocava diante dos pesquisadores.
Desde o início do estudo da área de antenas, os principais parâmetros
analisados eram a ressonância e a potência. Vários formatos foram testados e esses
parâmetros explorados. Assim surgiram as antenas helicoidais, de quadro, de
abertura e tantas outras. Entretanto, o leque de opções continha formatos que se
enquadravam apenas dentro da geometria euclidiana. O motivo dessa escolha não
era o desconhecimento de formas não euclidianas ou aleatórias, mas a busca por
simplicidade. Segundo Nathan Cohen, o desejo por simplicidade dominou a
construção de antenas mais do que requisitos eletromagnéticos [COHEN 1995].
Na época da 2ª Guerra Mundial muitos teóricos, como Schelkunoff, Kandoian e
outros, realizaram pesquisas que caminharam no sentido oposto: estabelecer
determinadas características eletromagnéticas de radiação consideradas como
desejáveis, e somente depois encontrar o tipo de antena que moldasse tais
características. Este procedimento é conhecido como síntese de antenas, tendo
como principais exemplos o método de Woodward-Lawson e o método da
transformada de Fourier [BALANIS 2009] [STUTZMAN 1981]. Desta maneira,
surgiram antenas que quebravam um pouco a regularidade das formas euclidianas,
como as antenas complementares (que serão analisadas no próximo capítulo) e as
antenas log periódicas, consideradas como um tipo de fractal. Entretanto, a busca
por formatos da geometria convencional euclidiana ainda era o que preponderava, e
tal atitude limitava a descoberta no novos tipos.
Em 1983, Landstorfer e Sacher publicaram uma monografia, cujo conteúdo
pode ser encontrado na obra Optimization of Wire Antennas [LANDSTORFER 1985],
que questionava o uso da geometria euclidiana convencional na obtenção de
importantes parâmetros, como a ressonância. Analisando quais formatos de dipolo
satisfazem aos requisitos de alto ganho, concluíram que estes deveriam ser
dobrados aleatoriamente e com crimpagens onduladas, numa estrutura resultante
que diferia enormemente das já conhecidas figuras euclidianas. Ou seja, formas

119
geométricas euclidianas convencionais não produzem, necessariamente, os
melhores resultados em sistemas de antenas.
Em 1986, Kim e Jaggard [KIM 1986] aplicaram os conceitos de geometria
fractal ao problema de síntese de antenas, particularmente, na criação de conjuntos
de antenas randômicos (ou aleatórios). O objetivo era encontrar um novo
procedimento para criar estruturas auto semelhantes, chamadas de subarrays, ao
longo de uma linha, de modo que atendesse a determinados padrões de radiação
dentro da estrutura maior de um processo aleatório. O que chamou a atenção neste
trabalho é a comparação feita pelos autores entre arranjos uniformes e arranjos
aleatórios: os primeiros possuem lóbulos laterais relativamente baixos, mas são
sensíveis a erros de localização e aos valores das correntes de excitação, enquanto
que os segundos são robustos no que diz respeito a erros e falhas de localização de
elementos, mas possuem lóbulos laterais relativamente altos. Ao propor um conjunto
aleatório fractal, eles lograram criar uma estrutura híbrida, que possuía as vantagens
dos dois arranjos, uniforme e aleatório. Mais ainda: conseguiram abrir caminho para
que se pensassem determinados padrões, tidos como aleatórios, como sendo
formados por uma lógica fractal. Por exemplo, a função de Weierstrass, analisada no
capítulo 4 e ilustrada na figura 4.2, parece à primeira vista um amontoado de ruídos
aleatoriamente gerados; entretanto, obedece a um padrão rigoroso e previsível de
formação, com características de auto similaridade, conforme a equação 4.1. Segue,
portanto, um padrão fractal.
Kim e Jaggard utilizaram um gerador ou iniciador para formar os blocos do
conjunto de antenas fractais. Desta maneira, perceberam que uma antena fractal era
composta por “geradores de geradores”, estabelecendo uma conexão entre padrões
fractais e teoria de conjuntos, estes últimos chamados por Schelkunoff de “conjuntos
de conjuntos”, no caso de arranjos lineares de amplitude cônica. O resultado final foi
um melhor controle do lóbulo lateral através de um projeto de síntese de antenas
com conjuntos fractais, estes chamados de “quase aleatórios”.
Lakhtakia et. al. também se debruçaram sobre o problema da síntese de
antenas e sua relação com a geometria fractal, seguindo, porém um caminho
diverso. Utilizando uma tela no formato de tapete de Sierpinski, observaram que o
campo difratado por essa tela e detectado na região de campo distante exibia um
padrão de auto semelhança. Ora, como a tela fractal de Sierpinski também possui

120
padrões de auto semelhança, fica claro que existe uma íntima relação entre o
formato fractal da antena e o padrão de radiação fractal por ela formado. Desta
maneira, os autores conseguiram dar um grande passo ao mostrar que estruturas
fractais podem ser utilizadas em métodos de síntese de antenas, em especial,
conjuntos, ampliando assim a possibilidade de obtenção de melhores resultados
[LAKHTAKIA 1987a]. Além disso, analisaram em outro estudo um conjunto de
dipolos hertzianos, relacionando a transformada espacial e temporal de Fourier com
a função de arranjo de treliça do conjunto. Ao considerar um conjunto de dipolos
localizados em uma gaxeta Pascal-Sierpinski, utilizaram matematicamente o
iniciador e o gerador fractal, e a partir dessa demonstração constataram que a
resposta de campo distante, harmônico no tempo, também é bifractal, enquanto sua
resposta de campo distante, dependente do tempo, é unifractal. Os detalhes da
demonstração matemática podem ser encontrados em: [LAKHTAKIA 1987b].
Quando Nathan Cohen construiu, pela primeira vez na história, uma antena
fractal, o que o motivou não foram artigos acadêmicos sobre antenas fractais, mas
as possibilidades conjecturadas por ele quando tomou contato, pela primeira vez,
com a teoria dos fractais de Mandelbrot. Físico, rádio astrônomo e inovador, Cohen
não apenas percebeu as incontáveis possibilidades trazidas por esta nova
geometria, mas levou adiante o projeto e fundou a Fractal Antenna Systems Inc. Ao
longo de anos de estudos, Cohen procurou mostrar que as antenas com múltiplas
iterações fractais são capazes de ressoar e de radiar e, além disso, buscou
identificar quais tipos de fractais reduziriam o tamanho de uma antena, e em que
proporção. Desta maneira, dois campos de pesquisa são abertos dentro da área de
antenas fractais: em qual (ou quais) frequência (s) é capaz de ressoar, e em que
medida pode contribuir para a miniaturização de antenas.
Na década de 1990, uma quantidade enorme de estudos sobre antenas fractais
foi publicada [WERNER 2003]. A área da geometria fractal havia sido, finalmente,
combinada com a teoria eletromagnética, lançando nova luz sobre importantes
questões como: radiação, propagação, ganho e frequência de ressonância.
Neste contexto, Werner et. al. demonstraram matematicamente uma fórmula
para o fator de conjunto de antenas fractais [WERNER 1999b]. O desenvolvimento é
mostrado na seção seguinte, e sua importância é central para o projeto de antenas
fractais.

121
4.5 FATOR DE CONJUNTO DE ANTENAS FRACTAIS

Os estudos realizados nos anos 1980 e 1990 levaram à existência de uma

correlação entre padrões fractais e conjuntos de antenas lineares. Da mesma
maneira que o campo distante de um conjunto uniforme linear pode ser visto como o
produto do campo de um único elemento isolado posicionado na origem pelo fator
de conjunto, também uma estrutura fractal pode ser vista como o produto entre a
estrutura inicial e o conjunto gerador. A diferença marcante é que no conjunto fractal
há uma alteração na escala, a cada nova multiplicação, enquanto que no conjunto
de antenas há apenas o acréscimo de elementos. Por isso os fractais foram
chamados de “geradores de geradores” assim como os conjuntos lineares foram
chamados de “conjuntos de conjuntos”.
O desenvolvimento a seguir pode ser encontrado no artigo de Werner et. al.
acima citado [WERNER 1999b].

O fator de conjunto (𝐴𝐹𝑃 ) de um conjunto fractal é expresso como:

𝐴𝐹𝑃 = ∏𝑃𝑝=1 𝐺𝐴(𝛿 𝑝−1 Ψ) (4.11)

em que 𝐺𝐴(Ψ) é o fator de conjunto associado ao subconjunto gerador e 𝛿 é um

fator de escala que indica a taxa de expansão do conjunto a cada nova iteração, a
cada aplicação recursiva do subconjunto gerador. O fator 𝑃 é o estágio de
crescimento, ou seja, quantas iterações serão aplicadas.
Para se encontrar o fator de conjunto de uma antena fractal, portanto, basta
determinar o fator de conjunto do subconjunto gerador (𝐺𝐴(Ψ)) e a sua taxa de
crescimento, ou fator de escala (𝛿). A equação 4.11 pode ser vista como o padrão
de multiplicação para conjuntos fractais. Ele será aplicado aos vários tipos de
antenas analisados a seguir.
O fator 𝐺𝐴(Ψ) na equação 4.11 depende do tipo de distribuição do conjunto:
linear, plana ou circular. Por isso, serão apresentados os fatores de conjunto para
esses três casos.

122
4.5.1 Fator de Conjunto para Distribuição Linear

De acordo com o que foi visto sobre conjunto de antenas no capítulo 3, o fator
de conjunto de um conjunto linear de elementos isotrópicos igualmente espaçados é
dado por:

𝐼0 + 2 ∑ 𝐼𝑛 cos[𝑛𝜓], 𝑝𝑎𝑟𝑎 2𝑁 + 1 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠

𝑛=1
𝐴𝐹 (𝜓) = 𝑁 (4.12)
2 ∑ 𝐼𝑛 cos[(𝑛 − 1/2)𝜓], 𝑝𝑎𝑟𝑎 2𝑁 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠
{ 𝑛=1

em que 𝜓 = 𝑘𝑑 (cos 𝜃 ) e 𝑘 = 2𝜋/𝜆 (número de onda).

Num fractal, elementos apropriados são adicionados ou removidos. Considere

o conjunto de Cantor visto na seção 4.2. Para facilidade de análise, os elementos
adicionados possuem o valor 1, enquanto os removidos possuem o valor 0.
O conjunto de Cantor em questão é ternário, possuindo um subconjunto
gerador formado por três elementos: 101. Em seguida, esse subconjunto gerador é
aplicado repetidamente em cada elemento individual, gerando novos elementos, aos
quais é aplicado novamente o subconjunto gerador. A figura 4.14 ilustra o processo.

Figura 4.14 – Conjunto de Cantor ternário com 3 iterações

123
 Cada nova aplicação recursiva representa uma escala de aumento,
simbolizada pela letra 𝑝.
O fator de conjunto do subconjunto gerador ternário de cantor para o exemplo
considerado pode ser encontrado a partir da equação 4.12. Como temos 3
elementos (ímpar), então 2𝑁 + 1 = 3 , o que implica 𝑁 = 1 . Além disso, 𝐼0 = 0 e
𝐼1 = 1. O resultado será:

𝐺𝐴(𝜓) = 2𝑐𝑜𝑠(𝜓) (4.13)

Substituindo a equação 4.13 na equação 4.11:

𝐴𝐹𝑃 = ∏ 2 cos(𝛿 𝑝−1 𝜓) (4.14)

𝑝=1

A equação 4.14 é mais genérica e representa o subconjunto gerador básico

para um conjunto de Cantor não necessariamente ternário. Escolhendo-se os
valores da taxa de expansão (𝛿) e da quantidade de iterações (𝑃) é possível modelar
matematicamente o fator de conjunto desejado. O conjunto de Cantor ternário terá
um fator de expansão 3; um conjunto quinário terá um fator de expansão de 5; etc.
Por exemplo, para um fator de expansão de 2 ( 𝛿 = 2 ) e um estágio de
crescimento apenas (𝑃 = 1), o fator de conjunto é encontrado a partir da expressão
4.14:

𝐴𝐹1 = ∏ 2 cos(2𝑝−1 𝜓) = 2 cos(21−1 𝜓) = 2 cos(𝜓) (4.15)

𝑝=1

Para dois estágios de crescimento (𝑃 = 2) e mesmo fator de expansão:

𝐴𝐹2 = ∏ 2 cos(2𝑝−1 𝜓) = [2 cos(21−1 𝜓)][2 cos(22−1 𝜓)] = 2 cos(𝜓) 2 cos(2𝜓) (4.16)

𝑝=1

Três estágios de crescimento (𝑃 = 3):

𝐴𝐹2 = 2 cos(𝜓) 2 cos(2𝜓) 2 cos(4𝜓) (4.16)

124
 E assim sucessivamente. Os valores normalizados para vários estágios de
crescimento e vários fatores de expansão são mostrados na tabela 4.1 abaixo.

Tabela 4.1 – Valores normalizados de AF para vários estágios de crescimento e fatores de expansão

𝑷=𝟏 𝑷=𝟐 𝑷=𝟑 𝑷=𝟒

𝜹=𝟏 cos(𝜓) 𝑐𝑜𝑠 2 (𝜓) 𝑐𝑜𝑠 3 (𝜓) 𝑐𝑜𝑠 4 (𝜓)
𝜹=𝟐 cos(𝜓) cos 𝜓) cos(2𝜓)
( cos 𝜓 cos(2𝜓) cos(4𝜓)
( ) cos 𝜓 cos 2𝜓) cos(4𝜓) cos(8𝜓)
( ) (
𝜹=𝟑 cos(𝜓) cos(𝜓) cos(3𝜓) cos(𝜓) cos(3𝜓) cos(9𝜓) cos(𝜓) cos(3𝜓) cos(9𝜓) cos(27𝜓)
𝜹=𝟒 cos(𝜓) cos(𝜓) cos(4𝜓) cos(𝜓) cos(4𝜓) cos(16𝜓) cos(𝜓) cos(4𝜓) cos(16𝜓) cos(64𝜓)

A figura 4.15 ilustra o gráfico do fator de conjunto, em coordenadas polares,

para 𝛿 = 2 e estágios de crescimento iguais a 1, 2 e 3.

Figura 4.15 – Gráfico polar para 𝜹 = 𝟐 e 𝑷 = 𝟏, 𝟐, 𝟑, considerando-se 𝝍 variável. Ferramenta online

utilizada: https://www.wolframalpha.com/widgets/view.jsp?id=9519cf87740c535a94904a8dc590f978

Entretanto, observe que os gráficos da figura 4.15 estão simplificados, pois o

termo 𝜓 foi considerado como um ângulo, e então os gráficos foram plotados
tomando-se 𝜓 como um ângulo variável.
Para uma visualização completa, deve ser levado em conta que 𝜓 = 𝑘𝑑 cos 𝜃.
Ou seja, é o ângulo 𝜃 que varia. Escrevendo novamente o fator de conjunto para o
mesmo valor de 𝛿 (2) e os mesmos valores de 𝑃 (1,2 e 3), mas desta vez
considerando o espaçamento entre os elementos como 𝑑 = 𝜆/2, e lembrando que o
número de onda é 𝑘 = 2𝜋/𝜆:

𝐴𝐹1 = cos(𝜋 cos 𝜃 ) (𝑝𝑎𝑟𝑎 𝑃 = 1)

{𝐴𝐹2 = cos(𝜋 cos 𝜃 ) cos(2𝜋 cos 𝜃 ) (𝑝𝑎𝑟𝑎 𝑃 = 2) (4.17)
𝐴𝐹3 = cos(𝜋 cos 𝜃 ) cos(2𝜋 cos 𝜃 ) cos(4𝜋 cos 𝜃 ) (𝑝𝑎𝑟𝑎 𝑃 = 3)

Os valores de 𝐴𝐹 encontrados nas equações 4.17 são plotados em

coordenadas polares e mostrados na figura 4.16:
125
 Figura 4.16 – Gráfico polar para δ=2 e P=1,2,3, considerando-se 𝜽 variável. Ferramenta online utilizada:
https://www.wolframalpha.com/widgets/view.jsp?id=9519cf87740c535a94904a8dc590f978

Os diagramas de radiação dos respectivos fatores de conjunto são:

Figura 4.17 – Diagramas de radiação para o conjunto ternário de Cantor, com três iterações.

Para esses diagramas da figura 4.17, o código do programa MATLAB é o

mesmo utilizado para plotar a figura 3.8, constante no anexo deste trabalho, com a
diferença de que, agora, o fator de conjunto foi modificado, a distância entre os
elementos foi 𝜆/2 e o ângulo de fase entre eles foi 0. Isso comprova mais uma vez
que os fractais podem ser analisados de acordo com a teoria de conjuntos.
De acordo com Werner el. al. [WERNER 1999], o subconjunto gerador para o
conjunto de Cantor da equação 4.13 encontrada acima é um caso especial de uma
família mais geral de conjuntos de Cantor uniformes, e que pode ser expresso como:

𝛿+1
2 𝑠𝑒𝑛 [( 2 ) 𝜓]
𝐺𝐴(𝜓) = ( ) (4.18)
𝛿+1 𝑠𝑒𝑛 [𝜓]

Em que 𝛿 = 2𝑛 + 1, com 𝑛 = 1,2,3, …

126
4.5.2 Fator de Conjunto para Distribuição Plana

O fator de conjunto de um conjunto plano de elementos isotrópicos igualmente

espaçados é dado por:

𝐼11+2 ∑𝑀
𝑚=2{𝐼𝑚1 𝑐𝑜𝑠[𝑚𝜓𝑥 ]+𝐼1𝑚 𝑐𝑜𝑠[𝑚𝜓𝑦 ]}
+4 ∑𝑀 𝑀
𝑛=2 ∑𝑚=2 𝐼𝑚𝑛 𝑐𝑜𝑠[𝑚𝜓𝑥 ]𝑐𝑜𝑠[𝑛𝜓𝑦 ],
𝐴𝐹(𝜓𝑥 , 𝜓𝑦 ) =. 𝑝𝑎𝑟𝑎 (2𝑀−1)2 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 . (4.19)
4 ∑𝑀 𝑀
𝑛=1 ∑𝑚=1 𝐼𝑚𝑛𝑐𝑜𝑠[(𝑚−1/2)𝜓𝑥 ]𝑐𝑜𝑠[(𝑛−1/2)𝜓𝑦 ],
{ 𝑝𝑎𝑟𝑎 (2𝑀)2 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠

em que

𝜓𝑥 =𝑘𝑑𝑥(𝑠𝑒𝑛𝜃𝑐𝑜𝑠𝜑)
. (4.20)
𝜓𝑦 =𝑘𝑑𝑦 (𝑠𝑒𝑛𝜃𝑠𝑒𝑛𝜑)

𝜃, 𝜑 são ângulos das coordenadas esféricas.

A excitação de cada elemento do conjunto é dada por

1, 𝑠𝑒 𝑜 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 (𝑚, 𝑛) 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑎𝑡𝑖𝑣𝑜

𝐼𝑚𝑛 = {
0, 𝑠𝑒 𝑜 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 (𝑚, 𝑛) 𝑛ã𝑜 𝑒𝑠𝑡𝑖𝑣𝑒𝑟 𝑎𝑡𝑖𝑣𝑜

Será utilizado o mesmo conjunto ternário de Cantor, mas desta vez, na

perspectiva bidimensional. Então, o subconjunto gerador será do tipo:

1 1 1
1 0 1
1 1 1

Essa lógica é a mesma utilizada para formar um tapete de Sierpinski, conforme

a figura 4.7a. O fator de conjunto é encontrado utilizando-se o mesmo procedimento
anterior para conjuntos lineares: O valor 𝐼𝑚𝑛 é feito 1 ou 0, o valor de 𝑀 é 2 e o
espaçamento entre os elementos é de 𝜆/2. Então:

1
𝐺𝐴(𝑢𝑥 , 𝑢𝑦 ) = [cos(𝜋𝑢𝑥 ) + cos(𝜋𝑢𝑦 ) + 2 cos(𝜋𝑢𝑥 ) cos(𝜋𝑢𝑦 )] (4.21)
4

127
Em que 𝑢𝑥 = 𝑠𝑒𝑛 𝜃 cos 𝜙, 𝑢𝑦 = 𝑠𝑒𝑛 𝜃 𝑠𝑒𝑛 𝜙

Substituindo a equação 4.21 na equação 4.11:

𝑃
1
𝐴𝐹𝑃 = 𝑃 ∏[cos(𝛿 𝑝−1 𝜋𝑢𝑥 ) + cos(𝛿 𝑝−1 𝜋𝑢𝑦 ) + 2 cos(𝛿 𝑝−1 𝜋𝑢𝑥 ) cos(𝛿 𝑝−1 𝜋𝑢𝑦 )] (4.22)
4
𝑝=1

A equação 4.22 é genérica e representa o subconjunto gerador básico para o

fator de conjunto de um conjunto de Cantor bidimendional com qualquer quantidade
de elementos na direção x e y, x=y. Escolhendo-se os valores da taxa de expansão
(𝛿) e da quantidade de iterações (𝑃) é possível modelar matematicamente o fator de
conjunto desejado, da mesma maneira como foi feito pelos conjuntos lineares. Se
quisermos modelar o do tapete de Sierpinski, fazemos 𝛿 = 3 e escolhemos o número
de iterações desejadas. Geralmente, para antenas, três iterações ( 𝑃 = 3 ) são
suficientes.
A figura abaixo mostra o diagrama de radiação para o fator de conjunto do
tapete de Sierpinski para três iterações e comprimento de onda 𝑑 = 𝜆/2.

Figura 4.18 – Diagrama de radiação e fator de conjunto do tapete de Sierpinski para 𝒅 = 𝝀/𝟐 e 𝑷 = 𝟑.

Os cálculos realizados a partir da equação 4.22 permitem afirmar novamente

que os fractais são conjuntos de conjuntos, incluindo os conjuntos planares. Na
verdade, este fato pode ser generalizado para qualquer conjunto fractal uniforme.
128
4.5.3 Fator de Conjunto para Distribuição Circular

Foi visto no capítulo anterior que o conjunto com distribuição circular apresenta
características mistas entre os conjuntos lineares e planares, o que o torna bastante
versátil e atrativo, principalmente em aplicações de radares e navegação. Os fatores
de conjunto dos conjuntos fractais formados a partir de elementos distribuídos em
forma circular também se apresentaram muito versáteis e servem de base para a
determinação de inúmeros outros fatores de conjunto de geometrias fractais
diversas.
Considere um conjunto circular concêntrico com 𝑚 anéis, cada um com 𝑛
elementos. O fator de conjunto é dado por:

𝑀 𝑁

𝐴𝐹 = ∑ ∑ 𝐼𝑚𝑛 𝑒 𝑗𝜓𝑚𝑛 (4.23)

𝑚=1 𝑛=1

em que 𝜓𝑚𝑛 = 𝑘𝑟𝑚 𝑠𝑒𝑛 𝜃 cos(𝜙 − 𝜙𝑚𝑛 ) + 𝛼𝑚𝑛 , 𝑀 é o número total de anéis
concêntricos, 𝑁𝑚 é o número total de elementos nos m-ésimos anéis, 𝑟𝑚 é o raio do
m-ésimo anél, 𝐼𝑚𝑛 é a amplitude da corrente de excitação do n-ésimo elemento do
m-ésimo anel localizado em 𝜙 = 𝜙𝑚𝑛 e 𝛼𝑚𝑛 é a fase da corrente de excitação do n-
ésimo elemento no m-ésimo anel localizado em 𝜙 = 𝜙𝑚𝑛 .
Utilizando um procedimento similar ao das subseções anteriores, o fator de
conjunto para um estágio determinado de crescimento 𝑃 é dado por:

𝑃 𝑀 𝑁
𝛿𝑝−1 𝜓
𝐴𝐹𝑃 = ∏ { ∑ ∑ 𝐼𝑚𝑛 𝑒 𝑗 𝑚𝑛 } (4.24)
𝑝=1 𝑚=1 𝑛=1

Este conjunto pode ser a base de um subconjunto gerador de um vasto

conjunto de fractais em forma linear, quadrados, triangulares ou mesmo hexagonais.
Como um exemplo visual, considere a figura 4.19. Ela mostra um subconjunto
gerador circular de quatro elementos, à esquerda (a). Expandindo este subconjunto
por um fator de 𝛿 , substituindo cada elemento inicial pelo subconjunto gerador,
chegamos à figura localizada à direita (b).

129
 Figura 4.19 – Processo de geração de um conjunto fractal a partir de um subconjunto gerador circular.

O conjunto assim formado à direita (b) representa um conjunto fractal criado a

partir de um estágio de crescimento (𝑃 = 1). Esse conjunto pode ser o subconjunto
formador para um novo estágio (𝑃 = 2), procedendo-se da mesma maneira, isto é,
expandindo-o por um fator 𝛿. O processo pode ser repetido indefinidamente. A figura
4.20 ilustra os dois estágios de crescimento seguintes (𝑃 = 3 e 𝑃 = 4).

Figura 4.20 – Processo de geração de um fractal para o terceiro e quarto estágios.

Para mais detalhes sobre a criação de fractais a partir de conjuntos circulares,

consulte a bibliografia anexada ao final [WERNER 1999].

130
4.6 MATRIZ DE PESOS COM FUNÇÃO JANELA FRACTAL

Na seção 3.5 foi visto que os pesos de uma matriz de pesos podem ser
escolhidos de acordo com o critério desejado. Várias funções janelas fornecem
pesos específicos para a formação de conjuntos, todas elas visando diminuir o nível
dos lóbulos laterais e ao mesmo tempo não alterar sensivelmente a largura de feixe
de radiação: binomial, gaussiana, Kaiser-Bessel, etc.
Neste capítulo, ficou claro que a escolha dos elementos que serão ligados ou
desligados num conjunto fractal define o fator de conjunto resultante. Então, é
possível associar uma matriz de pesos fractal a um conjunto fractal, da mesma
maneira como foi feito para conjuntos de antenas, na referida seção 3.5.
Dado o vetor de conjunto indicado na equação 3.47, o fator de conjunto de uma
antena fractal pode ser escrito de uma forma mais prática como:

̅ 𝐹𝑇 ∙ 𝑎̅(𝜃 )
𝐴𝐹𝑃 = 𝑤 (4.25)

Em que 𝑤
̅𝐹 é a matriz de pesos fractal, ou seja, a matriz de pesos cuja função
janela obedece ao padrão fractal visto nas seções anteriores. O símbolo 𝑇 próximo à
matriz indica que ela é utilizada em sua forma transposta, da mesma maneira como
é feito na teoria de conjuntos de antenas. A ordem da matriz de pesos depende da
quantidade de estágios de crescimento, ou quantidade de iterações realizadas pelo
subconjunto gerador. Depende também da quantidade de elementos presentes no
subconjunto gerador inicial. Como o fator de escala está diretamente ligado à
quantidade de elementos iniciais, podemos dizer que a ordem da matriz de pesos
fractais é função de 𝑃 e de 𝛿. Lembrando que a matriz de pesos transposta é do tipo
linha, ou seja, formada por uma única linha. Em linguagem formal matemática:

𝑂𝑟𝑑𝑒𝑚 𝑚𝑎𝑡𝑟𝑖𝑧 𝑝𝑒𝑠𝑜𝑠 𝑓𝑟𝑎𝑐𝑡𝑎𝑙 = 𝑓 (𝑃, 𝛿) (4.26)

Como exemplo, o conjunto de Cantor ternário analisado na seção anterior

utilizou um subconjunto gerador com fator de crescimento 𝑃 = 3 e fator de escala
𝛿 = 3 . Então, a quantidade de elementos da matriz de pesos fractal para
̅𝐹𝑇 será do tipo 1 x 9.
determinação do fator de conjunto final será 3x3 = 9. Isto é, 𝑤
Evidentemente, para um conjunto fractal plano, a matriz de pesos fractal não
será mais do tipo linha, mas quadrada. Para o tapete de Sierpinski, 𝑤
̅𝐹 é 9 x 9.

131
4.7 TÉCNICA ITERATIVA DE FOURIER

A técnica iterativa de Fourier para a síntese de conjuntos lineares foi proposta

por Keizer [KEIZER 2008] e desenvolvida posteriormente por Wentao Li e outros
pesquisadores para conjuntos planares fractais [Li 2012]. Ela consiste em aplicar
uma transformada rápida de Fourier aos coeficientes de excitação.
O campo distante de um conjunto plano formado por 𝑀x𝑁 elementos a uma
distância 𝑑𝑥 na direção 𝑥 e 𝑑𝑦 na direção 𝑦 pode ser descrito alternativamente como:

𝑀−1 𝑁−1

𝐴𝐹 (𝑢, 𝑣 ) = ∑ ∑ 𝐴𝑚𝑛 𝑒 𝑗𝑘(𝑚𝑑𝑥 𝑢+𝑛𝑑𝑦 𝑣) (4.27)

𝑚=0 𝑛=0

em que 𝐴𝑚𝑛 é a excitação complexa, 𝑢 = 𝑠𝑒𝑛 𝜃 cos 𝜑 e 𝑣 = 𝑠𝑒𝑛 𝜃 𝑠𝑒𝑛 𝜑.

A parte direita da equação 4.27 pode ser vista como uma série de Fourier dupla
truncada que relaciona os coeficientes de excitação do elemento do conjunto com o
seu fator de conjunto, através de uma transformada de Fourier inversa discreta.
Então, a aplicação da Transformada de Fourier Rápida (FFT) ao fator de conjunto
(AF) resultará n coeficiente de excitação.
Inversamente, o fator de conjunto pode ser encontrado através de uma FFT
inversa aplicada no ponto 𝐾 x 𝐾, sendo 𝐾 uma potência par de base 2 e utilizando-
se preenchimento zero quando 𝐾 > max (𝑀, 𝑁). As posições localizadas em 𝐾 x 𝐾,
as quais pertencem às amostras AF no espaço 𝑢 − 𝑣, serão dadas por:

𝑝 𝜆 𝐾 𝐾
𝑢𝑝 = , 𝑝=− … −1
𝐾 𝑑𝑥 2 2
(4.28)
𝑝 𝜆 𝐾 𝐾
𝑣𝑞 = , 𝑞 =− … −1
𝐾 𝑑𝑦 2 2

A grande vantagem deste algoritmo é o baixo custo computacional e o fato de

que o tempo de cálculo não está relacionado ao tamanho do array, mas sim ao nível
dos requisitos. Isso torna a técnica iterativa de Fourier ideal para grandes conjuntos.

132
 Os passos para a implementação da Técnica Iterativa de Fourier são descritos
a seguir:

1 – Utilize como estrutura básica o tapete de Sierpinski e inicialize as excitações dos

elementos individuais com valores aleatórios
2 – Aplique a IFFT no ponto 2D 𝐾 x 𝐾 , com 𝐾 > max (𝑀, 𝑁 ), e preencha com zero a
excitação para obter o número necessário de pontos. O resultado será AF.
3 – Adapte AF às restrições máximas prescritas e calcule {Amn} para o AF adaptado usando
uma FFT direta 2D de ponto 𝐾 × 𝐾.
4 – Realize o truncamento de {Amn} das amostras K×K para amostras M×N fazendo com
que todas as amostras fora do conjunto sejam zero.
5 – Defina a magnitude das excitações abaixo do valor predefinido para zero. O resultado
será a matriz de fractal-refinada modificada. Depois, defina a outra magnitude das
excitações que violam a restrição de faixa dinâmica para o valor mais baixo permitido.
6 – Repita os passos 2 a 5 até que os requisitos do lóbulo lateral sejam atendidos ou o
número máximo de iterações seja atingido.

A figura 4.21 mostra o fluxograma do algoritmo.

Figura 4.21 – Fluxograma do algoritmo utilizado na técnica iterativa de Fourier. [Li 2012]

133
4.8 GEOMETRIA FRACTAL EM PROJETOS DE ANTENAS
ELETRICAMENTE PEQUENAS

A demanda por antenas cada vez menores cresceu muitos nas últimas
décadas. O advento de aparelhos de iPod, notebooks, tablets, smartphones e
pequenas máquinas com grande capacidade computacional em tamanho reduzido
necessitou da utilização de antenas capazes de atender aos requisitos mínimos de
ganho e diretividade da aplicação e ao mesmo tempo possuírem dimensão diminuta.
Quando Nathan Cohen utilizou pela primeira vez uma antena em formato
fractal, conseguiu obter um resultado semelhante ao que obteria se usasse uma
estrutura irradiadora maior. Esses resultados motivaram os pesquisadores a explorar
a miniaturização por meio da geometria fractal, mas a explicação para o fenômeno
ocorreu somente depois [HANSEN 2006] [HOHLFELD 1999].
A miniaturização de uma antena diz respeito à concepção de uma estrutura
eletricamente pequena. A estrutura assim concebida leva em conta não o
comprimento físico real, mas o comprimento efetivo [BALANIS 2009].
A diferença entre os dois tipos de comprimento existe porque a distribuição de
corrente não é uniforme ao longo da superfície condutora da antena. Por isso, o tipo
de geometria pode indicar um comprimento efetivo maior, sem necessariamente
apresentar um comprimento físico maior.
Rigorosamente falando, o comprimento efetivo está relacionado à quantidade
de tensão induzida nos terminais de um circuito aberto iluminado por radiação
eletromagnética, conforme indicado pela equação 4.29.

𝑉 = ̅̅̅̅̅
𝐸𝑖𝑛𝑐 ∙ ̅̅̅̅
𝑐𝑒𝑓 (4.29)

em que 𝑉 é a tensão induzida, 𝐸𝑖𝑛𝑐 é o campo elétrico incidente e ̅̅̅̅

𝑐𝑒𝑓 o comprimento
efetivo.
Para se entender por que as antenas fractais são adequadas em projetos de
antenas eletricamente pequenas, considere uma antena de tamanho reduzido
confinada numa esfera, mostrada na figura 4.22. O tamanho da esfera é feito cada
vez menor, até que se consiga um máximo ganho G para um mínimo fator de
qualidade 𝑄.
134
 Figura 4.22 – Antena confinada numa estrutura esférica

Chu observou que a existência de vários modos de propagação deixa de

ocorrer quando a esfera se torna muito pequena, enquanto que o fator de qualidade
se torna muito grande [CHU 1948]. Isso significa a redução da largura de banda, o
que nos leva ao conceito de limite de miniaturização de antenas.
Entretanto, Hansen mostrou que a geometria do elemento radiante dentro da
esfera influi na largura de banda, e que a relação entre o fator de qualidade e o limite
depende dessa geometria [HANSEN 1981]. Isso o levou a formular a seguinte
equação para o limite fundamental de miniaturização de antenas:

1 + 3𝑘 2 𝑟 2
𝑄= 3 3 (4.30)
𝑘 𝑟 (1 + 𝑘 2 𝑟 2 )

Sendo 𝑘 o número de onda e 𝑟 o raio da esfera. A equação 4.30 indica o menor

valor realizável de 𝑄 para uma máxima dimensão de uma antena eletricamente
pequena. Algumas antenas estão longe desse limite, como a antena dipolo, de
acordo com a figura 4.23.

Figura 4.23 – 𝑸 x 𝒌𝒓 para várias antenas. [HANSEN 1981].

135
 Isso indica que deve existir algum tipo de antena que se aproxime mais deste
limite. Ora, deve ficar claro que quanto maior o comprimento efetivo da antena, mais
eficientemente ela ocupará o espaço dentro da esfera imaginária da figura 4.22 e,
portanto, mais próxima estará de alcançar este limite.
Nos anos 1990, McLean reexaminou o limite expresso na equação 4.30 com o
intuito de obter uma mais alta precisão [MCLEAN 1996]. Traçando um caminho
alternativo que considerava os campos gerados pelo modo TM01, McLean chegou à
seguinte expressão:

1 1 2
𝑄= ( 3 3+ ) (4.31)
2 𝑘 𝑎 𝑘𝑎

A expressão 4.31 é mais exata que a expressão 4.30, de acordo Grimes et. al
[GRIMES 2001]. Estes autores utilizaram métodos numéricos e experimentais e
concluíram que o limite em 4.30 não é universalmente aplicável.
As antenas fractais são o tipo que mais se aproxima do limite fundamental de
antenas eletricamente pequenas expresso na equação 4.31. Esse tipo de estrutura
radiante utiliza mais eficientemente o volume correspondente à esfera que envolve a
antena em seu conjunto [BALANIS 2009] [DALARY 2014].
Baliarda et. al. utilizou uma curva de Koch para demonstrar essa propriedade.
A cada nova iteração, mais próxima a antenas ficava do limite expresso em 4.31
[BALIARDA 2000b]. Os diferentes estágios de interação são reproduzidos na figura
4.24 abaixo.

Figura 4.24 – Diferentes estágios de iteração da curva de Koch. [BALIARDA 2000b]

136
4.9 GEOMETRIA FRACTAL EM PROJETOS DE ANTENAS
INDEPENDNETES DA FREQUÊNCIA

Encontrar a largura de banda máxima em antenas significa determinar o

máximo intervalo de frequências dentro do qual um elemento radiador pode operar
sem comprometer significativamente alguns parâmetros considerados importantes
pelo projetista, tais como VSWR, ganho OU impedância de entrada. A determinação
desse intervalo diz respeito, pois, ao limite máximo, e o desafio que se coloca é
justamente encontrar determinadas formas de antenas cujas características
atendam aos requisitos mencionados acima.
As primeiras tentativas significativas de elaboração de antenas que pudessem
operar em banda larga foram realizadas após a 2ª Guerra Mundial, embora seu
estudo tivesse começado antes. Em 1941 Schelkunoff desenvolveu um estudo para
antenas com formas arbitrárias baseando-se na análise teórica de estruturas cônicas
[SCHELKUNOFF 1941]. Kandoian construiu em 1945 uma antena do tipo bicônica
polarizada verticalmente que possuía um disco em um dos cones. Em 1948,
Mushiake formulou o princípio que ficou conhecido como “Auto-Complementaridade”
(Self-Complementarity) segundo o qual uma antena que fosse construída de modo
que a metade ocupada pelo elemento radiador fosse igual (complementar) à parte
não ocupada pelo mesmo, apresentaria impedância constante, independentemente
da frequência de operação [MUSHIAKE 1992]. Em 1949 Springer investigou uma
antena helicoidal modificada [SPRINGER 1949], e no início da década de 1950,
Turner propôs uma antena baseada na espiral de Arquimedes [TURNER 1955].
Em 1954, Rumsey propôs um critério segundo o qual uma antena
independente da frequência seria aquela cuja caracterização fosse totalmente
especificada por ângulos [RUMSEY 1957]. Entretanto, tais estruturas deveriam ter
formas que se estenderiam ao infinito. Antenas práticas são limitadas e, portanto,
são determinadas também por seu comprimento, e não apenas por ângulos. O
desafio então era encontrar uma forma cuja especificação dependesse mais do
ângulo do que do comprimento, de tal maneira que o truncamento no tamanho
(limite físico) proporcionasse um truncamento na frequência (frequência de corte
inferior) a partir daquele ponto.

137
 Na prática, isso é conseguido se as correntes decaírem com a distância em
relação aos terminais de entrada. Então, o ponto ideal para a realização do
truncamento (corte) é onde a corrente estiver desprezível. Desta maneira, consegue-
se uma boa aproximação para antenas independentes da frequência.
Os dois principais tipos de antenas que atenderam o requisito de serem
determinadas predominantemente por ângulos foram as espirais equiângulo e as
log-periódicas. A figura 4.25 ilustra esses dois tipos, respectivamente, em (a) e (b).

Figura 4.25 – (a) Antena espiral de fenda (b) Log-periódica

Embora a antena log-periódica não seja, rigorosamente falando, especificada

por ângulo, ela pode ser considerada como praticamente independente da
frequência, pois as correntes em seus condutores decaem abruptamente com a
distância em cada dente posicionado periodicamente. Isso faz com que suas
características de radiação e impedância de entrada se repitam com o logaritmo da
frequência.
De acordo com a literatura produzida até aproximadamente o final do século
XX, uma antena era considerada como independente da frequência se fosse
determinada preponderantemente por ângulos e/ou se possuísse a característica de
complementariedade [FELBER 2000]. Após o advento das antenas fractais, um novo
critério passou a ser adicionado a esses dois anteriormente mencionados: a
característica da auto semelhança, que é justamente o que define um fractal
[DYSON 1962] [KAUR 2014] [SINGH 2009] [KIM 2013] [IQBAL 2014]
[GSCHWENDTNER 2000] [GUSTAFSSON] [HOHLFELD 1999].

138
4.10 CRÍTICAS AO USO DE ANTENAS FRACTAIS

Nem toda a comunidade científica se entusiasmou com as inúmeras

expectativas abertas pela utilização de antenas fractais. Alguns autores afirmaram
que os fractais de fato possuem característica de multibanda e de miniaturização,
mas não são melhores do que as outras geometrias já conhecidas [HANSEN 2006].
Por exemplo, Steven Best comparou o comportamento ressonante de um
monopolo fractal de Koch com um monopolo de mesma altura, um monopolo com
mesmo comprimento total de fio e um monopolo ressonante na mesma frequência, e
chegou à conclusão de que o comportamento da frequência ressonante do
monopolo fractal de Koch não era função apenas da geometria fractal sozinha, mas
de todas as suas propriedades físicas tais como altura, comprimento total do fio,
diâmetro do fio e, adicionalmente, da geometria também [BEST 2002b]. Em outro
trabalho, afirmou que as antenas fractais do tipo Koch, Hilbert, Minkowski e Peano
criava um forte acoplamento entre os segmentos paralelos, cujas correntes opostas
culminavam por reduzir o comprimento efetivo dessas antenas. E embora
reduzissem a frequência de ressonância, aumentavam a reatância, o que reduzia a
largura de banda [BEST 2002a] [BEST 2003].
Uma maneira de reduzir o 𝑄 da antena e aumentar sua largura de banda é
adicionar resistência ao condutor da mesma, utilizando carregamento distribuído.
Entretanto, essa prática raramente é empregada, pois diminui a eficiência da antena.
Uma maneira mais otimizada de carregamento distribuído é a utilização de
indutância, que é conseguida simplesmente dobrando-se o fio reto da antena,
preservando o seu comprimento elétrico, como um carregamento concentrado.
Segundo alguns autores, existem formas mais eficientes de adicionar indutância à
antena do que a geometria fractal, como monopólios do tipo gravata-borboleta
grossos ou dipolos grossos carregados no topo. [STUTZMAN 1981]
Segundo Hansen, os orifícios encontrados em antenas fractais como o tapete
de Sierpinski e outros produzem ressonâncias de alta frequência, mas tais antenas
não podem ser chamadas de banda larga, e sim antena de banda estreita múltipla.
Além disso, ressaltou que essas múltiplas ressonâncias podem ser obtidas criando-
se ranhuras na estrutura, as quais não necessitam seguir, necessariamente, a lógica
fractal. Como um argumento adicional, Hansen afirmou que as antenas fractais

139
violam o princípio de radiação de banda larga, pois são alimentadas na estrutura
grande e as correntes precisam percorrer a grande estrutura auto similar,
sucessivamente após cada iteração; diferentemente das antenas de banda larga
como a espiral ou corneta TEM, que são alimentadas na estrutura pequena,
primeiramente, de modo que as correntes são transmitidas para as estruturas
seguintes sem muita alteração, caso a primeira estrutura não entre em ressonância.
Em relação à supressão dos lóbulos laterais através do uso de geometria
fractal, também várias criticas surgiram. Ressaltou-se que conjuntos fractais de
Cantor resultam em lóbulos laterais mais altos do que muitos conjuntos com
espaçamento não uniforme, de formato não fractal [HANSEN 2006].
Apesar das inúmeras críticas, a controvérsia em torno da eficiência ou não das
antenas fractais está longe de ser solucionada em definitivo. E isso por vários
motivos. Primeiro, porque o desenvolvimento matemático da geometria fractal
precisa ser mais aprimorado para que conclusões mais precisas sejam tiradas; a
própria formulação matemática de fenômenos eletromagnéticos envolvendo antenas
não é tarefa das mais fáceis. Em segundo lugar, existem possibilidades infinitas de
se gerar um fractal, conforme foi visto nas seções anteriores: é possível controlar o
fator de expansão, a quantidade de iterações, a lógica de formação e mesmo o local
da alimentação da estrutura radiante. As experiências realizadas acima utilizaram
um número muito restrito de geometrias, e sob condições muito específicas, o que
impossibilita uma generalização para todas as antenas fractais possíveis. Em
terceiro lugar, o que se observou nas últimas décadas é um crescente interesse pelo
estudo das antenas fractais, a despeito das críticas realizadas pelos pesquisadores
acima mencionados. Embora este fato por si só não constitua uma fundamentação
indiscutível sobre a eficácia das antenas fractais, tal interesse crescente é pelo
menos um indicativo de que os argumentos dos críticos não foram aceitos (ou talvez
não foram levados em conta).
De qualquer maneira, somente o tempo irá dizer se a utilização de antenas
fractais é realmente algo inovador e promissor, ou se não passou de um puro
modismo que atraiu e ainda atrai pesquisadores de todas as partes do mundo. Um
dos objetivos deste trabalho é preencher mais um tijolo nesse edifício conceitual em
construção.

140
5. PROCESSOS ESTOCÁSTICOS E ESTIMATIVA

5.1 INTRODUÇÃO

Por definição, toda mensagem transmitida é aleatória. Quanto maior o nível de

incerteza, maior a quantidade de informação transmitida. Por serem imprevisíveis, os
sinais transmitidos por uma fonte transmissora a outra fonte receptora devem ser
analisados segundo a teoria dos processos estocásticos. Isto é, devem ser levadas
em conta medidas de tendência central e de dispersão, assim como os tipos de
distribuição, a teoria elementar da amostragem, estimativa e correlação, dentre
outras [PAPOULIS 1984].
Por outro lado, um sinal proveniente de uma fonte pode percorrer múltiplos
caminhos de propagação, o que implica a existência de múltiplos ângulos de
chegada e múltiplos atrasos de fase. Por isso é necessário utilizar técnicas
estatísticas com o intuito de estimar a direção de chegada de uma fonte e desta
maneira melhorar a relação sinal/ruído da recepção, bem como para promover um
melhor aproveitamento do espectro.
O objetivo deste capítulo é expor e comentar a teoria básica envolvendo
processos estocásticos e estimativa, discorrendo sobre os principais métodos e
princípios relatados na literatura e desenvolvidos por pesquisadores ao longo de
várias décadas. Esse referencial teórico servirá como base para o entendimento das
antenas inteligentes, cujos principais algoritmos se baseiam, justamente, na teoria
da estimativa e de processos estocásticos. O não entendimento dos assuntos
referidos neste capítulo é a principal causa das dificuldades encontradas pelos
pesquisadores da área de antenas inteligentes.
A bibliografia utilizada é apresentada ao longo do capítulo.

141
5.2 CONCEITOS FUNDAMENTAIS

Um experimento aleatório é aquele cujo resultado varia de maneira não

determinística, de modo que nenhum modelo de análise previamente utilizado seja
capaz de fornecer a saída exata do sistema. As previsões podem ser feitas levando-
se em conta apenas a probabilidade de ocorrência, e não um modelo matemático
cujo resultado seja um valor preciso [LEON-GARCIA 2008]. O conjunto de todas as
probabilidades de ocorrência de um experimento aleatório é chamado de espaço
amostral. Um subconjunto do espaço amostral é chamado de evento [LATHI 1998].
Uma variável aleatória é uma função que atribui um número real a cada
resultado do espaço amostral. Ou seja, a variável aleatória mapeia pontos amostrais
em números reais. Os números podem ser discretos ou contínuos, dependendo do
tipo de fenômeno modelado.
Para que um sistema seja previsível, é necessário que o fenômeno possua
algum tipo de regularidade em seu comportamento. As variáveis aleatórias
apresentam uma regularidade somente quando são analisadas dentro de um
conjunto amplo de experimentação, de modo que os dados possam ser agrupados e
a frequência de ocorrência de um evento possa ser mapeada e calculada. Então, as
medidas de tendência central como a média, mediana e moda, assim como as
medidas de dispersão dos dados como variância, desvio padrão ou curtose,
produzirão resultados que se repetirão aproximadamente com a mesma precisão e
previsibilidade, embora a variável continue sendo aleatória e, portanto, imprevisível.
Esse tipo de regularidade é chamada de regularidade estatística.
A função que caracteriza uma variável aleatória é chamada de função
densidade de probabilidade (PDF). Na prática, ela é encontrada experimentalmente
a partir de uma amostra retirada do espaço amostral, e então, após o tratamento dos
dados, é feita uma inferência para aproximar o fenômeno analisado a alguma função
densidade de probabilidade já conhecida [BUSSAB 2010].
Se uma variável aleatória depender de outra variável aleatória, dizemos que
existe entre elas algum tipo de correlação. Neste caso, é possível estimar o valor de
uma delas conhecendo-se a outra. Na área de antenas e, em especial, de antenas
inteligentes, o estudo da correlação entre sinais é de fundamental importância, bem
como a caracterização do sinal e do ruído a partir de alguma PDF conhecida.

142
5.3 FUNÇÃO DENSIDADE DE PROBABILIDADE

Matematicamente, a probabilidade de x assumir um intervalo de valores entre

dois limites 𝑥1 e 𝑥2 é dada por:

𝑥2

𝑃 (𝑥1 ≤ 𝑥 ≤ 𝑥2 ) = ∫ 𝑝(𝑥 ) 𝑑𝑥 (5.1)

𝑥1

A integração de uma PDF no intervalo (−∞, +∞) será sempre 1.

Na área das telecomunicações existem várias PDFs importantes que ajudam a
descrever as características relacionadas ao ruído do receptor, o sinal de chagada
de múltiplos caminhos ou distribuição de fase, por exemplo. Uma revisão rápida
dessas PDF’s será útil para o entendimento de antenas inteligentes (GROSS 2005).

5.3.1 Gaussiana

Também chamada de função densidade normal, é a mais comum em

telecomunicações. Ela define não apenas o comportamento do ruído nos receptores,
mas a característica de multipercurso que resultam em amplitudes aleatórias.
A PDF gaussiana é definida de acordo com a equação 5.2.

1 (𝑥−𝑥0 )2
−
𝑝 (𝑥 ) = 𝑒 2𝜎2 (5.2)
√2𝜋𝜎 2

sendo 𝜎 2 a variância, ou 2º momento central. A curva tem o formato de um sino, e é

simétrica em relação ao eixo vertical paralelo a p(x) e que passa por x0. (Fig. 5.1).

Figura 5.1 PDF gaussiana

143
5.3.2 Rayleigh

Dados dois processos aleatórios gaussianos independentes, com variáveis x e

y, encontrando a PDF conjunta dessas duas variáveis, chegaremos à PDF de
Rayleigh. Em termos práticos, esse tipo de distribuição ocorre quando se procura
determinar o envelope de dois processos gaussianos independentes. Por exemplo,
na saída de um filtro linear, cujas entradas sejam variáveis aleatórias com PDF
gaussiana, cada uma.
A PDF de Rayleigh é definida como:

𝑥 − 𝑥22
𝑝 (𝑥 ) = 𝑒 2𝜎 (5.3)
𝜎2

O formato pode ser visualizado na figura 5.2.

Figura 5.2 PDF de Rayleigh

5.3.3 Uniforme

Na propagação de sinais, a distribuição de fase aleatória tem a forma de uma

distribuição uniforme. Além do atraso de fase ser uniformemente distribuído, também
o ângulo de chegada de várias ondas propagadas assume essa característica.
A PDF uniforme é definida pela equação 5.4:

1
𝑝 (𝑥 ) = [𝑢(𝑥 − 𝑎) − 𝑢(𝑥 − 𝑏)] 𝑎≤𝑥≤𝑏 (5.4)
𝑏−𝑎

E o seu gráfico é mostrado na figura 5.3.

144
 Figura 5.3 PDF uniforme

5.3.4 Exponencial

Os ângulos de chegada dos sinais recebidos por uma antena são descritos por
meio da PDF exponencial. Ela é definida por

1 −𝑥
𝑝 (𝑥 ) = 𝑒 𝜎 (5.5)
𝜎

O gráfico da PDF exponencial é mostrado na figura 5.4.

Figura 5.4 PDF exponencial

5.3.5 Riccia

Quando um sinal de visada direta é misturado a sinais de multipercurso, ocorre

uma modificação na distribuição de Rayleigh. Neste caso, torna-se necessário
utilizar uma distribuição mais adequada, como a PDF de Riccia.
A distribuição ricciana é definida pela equação 5.6:

145
 2 2
𝑥 −(𝑥 +𝐴 ) 𝑥𝐴
𝑝(𝑥 ) = 2 𝑒 2𝜎2 𝐼0 ( 2 ) 𝑥 ≥ 0, 𝐴 ≥ 0 (5.6)
𝜎 𝜎

em que 𝐼0 é a função de Bessel modificada de primeiro tipo e ordem zero.

O gráfico da PDF de Riccia é mostrado na figura 5.5.

Figura 5.5 PDF de Riccia

5.3.6 Laplace

Os ângulos internos de chegada obedecem à distribuição de Laplace. Ela é

simétrica em relação à origem, o que significa que o primeiro momento central é zero
e o segundo é 𝜎 2 .
A PDF de Laplace é definida por

√2𝑥
1 −|
𝜎
|
𝑝 (𝑥 ) = 𝑒 (5.7)
√2𝜎

O gráfico é mostrado na figura 5.6.

Figura 5.6 PDF de Laplace

146
5.4 VALOR ESPERADO E MOMENTOS

O valor esperado, ou esperança, de uma variável aleatória 𝑋 com densidade

contínua é definido por:

𝐸 [𝑋] = ∫ 𝑥𝑝(𝑥 )𝑑𝑥 (5.8)

−∞

O valor esperado de 𝑋 é comumente chamado de primeiro momento da

variável aleatória 𝑋. Para facilidade de notação, o valor esperado é indicado como
𝑚, 𝑥̅ ou 𝜇, por exemplo.
O n-ésimo momento de uma variável aleatória 𝑋 é definido como o valor
esperado de 𝑥 𝑛 . Assim:

𝐸 [𝑋 𝑛 ] = ∫ 𝑥 𝑛 𝑝(𝑥 )𝑑𝑥 (5.9)

−∞

A equação 5.9 é mais genérica, e a partir dela é possível chegar a qualquer

momento central: 1º, 2º, 3º, etc.
O n-ésimo momento central de uma variável aleatória X é dado por:

𝐸 [𝑋 − 𝑥̅ ] = ∫ (𝑥 − 𝑥̅ )𝑛 𝑝(𝑥 )𝑑𝑥 (5.10)

−∞

A equação 5.10 indica o quanto os dados tendem a se dispersar em torno da

média. Por isso é uma medida de dispersão [HASSLER 2016].
O segundo momento central é a própria variância, às vezes escrita como
𝑉𝐴𝑅(𝑋), 𝜎𝑥2 ou simplesmente 𝜎 2 . Então, a variância pode ser expressa por:

𝜎 2 = ∫ (𝑥 − 𝑥̅ )2 𝑝(𝑥 )𝑑𝑥 (5.11)

−∞

A equação 5.11 pode ser desenvolvida como:

𝜎 2 = ̅̅̅̅̅̅̅̅̅̅̅
(𝑥 − 𝑥̅ )2 = ̅̅̅ ̅̅̅̅̅ + 𝑥̅ 2 = ̅̅̅
𝑥 2 − 2𝑥𝑥̅ 𝑥 2 − 2𝑥̅ 2 + 𝑥̅ 2 = ̅̅̅
𝑥 2 − 𝑥̅ 2 (5.12)

147
5.5 CORRELAÇÃO

Quando uma variável aleatória 𝑋 está relacionada a outra variável aleatória 𝑌,

dizemos que entre elas existe algum tipo de correlação. Por exemplo, existe uma
correlação entre a intensidade de um sinal recebido propagado na atmosfera
terrestre e a frequência deste sinal, devido ao desvanecimento; ou ainda, existe uma
correlação entre a distância entre os repetidores regenerativos, num link de
transmissão digital, e a taxa de erro de bits.
A correlação é mais bem caracterizada a partir do momento conjunto de duas
variáveis aleatórias. Considere o jk-ésimo momento conjunto de duas variáveis
aleatórias 𝑋 e 𝑌.

∞ ∞

𝐸[𝑋𝑗 𝑌𝑘 ] = ∫ ∫ 𝑥 𝑗 𝑦 𝑘 𝑝(𝑥, 𝑦)𝑑𝑥𝑑𝑦 (5.13)

−∞ −∞

Em que 𝑝(𝑥, 𝑦) é a função densidade de probabilidade conjunta das variáveis

aleatórias 𝑋 e 𝑌.
Se 𝑗 = 1 e 𝑘 = 1, o momento 𝐸 [𝑋, 𝑌] é chamado de correlação da variável
aleatória 𝑋 com a variável aleatória 𝑌. A correlação pode variar no intervalo de -1
(correlação negativa) a 1 (correlação positiva). Se a correlação for igual a zero,
significa que as variáveis aleatórias 𝑋 e 𝑌 são descorrelacionadas.
O jk-ésimo momento central das variáveis aleatórias 𝑋 e 𝑌 é o momento central
conjunto de 𝑋 e 𝑌.

∞ ∞

𝐸[(𝑋 − 𝑥̅ )𝑗 (𝑌 − 𝑦̅)𝑘 ] = ∫ ∫(𝑥 − 𝑥̅ )𝑗 (𝑦 − 𝑦̅)𝑘 𝑝(𝑥, 𝑦)𝑑𝑥𝑑𝑦 (5.14)

−∞ −∞

Se 𝑗 = 1 e 𝑘 = 1, o momento central conjunto 𝐸 [(𝑋 − 𝑥̅ ), (𝑌 − 𝑦̅)] é chamado de

covariância da variável aleatória 𝑋 com a variável aleatória 𝑌.
Por vezes, é útil utilizar o coeficiente de correlação entre 𝑋 e 𝑌 como:

𝐸 [(𝑋 − 𝑥̅ ), (𝑌 − 𝑦̅)]
𝜌𝑥𝑦 = (5.15)
𝐸 [𝑋 − 𝑥̅ ]𝐸 [𝑌 − 𝑦̅]

148
 Quando o coeficiente de correlação é zero, isto é, quando as variáveis
aleatórias 𝑋 e 𝑌 estão descorrelacionadas, dizemos também que 𝑋 e 𝑌 são
ortogonais entre si. Num espaço vetorial de sinais, dois sinais são ortogonais entre si
quando o produto interno entre eles, ou produto escalar, é igual a zero [LATHI 1998]
[STEINBRUCH 1987].

𝑥 ∙ 𝑦 = |𝑥 ||𝑦| cos 𝜃 = 0 (5.16)

Em que 𝑥 e 𝑦 são dois sinais quaisquer, e 𝜃 é ângulo entre eles. Como exemplo de
sinais vetoriais ortogonais entre si temos os campos 𝐸⃗ e 𝐻
⃗ expressos pelas
equações 2.1, nas famosas equações de Maxwell. O rotacional presente nessas
equações indica exatamente a existência de ortogonalidade entre os campos.
Os sinais 𝑥 e 𝑦 também variam no tempo, donde se torna mais conveniente
expressá-los como função de 𝑡 : 𝑥 (𝑡) e 𝑦(𝑡) . Em telecomunicações, a correlação
entre dois sinais é indicada pela energia existente em cada um. Para
estabelecermos uma correlação que não dependa da energia, é necessário
normalizar em termos da energia de 𝑥 e da energia de 𝑦 . Desta maneira, a
correlação entre dois sinais variantes no tempo é indicada por:

∞
1
𝜌= ∫ 𝑥 (𝑡)𝑦(𝑡)𝑑𝑡 (5.17)
√𝐸𝑥 𝐸𝑦 −∞

Além da correlação com outro sinal, é possível estabelecer a correlação de um

sinal consigo mesmo. Sinais idênticos defasados no tempo terão uma correlação
grande quando estiverem em sincronismo, o que é conseguido atrasando-se um
deles em relação a outro.
Como exemplo, considere um sinal propagado pela antena transmissora e
captado pelo conjunto de duas antenas receptoras, conforme ilustrado na figura 5.7.
Além dos sinais que chegam através do caminho direto, existem sinais que
percorrem múltiplos caminhos até alcançar a antena receptora, sendo refletidos por
prédios, torres, montanhas e vários outros obstáculos possíveis [GROSS 2015].
Esses sinais provenientes do percurso indireto sofrerão um atraso temporal até
alcançar a antena receptora.
149
 Figura 5.7 – Propagação direta e multipercurso de um sinal

Embora existam vários sinais multipercurso, considere apenas um tipo. Devido

à interferência, haverá um desvanecimento do sinal captado pelo conjunto de
antenas, pois os campos do sinal de percurso direto irão interagir com os campos do
sinal multipercurso, deteriorando a relação sinal/ruído.
Uma maneira de melhorar a qualidade do sinal recebido é estabelecer a
correlação entre os dois sinais (percurso direto e indireto). Isso é conseguido
aplicando um defasador temporal em uma das antenas e depois realizando a
correlação dos sinais. São feitas várias defasagens e calculadas várias correlações,
para cada defasagem. O maior valor encontrado para a correlação indica o atraso de
tempo que deve ser aplicado para se obter a melhor relação sinal/ruído. O processo
pode se repetir iterativamente, de maneira dinâmica, para um monitoramento em
tempo real.
A correlação de um sinal com ele mesmo defasado no tempo é denominada
autocorrelação. Como os sinais são aleatórios, é mais conveniente definir a função
autocorrelação em termos de variáveis aleatórias. Assim, a correlação de um sinal 𝑋
com ele mesmo em instantes de tempo diferentes é dada pela equação 5.18.

𝑅𝑋 (𝑡1 , 𝑡2 ) = 𝐸 [𝑋(𝑡1 )𝑋(𝑡2 )] (5.18)

150
5.6 ERGODICIDADE E ESTACIONARIDADE

Para uma variável aleatória, podemos estimar a esperança utilizando um bloco

de tempo T através de uma integral por esse período, e depois dividindo pelo
mesmo tempo. No caso de um processo aleatório, é necessário considerar vários
instantes de tempo. Como a variável aleatória está mudando com o tempo, espera-
se que a estimativa também varie com o tempo.
Quando as estatísticas da VA não mudam com o tempo, o processo é dito
estacionário. Se um aumento do bloco de tempo T forçar a estimativa da média de
tempo a convergir para a média estatística, o processo é dito ergódigo.
Para um processo estacionário, a equação 5.18 pode ser escrita como

𝑅𝑥 (𝜏) = 𝐸 [𝑥 (𝑡)𝑥(𝑡 + 𝜏)] (5.19)

Na prática, a existência de um bloco ilimitado de dados é impossível. Então,

devemos utilizar uma média de tempo, o que significa, utilizar um conjunto limitado
de dados e, a partir destes, estimar a autocorrelação. Portanto, a autocorrelação
estimada pode ser escrita como

𝑇
1
𝑅̂𝑥 (𝜏) = ∫ 𝑥 (𝑡)𝑥 (𝑡 + 𝜏)𝑑𝑡 (5.20)
𝑇
0

Para dados amostrados, a integral de convolução se transforma num somatório.

Forçando o valor de 𝑇 , forçamos a estimativa de autocorrelação acima a
convergir para a autocorrelação estatística, e então o processo se torna ergódigo na
autocorrelação. Por isso é chamada de autocorrelação ergódiga. Então:

𝑇
1
lim 𝑅̂𝑥 (𝜏) = lim ∫ 𝑥(𝑡)𝑥 (𝑡 + 𝜏)𝑑𝑡 = 𝑅𝑥 (𝜏) (5.21)
𝑇→∞ 𝑇→∞ 𝑇
0

A transformada de Fourier da função autocorrelação é a densidade espectral

de potência.

𝑆𝑥 (𝑓 ) = ∫ 𝑅𝑥 (𝜏)𝑒 −𝑗2𝜋𝑓𝜏 𝑑𝜏 (5.22)

−∞

151
5.7 ESTIMATIVA

A estimativa é uma avaliação, cálculo ou juízo de grandezas, por meio da

análise de valores prévios, a partir dos quais se realiza uma previsão sobre valores
futuros. A estimativa é sempre uma possibilidade, e por isso é melhor analisada pela
teoria das probabilidades.
Em estatística, é muito importante deduzir informações relativas a uma
população a partir de amostras dela extraídas. Essas questões estão relacionadas à
inferência estatística, que utiliza os princípios da teoria da amostragem. Por
exemplo, estimar parâmetros (média, variância, etc.) da estatística amostral
correspondente. Na teoria dos sinais, se torna frequentemente importante
determinar um sinal a partir da informação de outro sinal ou outros sinais. Isso é
possível através da correlação. Quando duas grandezas estão relacionadas, o
conhecimento de uma fornece informação sobre a outra. Ou seja, é possível estimar
o valor de um sinal a partir do valor de outro sinal correlacionado.
Existem maneiras de se representar um sinal a partir de um conjunto ortogonal
de sinais, os quais formam uma base de construção. A forma mais conhecida, neste
caso, é representar um sinal a partir de somas de séries de Fourier, ou outras séries.
Seja 𝑠(𝑡) uma função de valor real, continuamente variável no tempo 𝑡 .
Considere-se a existência de um ruído 𝑣(𝑡) , que perturba a função original 𝑠(𝑡) .
Podemos gerar um sinal 𝑧(𝑡) a partir do sinal corrompido.

𝑧 (𝑡 ) = 𝑔 (𝑠 (𝑡 ), 𝑣 (𝑡 ), 𝑡 ) (5.23)

em que 𝑔(. ) Representa a degradação que ocorre ao se gerar 𝑧(𝑡) a partir de 𝑠(𝑡). A
presença de 𝑡 no argumento de 𝑔(. ) indica que esta função depende do tempo
[KAMEN 1999].

Considere a figura 5. O sinal direto 𝑠(𝑡) é degradado pelos sinais multipercurso

𝑣1 (𝑡) e 𝑣2 (𝑡), e pelo sinal de interferência 𝑣3 (𝑡), os quais, somados, formam o ruído
𝑣 (𝑡 ).

152
 Figura 5.8 – Efeito de multipercurso de um sinal e ruído

Em muitas aplicações, como rastreamento de alvo e medidas de sinais

bioelétricos, a medida 𝑧(𝑡) = 𝑔(𝑠(𝑡), 𝑣 (𝑡), 𝑡)pode ser expressa na forma sinal + ruído

𝑧 (𝑡 ) = 𝑠 (𝑡 ) + 𝑣 (𝑡 ) (5.24)

Neste caso, 𝑧 (𝑡) será, simplesmente, a soma do sinal 𝑠(𝑡) com o ruído aditivo 𝑣(𝑡).

Figura 5.9 Esquema de sinal ruidoso adicionado ao sinal principal

Em outras aplicações, quando 𝑧(𝑡) for dado em termos de ruído multiplicativo,

essa forma sinal + ruído não será válida.
A questão que se coloca para a estimativa, que é também um problema de
filtragem, é reconstruir 𝑠(𝑡) a partir de 𝑧(𝑡).
O valor de 𝑠̂ (𝑡) estimado irá diferir, obviamente, do verdadeiro valor 𝑠(𝑡). Pode-
se escolher vários critérios de qualidade para o processo de estimação. Dentre os
153
mais comuns, destaca-se o erro quadrático médio (𝜖). Neste caso, o valor estimado
será otimizado quando o erro quadrático médio for mínimo.

̅̅̅ ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅2
𝜖 2 = (𝑠(𝑡) − 𝑠̂ (𝑡)) (5.25)

Quando 𝜖 for mínimo, o valor estimado 𝑠̂ (𝑡) e o erro 𝜖 serão ortogonais.

Os sinais em telecomunicações são probabilísticos, o que significa que devem
ser analisados como variáveis aleatórias. Se duas ou mais variáveis aleatórias
estiverem relacionadas entre si, pode-se estimar o valor de uma a partir de uma
combinação linear das outras.
Seja 𝑥0 a variável aleatória a ser estimada, 𝑥̂0 o valor estimado, e as variáveis
aleatórias 𝑥1 , 𝑥2 , … , 𝑥𝑛 relacionadas a 𝑥0 .

𝑥̂0 = 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 (5.26)

Isso implica uma correlação entre todas essas variáveis. Onde há correlação,
há uma covariância associada. Define-se a covariância entre a variável aleatória 𝑥0 e
a variável aleatória 𝑥𝑛 como

𝜎𝑥0 𝑥𝑛 = ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅
(𝑥0 − ̅̅̅
𝑥0 )(𝑥𝑛 − ̅̅̅
𝑥𝑛 ) (5.27)

em que ̅̅̅
𝑥0 e ̅̅̅
𝑥𝑛 são as médias, respectivamente, de 𝑥0 e 𝑥𝑛 .
Minimizando-se o erro quadrático médio ( 𝜖 ), encontramos as equações
simultâneas em forma matricial.

−1
𝑎1 𝑅11 𝑅12 … 𝑅1𝑛 𝑅01
𝑎2 … 𝑅2𝑛 ]
[ … ] = [𝑅…
21 𝑅22
… … … [𝑅…
02 ] (5.28)
𝑎𝑛 𝑅𝑛1 𝑅𝑛2 … 𝑅𝑛𝑛 𝑅0𝑛

em que 𝑅11 é a correlação entre 𝑥1 e ele mesmo, 𝑅12 é a correlação entre 𝑥1 e 𝑋2 , e

assim sucessivamente.

154
5.8 MATRIZ DE CORRELAÇÃO DE CONJUNTO

Da mesma maneira como fizemos para a matriz de pesos e o vetor de direção,

é conveniente utilizar uma matriz de correlação de um conjunto de antenas.
Considere um conjunto bidimensional 𝑀 x 𝑀. Uma onda plana incidente induz
uma tensão aleatória em todos os elementos do conjunto, conforme a figura 5.10.

Figura 5.10 – Conjunto bidimensional iluminado por uma onda plana incidente

O sinal total recebido pode ser escrito como um vetor 𝑥 (𝑡). Assim:

𝑥 (𝑡) = 𝑎̅(𝜃 ) ∙ 𝑠(𝑡) (5.29)

Em que 𝑠(𝑡) é o sinal incidente e 𝑎̅(𝜃 ) é o vetor de direção de conjunto 𝑀 x 𝑀 para

um ângulo de chegada 𝜃.
A matriz de correlação de conjunto se relaciona com o sinal 𝑥 (𝑡) da seguinte
maneira:

𝑅̅𝑥𝑥 = 𝐸 [𝑥̅ ∙ 𝑥̅ 𝐻 ] (5.30)

Em que o símbolo 𝐻 indica a transposta hermitiana.

155
 Aplicando a equação 5.29 na equação 5.30:

𝑅̅𝑥𝑥 = 𝐸 [(𝑎̅𝑠)(𝑠 ∗ 𝑎̅𝐻 )] (5.31)

O vetor de direção de conjunto pode ser colocado para fora da média. Então:

𝑅̅𝑥𝑥 = 𝑎̅𝐸 [|𝑠|2 ]𝑎̅𝐻 (5.32)

Fazendo 𝐸 [|𝑠|2 ] = 𝑆:

𝑅̅𝑥𝑥 = 𝑆𝑎̅ ∙ 𝑎̅𝐻 (5.33)

A equação 5.33 não leva em conta a autocorrelação, pois não há atraso no

vetor 𝑥̅ . Ela calcula a média de todo o conjunto de ensemble. Para levar em conta
sistemas realizáveis é necessário considerar um bloco limitado em tamanho no
tempo [GROSS 2015]. Então, a matriz de correlação pode ser dada como:

𝑇
1
𝑅̂𝑥𝑥 = ∫ 𝑥̅ (𝑡) ∙ 𝑥̅ (𝑡)𝐻 𝑑𝑡 (5.34)
𝑇
0

Aplicando 5.33 em 5.34:

𝑇
𝑎̅ ∙ 𝑎̅𝐻
𝑅̂𝑥𝑥 = ∫|𝑠(𝑡)|2 𝑑𝑡 (5.35)
𝑇
0

Aumentando o valor de 𝑇, forçamos a estimativa da matriz de correlação a

convergir para a matriz de correlação estatística, conforme vimos anteriormente.
Então o processo passa a ser considerado como ergódigo nessa matriz de
correlação. Isso permite que ela seja reescrita de forma semelhante à equação 5.21.

𝑇
1
lim 𝑅̂𝑥𝑥 (𝜏) = lim ∫ 𝑥̅ (𝑡) ∙ 𝑥̅ (𝑡)𝐻 𝑑𝑡 = 𝑅̅𝑥𝑥 (5.36)
𝑇→∞ 𝑇→∞ 𝑇
0

156
5.9 ESTIMATIVA ESPECTRAL

Boa parte dos problemas envolvendo processamento de sinal necessita

realizar previamente uma estimativa espectral. Ela é capaz de fornecer informações
sobre o número de sinais, seus parâmetros ou sua forma de onda, a partir de dados
amostrados temporalmente ou espacialmente de um processo aleatório estacionário.
No processamento estatístico de sinais, um dos objetivos fundamentais é obter
a distribuição de potência dos dados em função da frequência. Daí a ênfase dada
anteriormente à função autocorrelação e à densidade espectral de potência, os dois
pares de transformada de Fourier imprescindíveis no estudo em questão.
A estimativa espectral pode ser temporal ou espacial. A primeira é realizada a
partir da análise de condições estatísticas temporais de acordo com uma sequência
no tempo. A segunda é feita a partir da análise de amostras espaciais realizadas por
sensores. Nos dois casos, se deseja obter informações sobre o conteúdo espectral
do sinal, a quantidade de sinais, ruído, o tipo de dado e muitas outras. Muitos dos
métodos utilizados na estimativa temporal são semelhantes aos da estimativa
espacial; por exemplo, a determinação da densidade espectral de potência é
semelhante nos dois casos.
Seja a função de autocovariância definida como a covariância de 𝑋(𝑡1 ) e 𝑋(𝑡2 ):

𝐸 [{𝑋(𝑡1 ) − 𝑥̅ (𝑡1 )}{𝑋(𝑡2 ) − 𝑥̅ (𝑡2 )}] (5.37)

Como sabemos, num processo estacionário de sentido amplo a média do

processo aleatório não depende do tempo e/ou do espaço. Sendo 𝑡2 − 𝑡1 = 𝜏, e
utilizando o símbolo 𝑟 para a autocovariância, segue que a equação 5.37 deve
satisfazer à seguinte condição:

𝐸 [{𝑋 (𝑡1 ) − 𝑥̅ (𝑡1)}{𝑋(𝑡2 ) − 𝑥̅ (𝑡2 )}] = 𝑟(𝜏) (5.38)

O que significa que a autocovariância é função apenas da defasagem 𝜏.

A seguir serão analisadas as principais técnicas de estimativa espectral
temporal. Elas servirão de base para os algoritmos de direção de chegada (DOA)
abordados no próximo capítulo, e que se baseiam na análise espectral espacial.
Para maiores detalhes consultar [HAYKIN 2009] [JOHNSON 1993].

157
5.9.1 Estimativa Espectral Temporal

Os métodos de estimativa da PSD (densidade espectral de potência) são

classificados em paramétricos e não paramétricos. O paramétrico é baseado em
algum modelo matemático que serve como parâmetro, e então a PSD é expressa
em termos desses parâmetros. O não paramétrico ocorre quando não há suposição
específica sobre a sequência observada. A seguir serão considerados processos
estacionários em sentido amplo para tempos discretos e espaços discretos,
comparando as metodologias.

A) MÉTODOS PARAMÉTRICOS

O primeiro passo é estimar os parâmetros (ou modelos matemáticos) do

processo, e depois calcular a PSD a partir desses parâmetros. As duas classes de
modelos paramétricos principais são:

- processos que apresentam senóides com ruído

- processos com espectros racionais

Os processos que descrevem senóides com ruído são do tipo:

𝑦[𝑡] = ∑ 𝐴𝑘 𝑒 𝑗𝜔𝑘𝑡 + 𝜀 [𝑡] (5.39)

𝑘=1

em que 𝐴𝐾 é a amplitude complexa da k-ésima senóide, 𝜔𝑘 é a frequência angular

complexa da k-ésima senóide, 𝐾 é o número de senóides e 𝜀[𝑡] é o ruído aditivo
com média zero e independente das senóides.
Os métodos utilizados para estimar a PSD do sinal consistem basicamente em
estimar os parâmetros 𝐾, 𝐴𝐾 e 𝜔𝑘 para 𝑘=1, 2, ..., 𝐾 [STOICA 2004].
Pisarenko [PISARENKO 1973] propôs um método baseado num
“pseudoespectro” dado por:

1
𝑃𝑠𝑒𝑢𝑑𝑜𝑒𝑠𝑝𝑒𝑐𝑡𝑟𝑜(𝜔) = (5.40)
|𝑒 𝐻 (𝜔)𝜉𝐾+1 |2
158
 𝑇
em que 𝑒(𝜔) = [1 𝑒 𝑗𝜔 𝑒 2𝑗𝜔 … 𝑒 𝐾𝑗𝜔 ] e 𝜉𝐾+1 é o autovetor correspondente ao
menor autovalor da matriz de correlação (𝐾 + 1)x(𝐾 + 1) dos dados.
Os processos com espectros racionais seguem o modelo da média móvel
autoregressiva:

𝑛 𝑚

𝑦[𝑡] = − ∑ 𝑎𝑘 𝑦[𝑡 − 𝑘 ] + ∑ 𝑏𝑘 𝑢[𝑡 − 𝑘 ] (5.41)

𝑘=1 𝑘=0

𝑎𝑘 são os parâmetros autoregressivos e 𝑏𝑘 são os parâmetros de média móvel; 𝑚 e

𝑛 definem a ordem do processo e 𝑢[𝑡] é o ruído inerente, com média zero.

B) MÉTODOS NÃO PARAMÉTRICOS

Os principais métodos não paramétricos são o correlograma, o periodograma,

o estimador de espectro de Blackman-Tukey, o método de Capon e o método
multitaper.
Dado um processo aleatório estacionário de sentido amplo 𝒴[𝑡] , não temos
acesso a toda a estatística de ensemble, nem sabemos qual função amostral
ocorrerá num determinado instante. Portanto, não temos acesso à densidade
espectral de potência (PSD) do processo. Entretanto, é possível estimar a PSD a
partir de amostras de 𝒴[𝑡] ; essas amostras são referidas como 𝑦[𝑡] , e são
chamadas de sequência de autocovariância do processo. Utilizamos o símbolo 𝑟[𝑘 ]
para nos referir à autocovariância, a partir da equação 5.38, e o símbolo 𝜏 foi
substituído por 𝑘 por se tratar de valore discretos, sendo 𝑘 o atraso de
autocovariância. Então, a autocovariância estimada é escrita como 𝑟̂ [𝑘 ].
A partir de um conjunto finito de amostras de dados 𝑦[𝑡], com 𝑡 = 0, 1, … , 𝑇 − 1,
obtemos a Transformada de Fourier de Tempo Discreto (DTFT), e então
encontramos uma estimativa para a PSD. O termo 𝑇 é o comprimento da sequência
observada.
É importante deixar claro que os métodos apresentados constituem apenas
uma aproximação para processos estacionários de sentido amplo. Dependendo da
aplicação e do intervalo de tempo considerado, a eficiência pode variar bastante.

159
 O correlograma é um método não paramétrico que contém duas formas
padrões de calcular a estimativa de 𝑟[𝑘 ]. A primeira utiliza fórmula

𝑇−1
1
𝑟̂ [𝑘 ] = ∑ 𝑦[𝑡]𝑦 ∗ [𝑡 − 𝑘 ] , 𝑘 = 0,1, … , 𝑇 − 1 (5.42)
𝑇−𝑘
𝑡−𝑘

A segundo utiliza a fórmula

𝑇−1
1
𝑟̂ [𝑘 ] = ∑ 𝑦[𝑡]𝑦 ∗ [𝑡 − 𝑘 ] 𝑘 = 0,1, … , 𝑇 − 1 (5.43)
𝑇
𝑡=𝑙

Em ambos os casos, após a obtenção de 𝑟̂ [𝑘 ], a PSD é encontrada como:

𝑇−1

𝑝̂ 𝑐 (𝜔) = ∑ 𝑟̂ [𝑘 ]𝑒 −𝑗𝜔𝑘 (5.44)

𝑘=−𝑇+1

A estimativa na equação 5.44 é chamada de correlograma. A estimativa em

5.42 é considerada como não tendenciosa, enquanto a estimativa em 5.43 é vista
como tendenciosa, embora seja mais utilizada do que a primeira [STOICA 2005].
O periodograma é um método que utiliza a estimativa em 5.43 e a partir dela
obtém a seguinte equação:

𝑇−1 2
1
𝑝̂ 𝑝𝑟𝑔 (𝜔) = |∑ 𝑦[𝑡]𝑒 −𝑗𝜔𝑡 | (5.45)
𝑇
𝑡=0

O periodograma é assintoticamente imparcial. Além disso, sua variância não

tende para zero quanto 𝑇 → ∞, e isso quer dizer que o periodograma não é um
estimador consistente.
O método do periodograma trata as estimativas de todas as autocovariâncias
de forma igualitária, embora para estas haja uma maior precisão na estimativa
quando possuem defasagens menores do que quando possuem defasagens
maiores. Por isso, Blackman e Tukei propuseram uma função janela que associa um
peso ao periodograma [BLACKMAN 1958].

160
 A função janela é uma sequência real com as seguintes propriedades:

Propriedade 1: 0 ≤ 𝑤[𝑘 ] ≤ 𝑤[0] = 1

Propriedade 2: 𝑤[−𝑘 ] = 𝑤 [𝑘 ] (5.46)
Propriedade 3: 𝑤[𝑘 ] = 0, 𝑀 < | 𝑘 |, 𝑀 ≤𝑇−1

Então, o novo espectro foi definido como:

𝑇−1

𝑝̂ 𝑏𝑡 = ∑ 𝑤|𝑘 |𝑟̂ |𝑘 |𝑒 −𝑗𝜔𝑘 (5.47)

𝑘=−𝑇+1

Existem muitas outras opções de janela como a de Hanning, Hamming, Bartlett

e Blackman. Adicionalmente, poderia ser utilizada uma janela fractal. Mas este é um
assunto que foge do escopo deste trabalho.
O método Capon é baseado na estimativa da PSD a partir de um banco de
filtros cujas larguras de banda sejam dependentes dos dados [CAPON 1969].
Utilizando a notação

1
ℎ (𝜔 ) = 𝑒 (𝜔 ) (5.48)
𝑇

𝑇
em que 𝑒(𝜔) = [1 𝑒 𝑗𝜔 𝑒 𝑗2𝜔 … 𝑒 𝑗(𝑇−1)𝜔 ] , o periodograma pode ser reescrito
como:

𝑝̂ 𝑝𝑟𝑔 (𝜔) = 𝑇|ℎ𝐻 (𝜔)𝑦|2 (5.49)

O objetivo deste método é estabelecer uma largura de banda estreita, e

assumir que a PSD seja quase constante nesse intervalo. Para isto, Capon propõe
um banco de filtros cujas larguras de banda sejam dependentes dos dados
amostrados. Assim, se a resposta ao impulso do filtro centrado em 𝜔0 for ℎ(𝜔0 ) ,
então a PSD ficará minimizada com a restrição 𝐻 (𝜔0 ), tornando-se:

𝜌 = ∫|𝐻(𝜔)|2 𝑝(𝜔)𝑑𝜔 (5.50)

−𝜋

161
em que 𝐻(𝜔) é a DTFT de ℎ(𝜔). Essa restrição resulta num filtro em torno de 𝜔0
sem distorção que minimize a potência total de saída. A solução para este filtro FIR
(resposta ao impulso finita) é dada por:

𝑅−1 𝑒(𝜔0 )
ℎ (𝜔 0 ) = (5.51)
𝑒 𝐻 (𝜔0 )𝑅−1 𝑒(𝜔0 )

Finalmente, a estimativa da PSD é obtida da fórmula:

𝑇
𝑝̂ 𝑚𝑣 (𝜔) = (5.52)
𝑒 𝐻 (𝜔)𝑅̂−1 𝑒(𝜔)

em que 𝑅̂ é dada por:

𝑟̂ [0] 𝑟̂ [1] … 𝑟̂ [𝑇 − 1]
𝑟̂ ∗ [1] 𝑟̂ [0] … 𝑟̂ [𝑇 − 2]
𝑅̂ = [ ⋮ ] (5.53)
⋮ ⋮ ⋮
𝑟̂ ∗ [𝑇 − 1] 𝑟̂ ∗ [𝑇 − 2] … 𝑟̂ [0]

Por fim, o método multitaper, ou estimador multiwindow, é baseado também no

uso de filtros, porém mais seletivos [THOMSON 1982]. A estimativa da PSD é dada
por:

𝐾
1
𝑝̂ 𝑚𝑤 (𝜔) = ∑ 𝑝̂ 𝑘 (𝜔) (5.54)
𝐾
𝑘=1

em que

𝑇−1 2
1
𝑝̂ 𝑘 (𝜔) = |∑ 𝑦[𝑡]𝑤𝑘 [𝑡]𝑒 −𝑗𝜔𝑡 | (5.55)
𝜆𝑘
𝑡=0

sendo 𝜆𝑘 o k-ésimo maior autovalor da sequência de Slepian de C e 𝑤𝑘 o autovetor

correspondente a 𝜆𝑘 . A Matriz C possui T x T elementos definidos por

𝑠𝑒𝑛 (2𝜋𝜂(𝑚 − 𝑛))

𝑐𝑚𝑛 = , 𝑚, 𝑛 = 1,2, … , 𝑇 (5.56)
𝜋 (𝑚 − 𝑛 )

sendo 𝜂 a largura de banda do filtro.

162
6. ANTENAS INTELIGENTES

6.1 INTRODUÇÃO

Os princípios e métodos utilizados em antenas inteligentes (smart antennas)

existem há mais de 50 anos, justamente por ser uma área interdisciplinar. Isto é,
envolve tópicos que abrangem desde os conceitos básicos de eletromagnetismo,
antenas e propagação, até processos estocásticos, processamento digital de sinais
e estimativa espectral, dentre outros. Entretanto, foi somente com o
desenvolvimento de algoritmos e hardwares computacionais que essa área passou a
ganhar destaque, proporcionando um desempenho nunca antes alcançado na
transmissão e recepção de sinais eletromagnéticos [RAPPAPORT 1998].
A ideia básica de uma antena inteligente é maximizar o sinal de interesse e
minimizar o sinal que não é do interesse. Isso é conseguido mudando-se
dinamicamente o diagrama de radiação de uma antena. Observe a figura 6.1. Ela
mostra um ambiente real em que um sinal de interesse é misturado a sinais que não
são de interesse.

Figura 6.1 – Ambiente composto por um sinal de interesse e por sinais que não são de interesse.

163
 Como as antenas possuem diagrama de radiação fixo, somente um conjunto
de antenas é capaz de realizar tal feito, isto é, mudar o diagrama de radiação.
Conforme foi visto no capítulo 3, a excitação e/ou a fase de cada elemento do
conjunto pode alterar a direção e o aspecto do feixe, varrendo-o para qualquer
direção de interesse, teoricamente. Antenas inteligentes mapeiam o espaço, através
de amostras feitas em tempo real, e modificam o diagrama de radiação do conjunto
para que o mesmo maximize a recepção na direção desejada [ROY 1998].
No passado, utilizava-se o sistema de feixe comutado, em que vários padrões
de feixe eram fixados. Uma decisão era tomada em relação a qual feixe seria
acessado, a partir de determinados requisitos que dependeriam das circunstâncias.
Os valores de cada elemento do conjunto eram armazenados numa matriz de pesos,
𝑤
̅. Mudando-se a matriz, mudavam-se os pesos, e consequentemente, a direção do
lóbulo principal (CHRYSSOMALLIS 2000).
Nesses sistemas, as fases de cada elemento eram deslocadas
eletronicamente, através dos deslocadores de fase. Esse tipo de configuração,
embora aumentasse a eficiência, ainda não conseguia atender ao requisito de
seletividade, isto é, rejeitar sinais interferentes e direcionar o feixe para o sinal de
interesse. No máximo, conseguia escolher o feixe que melhor se adaptasse ao
usuário.
A figura 6.2 mostra um sistema de feixe comutado básico.

Figura 6.2 Sistema de feixe comutado

Observe que nesse sistema não há um feedback. Isto é, a matriz de pesos é

fixa, escolhida a partir de vários conjuntos já prefixados.
164
 A partir do momento em que as técnicas de processamento digital de sinais
começaram a se disseminar, projetistas de antenas passaram a utiliza-las,
reconhecendo sua versatilidade em ambientes de formação de feixe adaptativo.
Nesses sistemas, um algoritmo é programado para atingir um requisito, e então o
processo se repete recursivamente até atingir um erro mínimo [SAXENA 2014].
A figura 6.3 ilustra um sistema de formação de feixe adaptativo.

Figura 6.3 Sistema com formação de feixe adaptativo

Observe que nesse sistema os pesos são reajustados recursivamente, a partir

de informações obtidas da saída. Ou seja, há um feedback. Os pesos são
reajustados até que o erro (𝜖) seja mínimo.
Esses sistemas fornecem um maior grau de liberdade à antena, pois o
diagrama de radiação pode ser adaptado, em tempo real, ao ambiente em que o
sinal de RF está atuando.
Por ter o padrão de feixe moldado a partir de algoritmos que utilizam
processamento digital de sinais, as antenas inteligentes também são chamadas de
conjuntos formadores de feixe digital (Digital Beamformed - DBF). Isso implica a
utilização de hardware computacional que controla o desempenho da antena a partir
de algum requisito interno [BANERJEE 2018].
Antenas inteligentes prometem aprimorar sistemas de comunicação 5G,
radares, wireless ou mesmo a transmissão de energia sem fio. Permitem a
realização da mais arrojada forma de compartilhamento de recursos em
telecomunicações: o Múltiplo Acesso por Divisão Espacial (Space Division Multiple
Access - SDMA).
165
6.2 SDMA

Antenas que irradiam em direções indesejadas, ou em direções não utilizadas,

representam um desperdício de recursos e um grande inconveniente. O ideal num
processo de transmissão/recepção é que a mensagem seja direcionada exatamente
para o receptor, e não possa atrapalhar e/ou ser captada por terceiros.
Tendo em vista esse propósito fundamental, projetistas têm trabalhado durante
décadas no projeto de antenas que possam aproveitar melhor o espaço, sem que
ele fique saturado de radiações eletromagnéticas. O resultado de todas as
pesquisas levou à ideia de um compartilhamento do espaço por múltiplas fontes
irradiadoras. Assim nasceu o SDMA (BALANIS, 2009).
A ideia por trás da tecnologia SDMA é localizar os usuários e dirigir um feixe
dedicado para cada um deles. Desta maneira, um canal físico de comunicação
poderá ser alocado a mais de um usuário, conforme é ilustrado na figura 6.4. Nela,
estão representados três formadores de feixes independentes operando na
transmissão base, cada um com uma cor. Cada formador de feixe possui o seu
próprio algoritmo adaptativo de formação de feixe com seus próprios pesos. E cada
formador de feixe controla um feixe específico para um determinado usuário. Esse
algoritmo pode ser controlado via processos analógicos, mas é mais viável e
eficiente utilizar-se processamento digital de sinais. Isso implica a conversão do sinal
de analógico para digital.

Figura 6.4 Conjunto de antenas SDMA

166
 Cada formador de feixe procura, ao mesmo tempo, criar um máximo na direção
do usuário desejado e um nulo (ou vários nulos) na direção dos usuários
indesejados. Quando isso não é possível, procura-se atenuar o máximo na direção
indesejada e reforçar o máximo na direção desejada.
A tecnologia SDMA melhora a eficiência do canal de maneira nunca antes vista
com outras técnicas. Além de reduzir enormemente as interferências, aumenta o
reuso de frequências, o que significa projetar sistemas de comunicações com maior
capacidade de usuários, melhor transmissão e redução de custos, dentre outras
vantagens [KOVALYOV 2004].
Antenas inteligentes tornam possível a utilização desses sistemas SDMA.
Utilizando avançadas técnicas de processamento de sinal, são capazes de localizar
e rastrear terminais móveis e sinais de transmissão, com direção adaptada aos
usuários e longe de interferências. Isso porque as antenas inteligentes empregam
algoritmos que utilizam matriz com pesos adaptáveis, de modo que, por um
processo de realimentação, vai ajustando esses pesos até que aja a convergência
segundo algum critério específico, por exemplo, o erro quadrático médio mínimo
[STEYSKAL 1984].
Os principais algoritmos utilizados pela tecnologia SDMA se baseiam em
técnicas de estimativa espectral espacial. No capítulo anterior, foram vistas algumas
técnicas de estimativa espectral temporal, em que é realizada a amostragem no
tempo de sinais, e então são realizadas estimativas a partir dessas informações. O
múltiplo acesso por divisão no espaço realiza amostras espaciais realizadas pelos
elementos do conjunto, e a partir desses dados realiza a estimativa espectral
espacial.
O sistema SDMA permite que vários nós operem no mesmo intervalo de
frequência ou no mesmo intervalo de tempo, utilizando-se da antena inteligente para
separar os canais. Um sistema com M elementos é capaz de suportar M canais
espaciais para cada canal convencional.
Os sistemas do futuro serão estruturados levando-se em conta os princípios
SDMA. O crescimento vertiginoso da quantidade de usuários e o aumento crescente
por links mais rápidos e confiáveis torna impossível conceber outro tipo de
transmissão de ondas eletromagnéticas que não seja o compartilhamento do
espaço, além dos já existentes compartilhamentos de frequência e tempo.

167
6.3 CANCELAMENTO DE LÓBULO LATERAL FIXO – SLC

Em 1965, Howells apresentou o conceito de um cancelador de lóbulo lateral

fixo (SLC - Side Lobe Cancellation) [HOWELLS 1965]. O objetivo desta técnica é
escolher os pesos do conjunto de modo que um nulo seja localizado na direção de
interferência e o lóbulo principal máximo fique na direção de interesse.
O princípio do SLC é apresentado a seguir. Considere-se um conjunto com 3
elementos, conforme figura 6.5. Sobre ele incidem três sinais, na mesma frequência,
sendo um deles desejado e dois deles interferentes.

Figura 6.5 Sistema de cancelamento de lóbulo secundário

O vetor de conjunto é dado por

𝑇
𝑎̅(𝜃 ) = [𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 0 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 ] (6.1)

Em que T é a transposição do vetor.

Os pesos do conjunto devem ser determinados, e são dados por

̅ 𝑇 = [𝑤1
𝑤 𝑤2 𝑤3 ] (6.2)
168
 A saída total do conjunto, a partir do somatório, é dada por

̅ 𝑇 ∙ 𝑎̅ = 𝑤1 𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 + 𝑤2 + 𝑤3 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃
𝑆=𝑤 (6.3)

A saída do conjunto referente ao sinal desejado é referida como 𝑆𝐷 e a saída

para os sinais interferentes é referida como por 𝑆𝐼1 e 𝑆𝐼2 . Se existem três pesos
desconhecidos, necessitamos de três condições a serem satisfeitas, manifestadas
através de três equações simultâneas.

𝑆𝐷 = 𝑤1 𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 + 𝑤2 + 𝑤3 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 = 1
𝑆𝐼1 = 𝑤1 𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 + 𝑤2 + 𝑤3 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 = 0 (6.4)
𝑆𝐼2 = 𝑤1 𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 + 𝑤2 + 𝑤3 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 = 0

O sinal desejado deve ser recebido sem modificação ou atenuação, portanto,

está na condição 𝑆𝐷 = 1. Os sinais indesejados devem ser totalmente rejeitados,
então, estão na condição 𝑆𝐼1 = 0 e 𝑆𝐼2 = 0.
O sistema pode ser reescrito em forma matricial como

𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 1 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 𝑤1 1
[𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 ] ∙ [𝑤2 ] = [0] (6.5)
1 𝑒
𝑒 −𝑗𝑘𝑑𝑠𝑒𝑛𝜃 1 𝑒 𝑗𝑘𝑑𝑠𝑒𝑛𝜃 𝑤3 0

Para este esquema, o número de nulos não pode exceder o número de

elementos do conjunto.
Desde que foi proposto, em 1965, o SLC foi muito utilizado e aperfeiçoado.
Uma dessas aplicações é encontrada na área de radares. Segundo Hong [HONG
2021], o sinal de interferência numa antena de radar geralmente atua de forma mais
intensa através do lóbulo lateral, pois a largura do lóbulo lateral é mais larga,
principalmente se comparada com a largura do lóbulo principal, que é estreita.
Então, quando a intensidade do sinal interferente for suficientemente grande, a parte
radiada que entra pelo lóbulo lateral pode ser maior do que a parcela que entra pelo
lóbulo principal, sobrecarregando, desta maneira, o sinal do alvo.

169
 Uma forma de minimizar o problema foi apresentada por Hong e a figura é
mostrada no esquema abaixo.

Figura 6.6 SLC em radar. Fonte: (HONG, 2021)

Uma antena auxiliar capta os sinais interferentes, tanto pelo lóbulo principal
como pelo lóbulo lateral, e depois os envia para um processador adaptativo que,
utilizando um algoritmo, calcula os pesos de modo a minimizar a potência total.
Outro aperfeiçoamento se deve a Komjani et. al. [KOMJANI 2006]. Os autores
destacaram que se um sinal desejado tiver uma longa duração, comparado com o
tempo de adaptação do SLC, os componentes do sinal podem ser cancelados. Para
evitar que os sinais desejados sejam cancelados, propuseram um cancelamento de
lóbulo lateral fixo modificado baseado num algoritmo que impõe uma restrição nula
ao arranjo auxiliar na direção do sinal desejado, permitindo desta maneira que o uso
do algoritmo adaptativo sem restrições.
As técnicas de cancelamento de lóbulo lateral fixo podem ser aplicadas
conjuntamente com técnicas de detecção da direção de chegada. A importância
dessas últimas é central em sistemas de antenas inteligentes.
170
6.4 TÉCNICAS PARA DETECÇÃO DA DIREÇÃO DE CHEGADA E
FORMAÇÃO DINÂMICA DE FEIXE EM ANTENAS INTELIGENTES

Quando os sinais eletromagnéticos são captados pelos elementos de uma

antena inteligente, um processador de sinais manipula esses dados e estima a
direção de chegada de todos os sinais incidentes, ao mesmo tempo em que estima
os pesos apropriados para orientar a máxima radiação da antena na direção de
interesse e produzir nulos nas direções que não são de interesse.
A seguir são apresentados os princípios e técnicas para determinação do
ângulo de chegada da onda plana uniforme e para a formação dinâmica de feixe em
antenas inteligentes [GODARA 2004] [BALANIS, 2009] [GROSS 2015].

6.4.1 Determinação do Ângulo de Chegada

Antes de abordar as principais técnicas de determinação do ângulo de

chegada, consideremos um exemplo simples para se ter uma ideia de como o
ângulo de chegada da onda plana pode ser encontrado. [SHAN 1985].
Considere a figura 6.7.

Figura 6.7 Conjunto com 2 elementos para determinação do ângulo de chegada

171
 O conjunto é formado por dois elementos receptores, R 1 e R2, na horizontal,
separados a uma distância d. O sinal incidente forma um ângulo 𝜃 com a linha
horizontal que une os dois receptores. A existência desse ângulo faz com que o sinal
que chega em R1 sofra um atraso temporal, pois deve percorrer uma distância
adicional de 𝑑 cos 𝜃. Se o ângulo 𝜃 fosse de 90º, então não haveria atraso nenhum.
Intuitivamente, percebe-se que quanto menor for o ângulo, maior será o atraso em
relação ao tempo.
O sinal que chega em R1 é ligado a um peso 1, e o sinal que chega em R2

ligado a outro peso 2. Esses pesos são capazes de controlar a fase de cada
elemento receptor individual, antes de enviar o sinal para o somatório.
Sabemos que um atraso no tempo de um sinal significa um deslocamento na
frequência. Isto é:

𝑠(𝑡 − 𝑡0 ) ⇔ 𝑆(𝜔)𝑒 −𝑗𝜔𝑡0 (6.6)

Um atraso no tempo do sinal 𝑠(𝑡) em 𝑡0 segundos significa a adição de uma fase

𝑒 −𝑗𝜔𝑡0 a este sinal.
Se s1 é o sinal que chega pelo receptor R1 e s2 é o sinal que chega em R2, 𝑡0 é
o atraso do sinal em R1, e considerando que a frequência do sinal incidente seja 𝜔, o
sinal total no somatório será de:

Σ = 𝑠1 𝑒 −𝑗𝜔𝑡 + 𝑠2 (6.7)

Para que a saída seja máxima, é necessário que os dois sinais estejam em
fase. Para isso, atrasamos o sinal que vem por R2, através do peso 𝜉2 . Se
atrasarmos o sinal s2 exatamente com a mesma fase de s1, teremos o valor máximo
no somatório.
A priori, não sabemos o ângulo de incidência 𝜃 do sinal. Entretanto, se
pudermos variar iterativamente o peso 𝜉2 até que a saída do sistema seja máxima,
poderemos determinar o ângulo de atraso necessário, e a partir dele, determinar o
ângulo de atraso do sinal que vem por R1, já que eles devem ser idênticos (dos

172
sinais s1 e s2). Então, sabendo qual é o ângulo de incidência, determinamos a
direção de chegada.
Uma maneira simples de realizar esse propósito é realimentar o sinal de saída
com o peso e variar este segundo um critério de parada, que pode ser um erro
estimado. O peso é variado iterativamente, e a cada nova iteração, o novo somatório
é comparado ao anterior. Quando o erro entre o novo e o anterior forem mínimos,
então a iteração se encerra e obtemos aproximadamente a direção de chegada do
sinal.
Considere um conjunto contendo i elementos receptores, conforme figura 6.8.

Figura 6.8 Conjunto com i elementos realimentados para determinação do ângulo de chegada

O sinal na saída do somatório, y, é realimentado e comparado com um sinal

desejado, d. A partir daí é definido um erro quadrático médio, , e então, um
algoritmo implementado por um processador digital de sinais incrementa os pesos
w1, w2,..., wi. Os novos pesos produzem uma nova saída, que é comparada
novamente com o sinal desejado, e produz um novo erro quadrático médio, que
incrementa novamente os pesos, e assim sucessivamente, até que o algoritmo
venha a convergir, segundo algum critério de parada, por exemplo, o mínimo erro
quadrático médio.
173
 Podemos definir quatro diferentes métodos correspondentes às técnicas para
determinação do ângulo de chegada (DOA – Direction of Arrival):

● Convencionais
● Baseados em Subespaço
● Máxima Verossimilhança
● Integrados

Os convencionais não exploram a estatística do sinal recebido. Cada sinal tem

a sua direção de chegada determinada através dos picos do espectro de potência de
saída, o qual é obtido varrendo-se o feixe em todas as direções. Os principais são o
método de Fourier e o Capon. Os métodos de subespaço utilizam a estrutura de
dados do sinal, e por isso produzem resultados melhores. Exemplos são o algoritmo
MUSIC, que explora a matriz de covariância de entrada, e o ESPRIT,
computacionalmente menos intenso e mais utilizado [ROY 1989]. O método da
máxima probabilidade utilizam correlação e estatística de dados, mas são menos
populares por serem computacionalmente mais intensas. Os métodos integrados
utilizam método de restauração de propriedades com abordagem baseada em
subespaço. Um exemplo é o algoritmo ISLP-CMA.
Essas técnicas citadas serão abordadas após realizarmos uma visão geral da
estimativa de espectro espacial.

6.4.2 Estimativa Espectral Espacial

O objetivo da estimativa espectral espacial é determinar a distribuição da

densidade espectral de potência (PSD) dos sinais em função do espaço,
diferentemente da estimativa espectral temporal que procura a PSD do sinal ao
longo da frequência. Para isso, são utilizados sensores e os dados são
armazenados numa matriz. Para o caso em estudo, esses sensores são os
elementos de um conjunto de antenas. Mas a técnica pode ser estendida para
sensores acústicos, por exemplo, se o objeto de estudo for ondas sonoras.
Considere um conjunto formado por 𝐿 elementos sensores separados a uma
distância 𝑑 um do outro, sobre o qual incide um sinal proveniente de uma onda
plana, conforme a figura 6.9.
174
 Figura 6.9 – Conjunto formado por sensores, sobre o qual incidem dois sinais.

O primeiro passo é realizar a amostragem espacial, através das medições

realizadas pelos sensores, simultaneamente. As amostras serão armazenadas na
matriz 𝑦𝐿 , dada por [HAYKIN 2009]:

𝑦𝐿 [𝑡] = 𝑠[𝑡]𝑒 𝑗𝜔𝑐 (𝑡−𝜏𝐿) (6.8)

em que 𝑠[𝑡] é um sinal complexo que modula a portadora e 𝜏𝐿 é o atraso do sinal

recebido em relação a um instante de tempo de referência. A Frequência da
portadora é 𝜔𝑐 .
Considera-se que as fontes são pontuais e estão afastadas o suficiente dos
sensores para que a análise seja de campo distante. Para simplificar, o termo
portador é removido da equação 6.8:

𝑦𝐿 [𝑡] = 𝑠[𝑡]𝑒 −𝑗𝜔𝑐 𝜏𝐿 (6.9)

A partir de 𝜏𝐿 é possível encontrar direção de chegada (DOA) do sinal, pois

este termo é o atraso do sinal recebido no 𝐿-ésimo sensor.
Como o conjunto possui 𝐿 sensores, os sinais recebidos no instante 𝑡 podem
ser organizados como um vetor de amostras instantâneas definido por:

𝑇
𝑦̅[𝑡] = [𝑦1 [𝑡]𝑦2 [𝑡] … 𝑦𝐿 [𝑡]] (6.10)

175
em que

𝑦̅[𝑡] = 𝑎̅(𝜏)𝑠̅[𝑡] (6.11)

𝑇
𝑎̅(𝜏) = [𝑒 −𝑗𝜔𝑐 𝜏1 𝑒 −𝑗𝜔𝑐 𝜏2 … 𝑒 −𝑗𝜔𝑐 𝜏𝐿 ] (6.12)

O vetor 𝜏̅ é dado por:

𝜏̅ = [𝜏1 𝜏2 … 𝜏 𝐿 ]𝑇 (6.13)

O tempo de chegada do sinal no primeiro receptor é tomado como referência.

Então, a equação 6.12 é reescrita como:

𝑇
𝑎̅(𝜏) = [1 𝑒 −𝑗𝜔𝑐 𝜏1 … 𝑒 −𝑗𝜔𝑐 𝜏(𝐿−1) ] (6.14)

Como pode ser visto na figura 6.9, o ângulo de chegada 𝜃 é aquele entre a
direção de propagação e a linha normal à de localização do sensor. Por meio de
manipulações trigonométricas simples, é possível deduzir que

𝑑 (𝐿 − 1)
𝜏𝐿 = 𝑠𝑒𝑛 𝜃 (6.15)
𝑐

em que 𝑐 é a velocidade de propagação da onda. A partir de 6.15, a equação 6.14

pode ser reescrita como:

𝑑𝑠𝑒𝑛 𝜃 𝑇
−𝑗𝜔𝑐 ( )
𝑎̅(𝜃 ) = [1 𝑒 𝑐 −𝑗(𝐿−1)𝜔𝑐 (
𝑑𝑠𝑒𝑛 𝜃 ]
) (6.16)
… 𝑒 𝑐

Este vetor expresso na equação 6.16 é semelhante ao visto na seção 3.5,

equação 3.48: o vetor de conjunto ou também chamado vetor de direção. Para que a

176
 𝜔𝑐 𝑑 𝑠𝑒𝑛 𝜃
comparação fique mais clara, fazemos igual a 𝜔𝑠 . Esse termo é entendido
𝑐

fisicamente como a frequência espacial. Então, a equação 6.16 se torna:

𝑎̅(𝜃 ) = [1 𝑒 −𝑗𝜔𝑠 −𝑗(𝐿−1)𝜔𝑠 ]𝑇 (6.17)

𝑒 −𝑗2𝜔𝑠 … 𝑒

Isso nos permite reescrever a equação 6.11:

𝑦̅[𝑡] = 𝑎̅(𝜃 )𝑠̅ [𝜃] + 𝜀̅[𝑡] (6.18)

O vetor de ruído aditivo 𝜀̅[𝑡] foi adicionado para incluir o ruído real e os erros
devidos à imprecisão do modelo.
Podemos generalizar para um conjunto plano com 𝐿 x 𝐾 elementos, conforme
ilustrado na figura 6.10.

Figura 6.10 – Conjunto plano formado por 𝑳 x 𝑲 elementos

A equação 6.18 se torna:

𝑦̅[𝑡] = 𝐴̅(𝜃 )𝑠̅ [𝜃] + 𝜀̅[𝑡] (6.19)

Nessa equação, 𝑦̅[𝑡] e 𝜀̅[𝑡] são vetores 𝐿 x 1, e 𝐴̅(𝜃 ) é uma matriz 𝐿 x 𝐾 cujas
colunas são o vetor de conjunto (ou vetor de direção), 𝑎̅(𝜃 ) , do conjunto acima

177
considerado, isto é, 𝐴̅(𝜃 ) = [𝑎̅(𝜃1 ) 𝑎̅(𝜃2 ) … 𝑎̅(𝜃𝐾 )] . O vetor 𝜃 é o vetor de
direção de chegada, com 𝜃̅ = [𝜃1 𝜃2 … 𝜃𝐾 ]𝑇 . O vetor de sinais é dado por 𝑠̅[𝑡],
de modo que 𝑠̅[𝑡] = [𝑠1 [𝑡] 𝑠2 [𝑡] … 𝑠𝐾 [𝑡]]𝑇 , em que 𝑠1[𝑡] é o sinal da primeira
fonte, 𝑠2 [𝑡] é o sinal da segunda fonte, e assim sucessivamente.
Em relação ao ruído, assume-se que é do tipo branco com matriz de
covariância dada por:

𝐶𝑠̅ = 𝐸[𝜀[𝑡]𝜀 𝐻 [𝑡]] (6.20)

Para o sinal, considera-se que tenha média zero. Sua matriz de covariância é
dada por:

𝐶𝑠̅ = 𝐸[𝑠̅[𝑡]𝑠̅ 𝐻 [𝑡]] (6.21)

Em suma, como já foi dito, o objetivo geral da estimativa espectral espacial é

obter a densidade espectral de potência em função do espaço, a partir da matriz de
elementos sensores. O objetivo específico é estimar a direção de chegada dos
sinais e possivelmente o número de sinais de impacto.
A estimativa espectral espacial também é dividida em métodos não
paramétricos e paramétricos. Os principais métodos não paramétricos são:

● Estimativa Bartlett
● Estimativa de Capon.
Adicionalmente, pode-se incluir também o método multitaper, de forma
semelhante como foi feito na estimativa espectral temporal.

Já os métodos paramétricos podem ser divididos em

● Método dos Mínimos Quadrados para Modelo Determinístico de Sinais

● Método Estocástico de Máxima Verossimilhança
● Método de ajuste de subespaço
● MUSIC
● ESPRIT

178
6.4.2.1 Métodos Não Paramétricos

A) Estimativa Bartlett

O método da formação de feixe clássico combina os sinais recebidos nos

sensores através de pesos que permitem a passagem de um determinado sinal
numa certa direção e suprimem os sinais de outras direções. O processo é repetido
iterativamente, uma direção de cada vez, e então a potência é calculada.
A estimativa da PSD é dada por:

1 𝐻
𝑝̂ 𝑏 (𝜃 ) = 𝑎̅ (𝜃 )𝑅̅𝑥𝑥 𝑎̅(𝜃 ) (6.22)
𝐿

A matriz de correlação de conjunto (𝑅̅𝑥𝑥 ) foi vista na seção 5.8.

O método possui as mesmas limitações de resolução que o periodograma
temporal [GROSS 2015] [BARLETT 1961].

B) Estimativa de Capon

Na estimativa de Bartlett a otimização é realizada para o caso de existir

somente um sinal de impacto. Entretanto, nem sempre isso ocorre. Então, uma
alternativa é utilizar as propriedades dos sinais de entrada e definir um banco de
filtros dependentes dos dados, e que são otimizados para minimizar as respostas
dos filtros fora da largura de banda de interesse [CAPON 1969].
A expressão para a PSD é dada por:

1
𝑝̂ 𝑚𝑣 = (6.23)
𝑎̅𝐻 (𝜃 )𝑅̅𝑥𝑥 ̅ (𝜃 )
−1 𝑎

A estimativa Capon tem resolução maior que a de Bartlett, mas se as fontes

possuírem uma correlação alta, a resolução da estimativa Capon pode ser pior.

179
C) Método Multitaper

O método multitaper para estimativa espectral espacial é semelhante ao da

estimativa espectral temporal descrito na seção 5.9.1, com a diferença que, agora, é
necessário modificar os vetores de direção 𝑎̅𝐻 , através de funções de janela.
A PSD é dada por:

𝐾
1
𝑝̂ 𝑀𝑊 = ∑ 𝑝̂ 𝑘 (𝜃 ) (6.24)
𝐾
𝑘=1

Em que os termos do somatório são definidos como

𝑇−1
1 |𝑎̃𝑘 (𝜃 )𝐻 𝑦̅[𝑡]|2
𝑝̂ 𝑘 (𝜃 ) = ∑ (6.25)
𝑇𝜆𝑘 𝐿
𝑡=0

Sendo 𝑎̃𝑘 (𝜃 ) formada pela multiplicação elemento a elemento de 𝓌𝑘 com 𝑎̅(𝜃 ). 𝓌𝑘

é a 𝑘 -ésima janela definida pelo autovetor correspondente ao 𝑘 -ésimo maior
autovalor 𝜆𝑘 da matriz 𝐿 × 𝐿 com elementos dados por (5.56) [HAYKIN 2009].

6.4.2.2 Métodos Paramétricos

Se a maior parte dos sinais que chegam aos elementos do conjunto de antenas
possuir correlação, então são chamados de coerentes. Situações desse tipo
ocorrem quando um sinal é uma réplica atrasada e escalonada de outro sinal. Por
exemplo, em propagações multipercurso que sofrem reflexão em obstáculos. Neste
caso, os métodos paramétricos são mais eficientes.
Conforme já vimos, os métodos paramétricos são baseados em modelos
matemáticos que servem como parâmetro, assumindo-se que a densidade espectral
de potência pode ser expressa de acordo com esses modelos. Então, da mesma
maneira como foi feito na seção 5.9.1 para a estimativa espectral temporal, os
parâmetros do processo são estimados e depois a densidade espectral de potência
é calculada a partir desses parâmetros [HAYKIN 2009].
180
A) Método dos Mínimos Quadrados para Modelo Determinístico de Sinais

Considere sinais desconhecidos e determinísticos. O critério dos mínimos

quadrados é obtido de:

𝑇−1

𝜃̂ = arg 𝑚𝑖𝑛𝜃 {∑|𝑦̅[𝑡] − 𝐴̅𝑠̅[𝑡]|2 } (6.26)

𝑡=0

em que 𝑎𝑟𝑔 é o argumento mínimo de 𝜃. O vetor 𝑠̅[𝑡] é linear, enquanto o vetor 𝜃̅ é

do tipo não linear.
Dado 𝜃̅ , a minimização em relação a 𝑠̅[𝑡] resulta:

̅ 𝐴̅)−1 𝐴𝐻
𝑠̅[𝑡] = (𝐴𝐻 ̅ 𝑦̅[𝑡] (6.27)

Substituindo 6.27 em 6.26:

𝑇−1

𝜃̂ = arg 𝑚𝑖𝑛𝜃 {∑ 𝑦̅ 𝐻 [𝑡]𝑃̅⊥𝑦̅[𝑡]} (6.28)

𝑡=0

Sendo 𝑃̅ ⊥ uma matriz de projeção definida por

𝑃̅⊥ = 𝐼 ̅ − 𝐴̅(𝐴𝐻
̅ 𝐴̅)−1 𝐴̅𝐻 = 𝐼 ̅ − 𝑃̅ (6.29)

em que 𝐼 ̅ é a matriz identidade. A matriz de projeção 𝑃̅⊥ projeta 𝑦̅[𝑡] no subespaço

de ruído, que é o subespaço ortogonal ao subespaço de sinal gerado pelas colunas
de 𝐴̅. A matriz 𝑃̅ também é uma matriz de projeção, definida como:

𝑃̅ = 𝐴̅(𝐴̅𝐻 𝐴̅)−1𝐴̅𝐻 (6.30)

A matriz 𝑃̅ projeta 𝑦̅[𝑡] no subespaço do sinal. A equação 6.28 se torna:

𝜃̂ = arg 𝑚𝑎𝑥𝜃 {𝑡𝑟(𝑃̅ 𝑅̂𝑥𝑥 )} (6.31)

Sendo 𝑡𝑟 o traço da matriz, isto é, a soma de todos os elementos da diagonal

principal.
Como a maximização da equação 6.31 é do tipo não linear, o valor de 𝜃̂ é
encontrado por meio de técnicas numéricas ou computacionais. Este método
fornece uma boa estimativa da direção de chegada mesmo se a suposição inicial
sobre o ruído branco não estiver correta [HAYKIN 2009].
181
B) Método da Máxima Verossimilhança

Se assumirmos que os vetores de ruído são independentes e identicamente

distribuídos, então a equação 6.31 irá produzir uma solução de máxima
verossimilhança. Ou ainda, se os sinais forem do tipo estocásticos, gaussianos com
média zero e independentes do ruído, então os dados de 𝑦̅[𝑡] também serão do tipo
gaussianos com média zero, e a matriz de correlação será dada por:

𝑅̅𝑥𝑥 = 𝐴̅𝑅̅𝑠𝑠 𝐴̅𝐻 + 𝜎𝜀2 𝐼 ̅ (6.32)

em que 𝑅̅𝑠𝑠 é a matriz de correlação do sinal 𝑠̅[𝑡] . A estimativa da direção de

chegada é obtida de:

𝜃̂ = arg 𝑚𝑖𝑛𝜃 {log|𝐴̅𝑆̂𝐴𝐻

̅ + 𝜎𝜀2 (𝜃 )𝐼 |̅ } (6.33)

C) Método de Ajuste de Subespaço

Dada a matriz de correlação 𝑅̅𝑥𝑥 , ela pode ser escrita como:

𝑅̅𝑥𝑥 = 𝐸̅𝑠 Λ
̅ 𝑠 𝐸̅𝑠𝐻 + 𝐸̅𝜀 Λ
̅ 𝜀 𝐸̅𝜀𝐻 (6.34)

Em que: 𝐸̅𝑠 é uma matriz 𝐿 x 𝐾 cujas colunas são os autovetores correspondentes

̅ 𝑠 é uma matriz diagonal 𝐾 x 𝐾 cujos elementos
aos 𝐾 maiores autovalores, Λ
diagonais são os 𝐾 maiores autovalores, 𝐸̅𝜀 é uma matriz 𝐿 x (𝐿 − 𝐾 ) cujas colunas
̅ 𝜀 é uma
são os autovetores correspondentes aos menores 𝐿 − 𝐾 autovalores e Λ
matriz diagonal (𝐿 − 𝐾 ) x (𝐿 − 𝐾 ) cujos elementos diagonais são os 𝐿 − 𝐾 menores
autovalores.
A estimativa do ângulo de chegada é dada por [OTTERSTEN 1993]:

𝜃̂ = arg 𝑚𝑖𝑛𝜃 𝑡𝑟 (𝑃⊥ 𝐸̂𝑠 ((𝐸̂𝑠 − 𝜎̂𝜀2 𝐼 )̅ 𝐸̂𝑠−1 ) 𝐸̂𝑠𝐻 ) (6.35)

182
D) MUSIC

Este algoritmo é uma sigla de Multiple Signal Classification. Também é um

método baseado em subespaço e é muito popular por fornecer estimativas
imparciais do número de sinais, ângulos de chegada e intensidades das formas de
onda [GROSS 2015] [HAYKIN 2009].
Para a implementação do MUSIC, primeiramente encontramos a matriz de
correlação de conjunto, assumindo que o ruído em cada canal não está
correlacionado (ou seja, a matriz de correlação de ruído será do tipo diagonal).
Depois, encontramos os autovalores e os autovetores da matriz de correlação
estimada, construindo 𝐸̂𝜀 . Por fim, calculamos o ângulo de chegada a partir dos
locais de pico do pseudoespectro:

1
𝑝̂ 𝑚𝑢 (𝜃 ) = (6.36)
|𝑎̅(𝜃 )𝐻 𝐸̂𝜀 𝐸̂𝜀𝐻 𝑎̅(𝜃 )|

E) ESPRIT

O método ESPRIT (Estimate of Signal Parameters via Rotational Invariance

Techniques) é também baseado em subespaço, baseando-se na decomposição
espectral da matriz de correlação e a partir daí obtendo os subespaços de sinal e
ruído. Com isso, o método explora a invariância rotacional no subespaço de sinal, o
qual é criado por dois conjuntos com uma estrutura de invariância translacional.
A implementação do ESPRIT é feita encontrando-se também a matriz de
correlação, encontrando-se os autovalores e autovetores, decompomos o autovalor
da matriz 𝐸̅𝑐 formada pelos subespaços de sinal, dividimos 𝐸̅𝑐 em quatro
submatrizes, estimamos o operador de rotação, calculamos os autovalores e por fim
estimamos os ângulos de chegada.
Os detalhes do método ESPRIT fogem do objetivo deste trabalho, mas podem
ser analisador em [ROY 1989] [LIBERTI 1999] [KRIM 1996].

183
6.4.3 Formação Dinâmica de Feixe

A formação de feixe em tempo real, ou formação adaptativa de feixe, não

necessita da informação sobre o ângulo de chegada. Esta técnica baseia-se num
sinal de referência, ou sinal de treinamento, para ajustar as magnitudes e as fases
de cada peso, resultando no atraso temporal necessário que esteja em perfeita
sincronia com os atrasos dos sinais recebidos.
A formação dinâmica de feixe em antenas transmissoras permite que a energia
irradiada seja menor, pois provê uma maior diretividade e, consequentemente, maior
ganho. Isso reduz consideravelmente a exposição dos usuários à radiação
eletromagnética. Se os aparelhos celulares utilizarem também um conjunto de
antenas inteligentes na recepção e transmissão, então a exposição se torna ainda
menor. Além disso, a formação adaptativa de feixe é capaz de minimizar a
interferência co-canal entre estações base setorizadas, na telefonia celular, o que
torna as antenas inteligentes ideais em ambientes onde muitos usuários necessitem
falar ao mesmo tempo.
Os algoritmos utilizados em antenas inteligentes são desenvolvidos a partir da
teoria da estimação, que têm como base a área de processos estocásticos. Se duas
variáveis aleatórias estão correlacionadas, a informação sobre uma fornece
informação sobre a outra, isto é, pode-se estimar o valor de uma a partir do
conhecimento de alguns parâmetros da outra, tais como esperança, variância, etc.
Como foi visto na seção 5.5, a covariância de duas variáveis aleatórias é
definida pela equação

𝐶𝑂𝑉(𝑋, 𝑌) = 𝐸 [(𝑋 − 𝐸 [𝑋])(𝑌 − 𝐸[𝑌])] (6.37)

Em que X, Y são variáveis aleatórias correlacionadas, e 𝐸 [. ] é a esperança ou

média da variável aleatória.
Também foi visto na seção 5.5 que o coeficiente de correlação é dado por

𝐶𝑂𝑉(𝑋, 𝑌)
𝜌𝑋,𝑌 = (6.38)
𝜎𝑋 𝜎𝑌

184
Em que 𝜎𝑋 e 𝜎𝑌 são o desvio padrão das variáveis aleatórias X e Y,
respectivamente. Se 𝜌𝑋,𝑌 for igual a 1, significa máxima correlação entre X e Y; se
for igual a 0, significa que X e Y são descorrelacionadas, conforme vimos no capítulo
5.
Sejam t1 e t2 processos estocásticos. Vimos também que a função
autocorrelação é definida pela equação

∞ ∞
𝑅𝑋 (𝑡1, 𝑡2 ) = ∫ ∫ 𝑥𝑦𝑝𝑋(𝑡1),𝑋(𝑡2) (𝑥, 𝑦)𝑑𝑥𝑑𝑦 (6.39)
−∞ −∞

Sendo 𝑝𝑋(𝑡1),𝑋(𝑡2) a função densidade de probabilidade do processo X nos instantes

t1 e t2.
O algoritmo LMS (Least Mean Square) usa uma sequência de treinamento para
ajustar os pesos de uma matriz w (matriz de pesos ótimos). Em cada nova iteração,
uma matriz de função de custo é aproximada do oposto de um vetor gradiente, o
erro é calculado a partir da minimização dessa função de custo, e então a matriz de
pesos ótimos é aproximada de uma solução desejada, sucessivamente.
O erro é dado pela equação

̅ 𝐻 𝑥𝑖
𝜀 = 𝑑𝑘 − 𝑤 (6.40)

Em que dk é o sinal desejado, xi é o i-ésimo sinal de entrada x e wH é a transposição

hermitiana da matriz de pesos.
A função de custo é expressa conforme a equação

𝐽(𝑤) = 𝐸 [|𝑑 |2 ] − 2𝑤 ̅ 𝐻 𝑅̅𝑥𝑥 𝑤

̅ 𝐻𝑟 + 𝑤 ̅ (6.41)

Em que r é a correlação cruzada entre d e x e Rxx é a covariância de x.

O gradiente é encontrado através da derivada da função custo em relação aos
pesos; o mínimo é encontrado igualando-se o resultado a zero. A matriz de pesos é
então dada pela equação:

̅ = 𝑅̅𝑥𝑥
𝑤 −1
𝑟 (6.42)

185
Que é chamada de solução de Wiener.
De acordo com o método do gradiente descendente (steepest descent
method), os pesos são atualizados iterativamente por meio da equação

1
̅ (𝑘 + 1) = 𝑤
𝑤 ̅ (𝑘 ) − 𝜇∇𝑤 [𝐽(𝑤
̅ )]𝑘 (6.43)
2

Sendo k + 1 o instante imediatamente posterior ao instante k, e  o tamanho do

incremento, em cada passo.
Substituindo as aproximações de correlação instantâneas (instantaneous
correlation approximations), o algoritmo LMS fornece a seguinte solução, expressa
na equação

𝑤 ̅ (𝑘 ) + 𝜇𝑒 ∗ (𝑘 )𝑥̅ (𝑘 )
̅ (𝑘 + 1) = 𝑤 (6.44)

A convergência é proporcional ao parâmetro . Se for muito pequeno, ocorrerá

overdamping, e se for muito grande, ocorrerá overshoot. Na prática,  é limitado
entre os seguintes valores, expressos na equação

1
0≤𝜇≤ (6.45)
2𝜆𝑚𝑎𝑥

Em que max é o máximo autovalor de 𝑅̅𝑥𝑥 .

Existe na literatura uma quantidade inumerável de estudos sobre antenas

inteligentes e sistemas de varredura de feixe. O objetivo deste capítulo foi mostrar
apenas os princípios e técnicas básicas sem, no entanto, entrar em maiores
aprofundamentos, já que não é o escopo deste trabalho. Entretanto, para maiores
elucidações a respeito, a bibliografia a seguir pode ser consultada: [GROSS 2015]
[RAHAMAN 2013] [SARKAR 2003].

186
7. PROPOSTA DE CONTROLE DE FEIXE EM ANTENAS
INTELIGENTES UTILIZANDO GEOMETRIA FRACTAL

7.1 INTRODUÇÃO

Após percorrermos o longo percurso pela teoria básica de antenas, teoria de

conjuntos, antenas fractais e antenas inteligentes, chegamos finalmente, à proposta
de trabalho, que visa utilizar essas duas inovadoras abordagens, conjuntamente:
antenas fractais e antenas inteligentes.
O objetivo do trabalho é aproveitar o que há de melhor nessas duas
abordagens, melhorando ainda mais as várias técnicas já utilizadas e promovendo
um melhor aproveitamento do espectro eletromagnético, um recurso tão valioso nos
dias de hoje.
Neste capítulo serão apresentados os avanços já realizados na área, e em que
medida as lacunas existentes podem ser preenchidas. Depois, a antena fractal
inteligente será apresentada como uma alternativa aos problemas levantados.
A antena fractal foi simulada utilizando-se o software HFSS da Ansoft®. Então,
alguns comentários serão feitos em relação às particularidades deste software e
suas implicações.
Como esta pesquisa é uma continuação dos trabalhos realizados no mestrado,
muitos dos resultados encontrados previamente serão aproveitados, a fim de
enriquecer ainda mais a proposta aqui apresentada.
Depois, os resultados da simulação da antenas proposta serão apresentados
na maior quantidade de detalhes possíveis, a fim de serem melhor avaliados. O
maior interesse reside, principalmente, nos parâmetros perda de retorno e ganho,
embora outros sejam também mostrados.
Por fim, os resultados serão discutidos e a sua pertinência será colocada à
prova. Serão feitas comparações com trabalhos realizados anteriormente por outros
pesquisadores, que sejam relacionados, ou pelo menos semelhantes. Toda a
fundamentação teórica pertinente será invocada, a fim de prover uma melhor
idoneidade à proposta aqui apresentada.

187
7.2 OTIMIZAÇÃO DE ANTENAS UTILIZANDO GEOMETRIA FRACTAL

Conforme foi visto no capítulo 4, a surgimento de antenas fractais criou uma

euforia por parte de muitos pesquisadores, cada um tentando explorar ao máximo
quais parâmetros de antenas poderiam ser otimizados, se possível. Entretanto, dois
requisitos dominaram o interesse nas pesquisas: a miniaturização de antenas e a
operação em multibanda. Por isso, os principais trabalhos nesse sentido serão
apresentados para análise.
Além disso, algumas tentativas de utilização de geometria fractal em antenas
inteligentes foram realizadas, embora de maneira não tão intensa. Como o objetivo
deste trabalho é aplicar a geometria fractal em antenas inteligentes, os principais
resultados na literatura a respeito serão também mencionados.
Boa parte dos avanços em antenas fractais foi analisada no trabalho de
mestrado realizado por mim. Por isso, muitos deles serão aqui reproduzidos. Para
maiores detalhes, consultar [RIBEIRO 2016].

7.2.1 Melhoramento da Perda de Retorno e da Operação em Multibanda

Oliveira et al. propuseram e analisaram um modelo de antena fractal do tipo

patch e compararam o resultado com plaquetas que utilizaram menor número de
iterações fractais, designando-as pelas siglas A0, M1 e M2 [OLIVEIRA 2010]. As
antenas com suas respectivas iterações e siglas podem ser vistas na figura 7.1.

Figura 7.1 – Plaquetas de Minkowski com nenhuma iteração (A0), uma iteração (A1) e duas iterações (A2).
Fonte: [OLIVEIRA 2010]

188
 Os autores mediram a perda de retorno para cada iteração, varrendo uma faixa
de 1 a 3 GHz. O resultado é mostrado na figura 7.2.
A frequência de ressonância caiu de 2,45 GHz na antena A0 para 1,62 GHz na
antena M1 e finalmente para 1,42 GHz na antena M2, o que significa uma redução
na frequência de ressonância quando se aumenta o número de iterações fractais.
Mas a perda de retorno de -45 dB da antena A0 foi para -33 dB na antenas M2, o
que significa uma piora; além disso, a largura de banda de 60 MHz da antena A0
caiu para 21 MHz na antena M2.

Figura 7.2 – Perda de Retorno para a antena proposta. [OLIVEIRA 2010].

Esses resultados são interessantes para ponderarmos o custo/ benefício da

diminuição da tamanho em função da largura de banda.

Outro estudo importante foi realizado por Gianvittorio et al. [GIANVITTORIO

2002]. Eles projetaram uma antena patch segundo a mesma metodologia usada
para criar uma curva de Koch: manter constantes as larguras das bordas retas
irradiantes do patch retangular, mas aproximá-las de acordo com o padrão fractal. A
figura 7.3(a) mostra a geometria da antena e a figura 7.3 (b) mostra o retângulo
original.

189
 Figura 7.3 – Antena patch proposta por GIANVITTORIO et. al. [ GIANVITTORIO 2002].

O ponto escuro em cada figura indica o local onde foi realizada a alimentação.
Os dois possuem a mesma largura, mas o fractal possui menor comprimento.
O resultado é que as duas antenas possuem a mesma frequência de
ressonância, mas a antena fractal é 38% mais curta. Por outro lado, a antena fractal
apresentou menor largura de banda: 0,4% contra 1,8% para a antena retangular, o
que era esperado. Isso pode ser visualizado na figura 7.4.

Figura 7.4 – Perda de Retorno da antena proposta por GIANVITTORIO et. al. (2002).

A curva pontilhada representa a perda de retorno da antena retangular sem

iteração, enquanto a curva contínua indica a perda de retorno da antena fractal.
Houve uma pequena degradação deste parâmetro para a antena fractal.

190
 Krishna et al. apresentaram uma antena de microfita composta de triângulos de
Koch com 3 iterações, e simularam a perda de retorno para cada uma das iterações,
bem como para o triângulo equilateral. A antena fractal pode ser visualizada na
figura 7.5(a), enquanto que o gráfico das várias perdas de retorno pode ser visto em
7.5(b). Nota-se que houve uma redução da frequência de ressonância à medida que
se realizaram várias iterações, bem como um aumento da perda de retorno (Return
Loss) para a 3ª iteração. Além disso, a antena fractal pode operar em outras
frequências de ressonância, e não apenas em torno de 2,2 GHz [KRISHNA 2009].

Figura 7.5 – (a) Antena proposta por KRISHNA et. al. e (b) Perda de Retorno. [KRISHNA 2009]

Orazi e Soleimani [ORAZI 2014] utilizaram a geometria fractal chamada DRAF

(dual-reverse arrow fractal) em um patch triangular equilátero, conforme ilustrado na
figura 7.6. A perda de retorno é referida como S11.

Figura 7.6 – Antena DRAF (a) e sua Perda de Retorno (b). [ORAZI 2014]

É possível notar novamente a diminuição da frequência de ressonância e o

aumento da perda de retorno.
191
 Baliarda et al. modificaram o ângulo de abertura de uma antena fractal
Sierpinski, construindo três antenas, com 90º, 60º e 30º [BALIARDA 2000a]. A figura
7.7 ilustra os três tipos.

Figura 7.7 – Triângulo Sierpinski com vários ângulos de alargamento. [BALIARDA 2000a].

Embora este experimento não constitua uma modificação da estrutura a partir

de novas iterações fractais, conforme feito por outros autores, Baliarda et al.
comprovaram que as simples modificações no ângulo de alargamento eram
suficientes para modificar a impedância de entrada e a perda de retorno. A figura 7.8
mostra os resultados do coeficiente de reflexão para as antenas nos vários ângulos.

Figura 7.8 – Coeficiente de Reflexão para as várias antenas. [BALIARDA 2000a].

192
 À medida que o ângulo de alargamento aumenta, as frequências de
ressonância se tornam mais baixas. A partir do gráfico, pode-se observar também a
natureza inerentemente log-periódica da estrutura fractal.
De acordo com os princípios básicos visto no capítulo 2, se o coeficiente de
reflexão reduz, a perda de retorno também diminui.

Mondal et al. propuseram um conjunto de antena fractal de microfita em forma

de um quadrado fractal de Cantor modificado, de acordo com a figura 7.9(a).

Figura 7.9 – (a) Quadrado Fractal de Cantor Modificado. (b) Perda de Retorno. [MONDAL 2015].

Esta configuração permitiu uma redução da superfície de 65%, além de uma

ótima perda de retorno, conforme pode ser visto na figura 7.9(b). Essa figura mostra
ainda a comparação da perda de retorno dessa antena com a de outros modelos tais
como a gaxeta de Sierpinski, a curva de Minkowski, a de Peano e o quadro de Koch.
Além da diminuição da perda de retorno, foi possível abaixar a frequência de
ressonância para 6 GHz, uma redução considerável. Foi utilizado um conjunto de
quatro elementos semelhantes àquele mostrado na figura 7.9(a), e este conjunto foi
acoplado à parte lateral de um veículo para melhorar a segurança em situações
como ultrapassagem, pois a antena serve como uma espécie de radar. Essa
geometria fractal resultou numa estrutura pequena, de baixo custo e de fácil

193
utilização. O ganho total, considerando as interferências do corpo do próprio veículo,
chegou a 12 dB, o que é bastante satisfatório [MONDAL 2015].

Ribeiro el. al. conseguiram significativas reduções na perda de retorno de uma

antena fractal a partir de uma estrutura iniciadora semelhante à mostrada na figura
7.10, acima à esquerda, e cujo resultado final, após três iterações, pode ser visto na
mesma figura, abaixo e à direita [RIBEIRO 2017].

Figura 7.10 – Estrutura inicial com vários estágios de iteração. [RIBEIRO 2017]

A estrutura resultante se assemelha a uma árvore, o que é sugestivo, já que as

plantas podem ser vistas como formadas por iterações fractais sucessivas, como
pode ser constatado no formato das folhas ou da raíz.
O desempenho da antena melhorou bastante: surgiram várias bandas de
utilização que não existiam na antena de iteração 0 e, além disso, a perda de retorno
alcançou níveis baixos de aproximadamente -38 dB.

194
 Abderrahmane e Brahimi simularam uma antena para aplicações via satélite
que utiliza mais eficientemente a largura de banda. A antena é mostrada na figura
7.11(a), enquanto a VSWR é apresentada na figura 7.11(b) para a 1ª e a 2ª iteração.

Figura 7.11 – (a) Antena proposta por ABDERRAHMANE et. al. (b) VSWR. [ABDERRAHMANE 2013]

O aumento de iterações fractais resultou em mais pontos de ressonância, o

que significa operação em multibanda. Mas ocorreu também a diminuição do ganho
à medida em que se aumentou o número de iterações [ABDERRAHMANE 2013].

Hamdouni et. al. inovaram utilizando uma concatenação entre formas circulares
e retangulares, com iterações justapostas, conforme pode ser visto na figura 7.12(a).

Figura 7.12 – (a) Antena concatenada. (b) Perda de Retorno. [HAMDOUNI 2015]

195
 Azari também utilizou uma forma concatenada, mas desta vez justapondo
hexágonos um dentro do outro, iterativamente. Desta maneira, conseguiu não
apenas uma antena de banda larga, como era de se esperar (já que se trata de uma
estrutura autocomplementar), mas também atingiu a característica da multibanda. A
figura 7.13(a) mostra a forma da antena e a figura 7.13(b) a perda de retorno da
mesma, referida como Return Loss, em função da frequência.

Figura 7.13 – Fractal hexagonal (a) e sua perda de retorno (b). [AZARI 2008]

Arif et. al. utilizaram uma estrutura híbrida resultante da combinação de

geometria fractal de Koch, fendas sinuosas e estrutura de terra defeituosa, projetada
sobre um substrato flexível à base de polímero de vinil de baixo custo. A figura 7.14
mostra a antena proposta, tanto o patch quanto o plano de terra (a), e também a
perda de retorno (S11) para várias iterações (b) [ARIF 2019].

196
 Figura 7.14 – Estrutura híbrida (a) e perda de retorno (b). [ARIF 2019]

Este modelo permite a construção de antenas menores e melhorou a sua

largura de banda. Ela foi projetada para ser utilizada no corpo humano, para
aplicações especiais.

Rengasamy et. al. propuseram uma antena fractal Minkowski modificada com
uma estrutura de ressonador de anel dividido em formato circular, conforme pode
ser visto na figura 7.15(a). A perda de retorno (S11) é mostrada em 7.15(b).

Figura 7.15 –Antena fractal Minkowski modificada (a) e perda de retorno (b). [RENGASAMY 2021]

A antena apresentou três bandas de ressonância [RENGASAMY 2021]. Os

valores apresentados em 7.15(b) foram medidos e também simulados, conforme
pode ser observado pela figura.

197
7.3 EXPERIMENTOS COM ANTENAS FRACTAIS E SUAS
LIMITAÇÕES

A quantidade de pesquisas relacionadas à utilização de geometria fractal em

antenas inteligentes é muito pequena. Por isso, o número de artigos na literatura é
baixa. A seguir são apresentadas algumas poucas abordagens a respeito.

Kadhim desenvolveu um tipo de antena fractal do tipo Sierpinski para aprimorar

o uso de antenas inteligentes [KADHIM 2018]. Ele conseguiu, de fato, incrementar
as faixas de frequência de utilização, principalmente WLAN 2.4 GHz, 5.2 GHz e 5.5
GHz, além de WiMAX 2.5 GHz, 3.5 GHZ e 5.5 GHZ. Isso é bastante útil se
pensarmos em termos da necessidade da antena operar em multibanda em
sistemas 5G. Entretanto, a antena proposta não operou num ambiente de controle
de feixe inteligente, pois as análises foram realizadas com somente um elemento.

Venkatrao et. al. detectaram a necessidade de se trabalhar conjuntamente com

as bandas K e Ka nas aplicações 5G, e a deficiência das antenas de operarem em
todas as faixas que englobam essas bandas [VENKATRAO 2020]. Dessa maneira,
propuseram uma antena fractal Minkowski que funciona bem numa ampla faixa, de
18Ghz a 40Ghz. Além disso, a antena proposta por eles apresentou tamanho
reduzido e perdas de retorno menores que – 30dB para frequências específicas (37
GHz, 41 GHz). Mas novamente, a abordagem realizada considerou apenas um
único elemento fractal, e não um conjunto deles operando simultaneamente, cada
um com uma fonte de alimentação, que é o princípio básico de conjuntos de
antenas.

Patil et. al. se basearam numa estrutura monopolo para modifica-la a partir de
sucessivas iterações fractais [PATIL 2015]. Assim, obtiveram frequências de
ressonância de aproximadamente 7 GHz e 13 GHz, com perdas de retorno de -31dB
e -25dB, respectivamente. A figura 7.16 mostra o formato da antena (a) e a perda de
retorno da mesma (b).

198
 Figura 7.16 – Antena monopolo fractal (a) e perda de retorno (b). [PATIL 2015]

Embora tenham proposto uma antena fractal inteligente, a análise recaiu sobre
um elemento apenas, e não sobre o conjunto.
Outros autores fizeram uso de algoritmos comuns à área de antenas
inteligentes para criar a estrutura fractal, a partir de requisitos como supressão de
lóbulo lateral, largura de feixe, etc. Por exemplo, Khamy et. al. propuseram o
desenvolvimento de um conjunto fractal estimando quais elementos seriam ativos e
quais não seriam [KHAMY 2017]. Essa abordagem é interessante, e mostra como é
possível utilizar uma função janela do tipo fractal, conforme foi dito na seção 3.5 e
desenvolvido no capítulo 4. Entretanto, o conjunto assim formado não é nem
inteligente, nem adaptativo. Uma vez definidos os critérios para a sua síntese, ele
permanecerá operando da mesma maneira, sem modificar dinamicamente o seu
diagrama de radiação.
Portanto, além da pequena quantidade de pesquisas na literatura sobre
antenas fractais inteligentes, os trabalhados publicados se limitaram a analisar a
estrutura isolada, tomada individualmente, ao invés de realizar a análise do conjunto
como um todo. Isso constitui um grande obstáculo a ser vencido, pois a análise do
conjunto como um todo não pode ser deduzida a partir da mera justaposição de
elementos individuais, devido aos efeitos de franjamento de campo e interferência
mútua entre elementos.

199
7.4 PARTICULARIDADES DO SOFTWARE

Desde o final dos anos 1980, milhares de engenheiros e projetistas utilizam o

High Frequency Structure Simulator (HFSS) para analisar estruturas
eletromagnéticas. Por meio desta ferramenta, é possível criar estruturas bi ou tri
dimensionais de formas variadas, escolher o tipo de material, as condições de
contorno e as excitações. O tipo de solução, a frequência de análise, os passos, o
erro e a convergência, enfim, cada parâmetro de análise pode ser cuidadosamente
planejado.
O software utiliza dois métodos principais para o cálculo: o método dos
elementos finitos e o método dos momentos da equação integral.
Sistemas de equações diferenciais e ordinárias são adequados a formas
geométricas simples. Quando as estruturas se tornam mais complexas, tais
equações se tornam ineficientes. É aí que entra o método dos elementos finitos. Por
meio deste método, a geometria é subdividida em pequenas partes, e desta maneira
um problema complexo se transforma em problemas mais simples. Cada parte é
chamada de elemento, e a divisão pode ser triangular, quadrangular, etc. Desta
maneira, um número infinito de variáveis de um problema é substituído por um
número finito de elementos.
No HFSS, o método dos elementos finitos subdivide a estrutura em várias
subseções menores no formato de tetraedros. A coleção de tetraedros é chamada
de malha, e os parâmetros dessas malhas podem ser também modificados pelo
usuário do software. Então, dentro de cada tetraedro é encontrada uma solução para
os campos elétricos e magnéticos, e depois estes campos são inter-relacionados
para satisfazer as condições de fronteira das equações de Maxwell, de modo que se
produza uma solução para toda a estrutura.
O estudo do método dos elementos finitos é de grande importância ao
estudante de engenharia. Tornou-se essencial no projeto e modelagem de
fenômenos físicos, nos quais geralmente ocorre uma matéria contínua envolvendo
variáveis de campo. A Engenharia Elétrica não é exceção. O método dos elementos
finitos reduz o problema de se encontrar as distribuições de campo numa grande
estrutura e o transforma num simples problema de se encontrar um número finito de
incógnitas, dividindo o domínio em elementos e expressando a variável de campo

200
desconhecida como funções de aproximação assumidas dentro de cada elemento
[MADENCI 2015].
O método dos momentos da equação integral utiliza uma equação integral para
resolver o problema de se encontrar a solução da densidade de corrente na
superfície da estrutura irradiadora, e depois transforma a equação diferencial num
sistema de equações algébricas através da utilização de funções de base ou se
expansão [BALANIS 2009].
O software HFSS usa o método dos elementos finitos no modo HFSS design, e
o método dos elementos finitos do modo HFSS-IE design, escolhidos previamente
antes de se iniciar o projeto. Tanto um quanto outro método realiza uma quantidade
muito grande de cálculos computacionais, o que exige a utilização de uma máquina
com requisitos mínimos de memória RAM e processamento. Para o caso de
estruturas mais complexas e com mais detalhes, como é o caso dos fractais, o custo
computacional aumenta consideravelmente. Por exemplo, a antena fractal inteligente
proposta demandou um tempo de 60 horas para ser analisada, numa máquina com
processador de 4 núcleos, cache L3 e frequência de 2,80GHz, com uma memória
RAM instalada de 16 Gb.
Outro ponto importante a ser destacado é que o projetista pode escolher dois
critérios para a solução numérica da equação: convergência ou erro máximo
aceitável. Para estruturas mais complexas, é necessário diminuir também o número
de passos até a convergência e/ou o erro aceitável, para não correr o risco de não
haver convergência, ou para que esta não se prolongue por um tempo
excessivamente grande.
A escolha da frequência de varredura é fundamental para a análise de
estruturas de antenas. No HFSS, é possível escolher a varredura por interpolação, a
varredura rápida e a discreta. A primeira é aconselhável quando a faixa de
frequências é grande com resposta suave. A rápida é mais apropriada para
espectros de frequência com mudanças bruscas. E a discreta é indicada para os
casos em que se necessita analisar apenas pontos específicos do espectro. É
possível também criar várias varreduras simultâneas para melhorar a confiabilidade
da análise. Entretanto, isso implicará em maior custo computacional.
A antena fractal inteligente proposta foi analisada com a varredura por
interpolação.

201
7.5 ANTENA FRACTAL INTELIGENTE PROPOSTA

Visando preencher as lacunas apresentadas na seção anterior, foi concebido

um modelo de antena inteligente cuja estrutura fosse baseada na geometria fractal.
Após inúmeras tentativas realizadas com modelos diferentes, chegou-se ao conjunto
apresentado na figura 7.17.

Figura 7.17 – Antena fractal inteligente proposta

O conjunto é constituído por 4 elementos na direção x e 4 na direção y,

totalizando 16 elementos radiantes no total. Cada elemento é alimentado

202
individualmente, de modo que é possível controlar a excitação e a fase de cada um,
e desta maneira comandar o feixe de acordo com o diagrama de radiação requerido.
Este conjunto foi concebido de acordo com os princípios de geração de
antenas fractais vistos no capítulo 4, em especial na seção 4.5.2, que é a aplicação
sucessiva de um subconjunto gerador em vários processos iterativos.
Primeiramente, formou-se o subconjunto gerador, mostrado na figura 7.18.

Figura 7.18 – Subconjunto gerador da antena fractal inteligente proposta

Este subconjunto gerador é composto por 11 elementos quadrados na direção

x e 11 elementos quadrados na direção y, seguindo a mesma lógica de construção
de um conjunto planar de cantor, em que alguns elementos são ligados e outros
desligados. No caso da figura 7.18, os elementos em escuro são os ligados, e os
elementos em claro, desligados.
Este subconjunto gerador servirá de base para uma nova iteração, em que
cada elemento ativo, ao invés de ser preenchido com um quadrado escuro, será
preenchido com o subconjunto gerador. Desta maneira, a nova figura irá manter a
mesma forma do subconjunto gerador inicial, com a diferença de que, agora, será
composta por porções em escala de si mesma. Ou seja, olhando para o todo, é
possível reconhecer as partes, e vice versa, o que é a característica básica de um
fractal, conforme mostra a figura 7.19:

203
 Figura 7.19 – Figura com uma iteração fractal

Esta estrutura auto similar é o elemento individual do conjunto 4 x 4 mostrado

na figura 7.17. Ou seja, o conjunto concebido é composto por uma repetição da
figura 7.19, quatro vezes na direção x e quatro na direção y.
O tamanho total de cada elemento da figura 7.19 é de 3,4cm em cada lado, e a
distância entre cada elemento na figura 7.17 é de 2,0cm. Deste modo, o tamanho
total da antena em 7.17 é de 3,4x4 + 2,0x3 = 19,6cm de cada lado.
A antena foi impressa utilizando um material considerado condutor elétrico
perfeito. Este material está acima de um substrato com espessura de 1.27mm
composto por material do tipo Rogers RT/duroid 5880, o qual apresenta
permeabilidade relativa de 1,0 e permissividade relativa de 2,2.
Para efeitos de simplificação, considera-se que o conjunto está acima de um
plano de terra infinito. Esta é uma boa aproximação para a maioria dos projetos.
Cada elemento é alimentado individualmente por meio de uma linha de
alimentação colocada abaixo, ao centro, como pode ser visto na figura 7.19. A partir
daí as corrente se distribuem para o restante da estrutura, decaindo à medida que
avançamos pela estrutura.
A antena foi simulada com o software HFSS da Ansoft®. Alguns detalhes deste
software devem ser verificados.

204
7.6 SIMULAÇÃO E RESULTADOS

O primeiro grande parâmetro a ser observado é a perda de retorno, definida na

seção 2.2.3. Para facilidade de análise, as frequências de varredura foram dividias
em três blocos: de 1GHz a 10 GHz, de 10 GHz a 20 GHz e de 20 GHz a 30 GHz. A
figura 7.20 mostra a perda de retorno para a faixa de frequências de 1 GHz a 10
GHz.

Figura 7.20 – Perda de Retorno para a faixa de 1 GHz a 10 GHz da antena proposta.

A antena apresentou picos em torno de 7,1 GHz e 8,0 GHz, com perda de
retorno mínima de -15,2dB.
A figura 7.21 mostra a perda de retorno para a faixa de frequências de 10 GHz
a 20 GHz.

Figura 7.21 – Perda de Retorno para a faixa de 10 GHz a 20 GHz da antena proposta.

205
 Neste caso, podemos perceber a existência de vários picos negativos em
múltiplas frequências: 13,6 GHz, 16,2 GHz, 17,6 GHz, 18,9 GHz e 19,7 GHz, as
mais importantes.
Já a figura 7.22 apresenta a perda de retorno para a faixa de 20 GHz a 30
GHz.

Figura 7.22 - Perda de Retorno para a faixa de 20 GHz a 30 GHz da antena proposta

Para esta faixa, existem picos em 22,5 GHz, 26,2 GHz, 26,6 GHz, 26,8 GHz,
27, 2 GHz e 29,6 GHz, os mais importantes. A menor perda de retorno foi de
aproximadamente -13 dB.

Os resultados são colocados na tabela abaixo para melhor visualização.

Tabela 7.1 – Valores da perda de retorno para várias frequências.

Frequência 7,1 8,0 13,6 16,2 17,6 18,9 19,7 22,5 26,2 26,6 26,8 27,2 29,6
(GHz)
Perda de -11 - -12 -13 -11 -13 -13 -8 -13 -11 +10 -12 -8
Retorno 15,2
(dB)

Somente os valores mais significativos foram listados. Além disso, não é

objetivo promover o casamento de impedâncias (que reduziria a perda de retorno)
pois o intuito é verificar a característica de multibanda da antena fractal.
206
 A seguir é apresentada a impedância de entrada da antena, em suas partes
real e imaginária. Da mesma maneira como foi feito antes, as frequências de
varredura foram divididas em três blocos. A parte real é mostrada em vermelho.
A figura 7.23 mostra a impedância de entrada para a faixa de 1 GHz a 10 GHz.

Figura 7.23 – Impedância de entrada para a faixa de 1 GHz a 10 GHz da antena proposta.

A figura 7.24 mostra a impedância de entrada para a faixa de 10 GHZ e 20

GHz.

Figura 7.24 – Impedância de entrada para a faixa de 10 GHz a 20 GHz da antena proposta.

E a figura 7.25 mostra a impedância de entrada para a faixa de 20 GHz a 30

GHz.
207
 Figura 7.25 – Impedância de entrada para a faixa de 20 GHz a 30 GHz da antena proposta.

Uma observação rápida indica que a estrutura possui uma impedância baixa,
com exceção de alguns pontos.

A seguir são apresentados o diagrama de radiação e o diagrama 3D. Como a

antena é capaz de controlar o feixe a partir do ângulo de fase entre a excitação de
cada elemento, serão mostrados os diagramas de radiação e 3D para vários pontos
do espaço, supondo que a antena está direcionando dinamicamente o feixe para
diferentes regiões de interesse.
Comecemos com uma defasagem 𝛽 = 0° entre cada elemento. A figura 7.26
mostra o diagrama de radiação do ganho, frequência de 5 GHz, varredura em 𝜙 e
𝜃 = 45°

Figura 7.26 – Diagrama de radiação com varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷 = 𝟎.

208
 A figura 7.27 mostra o diagrama de radiação para a mesma frequência,
varredura em 𝜃 e 𝜙 = 0°.

Figura 7.27 – Diagrama de radiação com varredura em 𝜽, 𝝓 = 𝟎°, 𝜷 = 𝟎.

O gráfico 3D é mostrado na figura 7.28.

Figura 7.28 – Diagrama 3D com valores do ganho. 𝜷 = 𝟎.

209
 Alterando a fase entre cada elemento na direção x para 𝛽𝑥 = 30° e mantendo a
fase entre cada elemento na direção y com 𝛽𝑦 = 0°, a direção do feixe irá se alterar.
Para o diagrama de radiação:

Figura 7.29 - Diagrama de radiação com varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟑𝟎º e 𝜷𝜸 = 𝟎°.

Gráfico 3D, também chamado de diagrama 3D polar:

Figura 7.30 – Diagrama 3D referente ao ganho, 𝜷𝒙 = 𝟑𝟎º e 𝜷𝜸 = 𝟎°.

210
 Mantendo agora a mesma fase para os elementos na direção x (𝛽𝑥 = 0°) mas
adicionando uma fase entre os elementos na direção y (𝛽𝑦 = 30°), temos:

Diagrama de radiação (figura 7.31):

Figura 7.31 - Diagrama de radiação varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟎º e 𝜷𝜸 = 𝟑𝟎°.

Diagrama 3D polar (figura 7.32):

Figura 7.32 - Diagrama 3D referente ao ganho, 𝜷𝒙 = 𝟎º e 𝜷𝜸 = 𝟑𝟎°.

211
 Desta vez, alterando simultaneamente as defasagem entre os elementos na
direção x (𝛽𝑥 = 30°) e na direção y (𝛽𝑦 = 30°), obtemos:

Diagrama de radiação:

Figura 7.33 - Diagrama de radiação varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟑𝟎º e 𝜷𝜸 = 𝟑𝟎°.

Diagrama 3D polar:

Figura 7.34 - Diagrama 3D referente ao ganho, 𝜷𝒙 = 𝟑𝟎º e 𝜷𝜸 = 𝟑𝟎°.

212
 Como pode ser notado, é possível ajustar os ângulos de fase nas direções x e
y e, desta maneira, direcionar o feixe para a região de interesse. Como exemplo,
seja a diferença de fase entre os elementos na direção x igual a 55° (𝛽𝑥 = 55°) e a
diferença de fase entre os elementos na direção y igual a 78° (𝛽𝑦 = 78°). O diagrama
de radiação se torna:

Figura 7.35 - Diagrama de radiação varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟓𝟓º e 𝜷𝜸 = 𝟕𝟖°.

E o diagrama 3D polar é reproduzido na figura 7.36:

Figura 7.36 - Diagrama 3D referente ao ganho, 𝜷𝒙 = 𝟓𝟓º e 𝜷𝜸 = 𝟕𝟖°.

213
 Como um outro exemplo, para uma defasagem entre os elementos na direção
x de 𝛽𝑥 = 70° e entre os elementos na direção y de 𝛽𝑦 = 30°:

Diagrama de radiação:

Figura 7.37 - Diagrama de radiação varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟕𝟎º e 𝜷𝜸 = 𝟑𝟎°.

Diagrama 3D:

Figura 7.38 - Diagrama 3D referente ao ganho, 𝜷𝒙 = 𝟕𝟎º e 𝜷𝜸 = 𝟑𝟎°.

214
 É importante observar que a frequência de operação também altera o diagrama
de radiação, conforme era de se esperar, pois a variação da frequência altera a
distância entre os elementos em comprimento de onda. Quando a frequência era de
5 GHz, o comprimento de onda era de 𝜆 = 3 ∙ 108 /5 ∙ 109 = 6 cm. Sendo o
espaçamento entre cada elemento igual a 2cm, a distância em comprimento de onda
será 𝜆/3. De acordo com a fórmula desenvolvida na seção 3.4, 𝑘𝑑 cos 𝜃 + 𝛽 = 0,
sendo 𝑘 = 2𝜋/𝜆 e 𝑑 = 𝜆/3, o que resultará em:
2𝜋 𝜆 2𝜋
cos 𝜃 = cos 𝜃
𝜆 3 3
Quando a frequência for de 15 GHz, então 𝜆 = 3 ∙ 108 /15 ∙ 109 = 20cm, o que
resultará num espaçamento entre elementos de 𝑑 = 𝜆/10. Isso influi na formação de
lóbulos laterais e varredura de feixe. Por exemplo, para defasagem entre os
elementos na direção x de 𝛽𝑥 = 70° e entre os elementos na direção y de 𝛽𝑦 = 30°,
semelhante ao que foi mostrado na figura 7.37, mas desta vez operando em 15GHz,
o diagrama de radiação é mostrado na figura 7.39 abaixo.

Figura 7.39 - Diagrama de radiação varredura em 𝝓 e 𝜽 = 𝟒𝟓°, 𝜷𝒙 = 𝟕𝟎º e 𝜷𝜸 = 𝟑𝟎°, frequência de 15 GHz.

Como se percebe, a quantidade de lóbulos laterais aumentou

consideravelmente, se compararmos com a figura 7.37. Em suma, a frequência de
operação determina a quantidade de lóbulos laterais.
215
 Para fins de comparação, simularemos o mesmo conjunto, mas desta vez com
espaçamento entre os elementos de 3 cm, ao invés de 2 cm. Isto porque, para uma
frequência de 5GHz, o comprimento de onda é de 6cm, então, o espaçamento entre
os elementos será de 𝜆/2.

O diagrama de radiação e o diagrama 3D para 𝛽𝑥 = 0° e 𝛽𝑦 = 0° é mostrado na

figura 7.40.

Figura 7.40 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟎°.

Para 𝛽𝑥 = 30° e 𝛽𝑦 = 0°:

Figura 7.41 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟑𝟎°, 𝜷𝒚 = 𝟎°.

216
Para 𝛽𝑥 = 0° e 𝛽𝑦 = 30°:

Figura 7.42 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟑𝟎°.

Para 𝛽𝑥 = 30° e 𝛽𝑦 = 30°:

Figura 7.43 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟑𝟎°, 𝜷𝒚 = 𝟑𝟎°.

Vamos utilizar o mesmo defasamento para os casos anteriores: 𝛽𝑥 = 55° e

𝛽𝑦 = 78°.

217
 Figura 7.44 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟑𝟎°, 𝜷𝒚 = 𝟑𝟎°.

Para facilidade de comparação, as próximas figuras compararam o diagrama

de radiação para 𝑑 = 𝜆/3 e 𝑑 = 𝜆/2.

Figura 7.45 – Diagramas de radiação para 𝒅 = 𝝀/𝟑 e 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟎°

218
Figura 7.46 – Diagramas de radiação para 𝒅 = 𝝀/𝟑 e 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟑𝟎°, 𝜷𝒚 = 𝟎°.

Figura 7.47 – Diagramas de radiação para 𝒅 = 𝝀/𝟑 e 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟑𝟎°.

219
 Figura 7.48 – Diagramas de radiação para 𝒅 = 𝝀/𝟑 e 𝒅 = 𝝀/𝟐, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟑𝟎°.

Por fim, simulamos um conjunto cujo espaçamento entre os elementos é de

𝜆/10, para vários ângulos de varredura de fase.

Figura 7.49 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟏𝟎, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟎°.

220
 Figura 7.50 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟏𝟎, 𝜷𝒙 = 𝟑𝟎°, 𝜷𝒚 = 𝟎°.

Figura 7.51 – Diagrama de radiação e diagrama 3D para 𝒅 = 𝝀/𝟏𝟎, 𝜷𝒙 = 𝟎°, 𝜷𝒚 = 𝟕𝟎°.

E assim sucessivamente, para diferentes defasagens entre elementos na

direção x e elementos na direção y. A variação de um ou outro, ou dos dois
simultaneamente, promove a varredura em certas regiões do espaço tridimensional.

221
7.7 ANÁLISE DOS RESULTADOS

Analisando as figuras 7.20, 7.21 e 7.22, bem como a tabela 7.1, percebemos
que a antena proposta foi capaz de operar em multibanda, como era esperado para
antenas fractais. Os resultados da perda de retorno não foram adequados, pois não
houve a preocupação com o casamento de impedâncias entre a antena e a fonte,
mas sim em verificar os pontos do gráfico onde ocorre ressonância. A faixa de
frequência analisada na varredura foi bem ampla, de 1GHz a 30 GHz, e nessa faixa
pode-se notar a existência de múltiplas frequências ótimas de operação, que vão da
banda C com 7,1 GHz, banda X com 8 GHz, Ku com 13,6 GHz, 16,2 GHz, 17,6 GHz,
banda K com 18,9 GHz, 19,7 GHz, 22,5 GHz e 26,2 GHz, banda Ka com 26,6 GHz,
26,8 GHz, 27,2 GHz e 29,6 GHz.
Em relação à impedância, observou-se que a maior parte dela permaneceu
baixa, exceto em alguns valores de frequência de varredura, como em 3 GHz (figura
7.23), em que a parte real teve um pico máximo de 8k e a parte imaginária um pico
de reatância indutiva de 7,5 k. Para a frequência de 15,7 GHz (figura 7.24), a parte
real da impedância ficou em torno de 17,5k e a reatância indutiva, em torno de
10k. Por fim, a uma frequência de 21 GHz (figura 7.25), em que a parte real teve
um máximo de aproximadamente 1,3k e a reatância, agora capacitiva, de 1,5k
(ou -1,5k). Sabe-se que uma impedância de entrada muito baixa pode ser um
grande inconveniente, mas mudanças no tipo de alimentação e no substrato
utilizado podem aumentar a impedância, caso necessário.
Os diagramas de radiação mostrados nas figuras 7.27, 7.28 e seguintes
mostram que o conjunto é capaz de direcionar o feixe para várias regiões, alterando-
se o atraso de fase entre os elementos na direção x e na direção y. Com relação ao
ganho, aqueles obtidos conforme diagramas 3D das figuras 7.28, 7.30, 7.32 e 7.34,
obtiveram resultados muito satisfatórios, em torno de 16 dB, no entanto, os ganhos
obtidos conforme diagramas 3D das figuras 7.36, 7.38, tiveram resultados menores,
em torno de 12 dB.
Alterando o espaçamento entre os elementos de 2 cm para 3 cm a uma
frequência de 5GHz, o comprimento de onda é de 6 cm, por isso o espaçamento
entre os elementos foi de 𝜆/2. O ganho neste caso, obtidos conforme diagramas 3D
das figuras 7.40 a 7.44, tiveram resultados oscilando em torno de 16 dB.
222
 Por fim, simulou-se um conjunto com espaçamento entre os elementos de 𝜆/10,
para vários ângulos de varredura de fase. O ganho neste caso, obtidos conforme
diagramas 3D das figuras 7.49 a 7.51, tiveram valores satisfatórios, com destaque
para o diagrama da figura 7.49 cujo valor ficou acima de 17 dB.
Um menor espaçamento entre os elementos do conjunto, em comprimentos de
onda, influencia na formação de lóbulos laterais, entretanto, proporciona um melhor
direcionamento de feixe, conforme figuras 7.45, 7.46, 7.47 e 7.48. No limite, quando
a distância entre os elementos se torna bem menor, o direcionamento do feixe de
torna maior, com o ganho se mantendo quase constante. Desta maneira, a
varredura de feixe é mais eficiente, permitindo que o conjunto direcione o feixe na
direção de interesse e suprima o feixe em regiões que não são de interesse.
Entretanto, o conjunto perde a capacidade de direcionamento à medida que a
distância entre os elementos se torna menor. Ou seja, embora a diretividade seja
maior, com consequente redução dos lóbulos laterais, a capacidade de orientação
espacial do feixe se torna menor. Alguns pontos do espaço, inclusive, não são
possíveis de serem atingidos, o que limita a utilização em algumas aplicações.
Isso significa que é necessário encontrar uma solução de equilíbrio entre a
capacidade de orientação espacial e a eficiência na redução do lóbulo lateral. Este
tipo de escolha deverá ser realizada pelo projetista de antenas, de acordo com o
sistema planejado e a aplicação prevista.

223
8. CONCLUSÃO

Os grandes avanços na área de comunicações e de telecomunicações, desde

o desenvolvimento da computação quântica até a telefonia 5G, têm demandado
maneiras muito mais eficientes de aproveitamento do espectro. Clientes que
necessitam transmitir uma quantidade gigantesca de dados, de maneira cada vez
mais complexa, precisam ser atendidos por redes de telecomunicações robustas.
Empresas fornecedoras precisam vencer a corrida tecnológica onde a habilidade de
gerar mais informações fornece desafios quase insuperáveis. Antenas inteligentes
se tornaram um componente crítico para aumentar o desempenho de uma gama de
aplicativos sem fio. Sua abordagem arrojada, capaz de direcionar o feixe na direção
de interesse e não irradiar nas direções indesejadas, torna-a indispensável nos dias
atuais, permite maiores taxas de sinal/ interferência, níveis mais baixos de energia e
maior reutilização de frequência numa mesma célula em sistemas de transmissão de
telefonia móvel.
Além disso, a utilização de antenas inteligentes aprimora as técnicas de
localização de direção, varrendo com mais precisão e encontrando mais
eficientemente os ângulos de chegada. Capacidades do sistema aprimoradas,
larguras de banda mais altas, atenuação de caminhos múltiplos, redução de mancha
na imagem de radar e resolução de conjunto melhorada são apenas alguns dos
muitos benefícios proporcionados pelas antenas inteligentes.
As antenas fractais, por seu turno, possuem um histórico de sucesso e avanços
notórios, embora às vezes controversos. Elas se mostraram ideais em projetos de
miniaturização de antenas, justamente porque ocupam melhor o espaço imaginário
correspondente à esfera em torno da antena, e com isso conseguem ter um
comprimento efetivo maior. O número de iterações fractais proporciona uma maior
aproximação em relação ao limite de miniaturização de antenas, aumentando o fator
de qualidade. As antenas fractais também são capazes de operar em multibanda, e
por isso às vezes são referidas como antenas independentes da frequência, por
analogia às antenas que possuem característica de determinação exclusiva por
ângulos e auto semelhança.
A união da tecnologia de antenas inteligentes com elementos fractais é
inovadora, e pode ser um importante passo para a otimização dos sistemas de

224
telefonia, internet, satélites e radares. Entretanto, como tudo o que é novo, essa
técnica deve ser analisada com bastante rigor e ser testada numa quantidade maior
de modelos fractais, e somente assim será possível chegar a resultados seguros e
concretos sobre o seu real efeito em sistemas de telecomunicações. Ainda que os
modelos apresentado neste trabalham possam ter apresentado um bom
desempenho, seria demasiado imprudente generalizar os resultados para todas as
antenas fractais inteligentes.
Uma antena fractal inteligente talvez seja capaz de aumentar, de maneira
eficiente e econômica, a capacidade dos sistemas de comunicações móveis,
concentrando a energia eletromagnética na direção de interesse e permitindo que as
estações-base setorizadas possam operar com maior capacidade. E por ser uma
antena fractal, é capaz de atuar em várias frequências de ressonância, ao mesmo
tempo em que ocupa um espaço menor do que antenas com outros formatos. Se as
antenas inteligentes permitem um reuso de frequência, uma antena fractal
inteligente eventualmente é capaz de potencializar ainda mais esta capacidade,
justamente devido a essa característica que as aproxima das chamadas antenas
independentes da frequência. O ponto é: encontrar a geometria fractal perfeita, ou
próxima do ideal almejado.
O número de elementos de um conjunto afeta a largura de feixe do diagrama
de radiação: mais elementos proporcionam menor largura de feixe, o que dará mais
precisão para se detectar os usuários de interesse e desprezar os sinais/ usuários
que não sejam do interesse.
Os formadores dinâmicos de feixe tendem a ser mais caros devido à
complexidade de hardware, embora os processadores digitais de sinais tendam a
ficar cada vez mais baratos e mais rápidos. Entretanto, esse é um aspecto prático
que deve ser levado em conta quando se for projetar um sistema SDMA.
Em se tratando das estruturas fractais, os maiores obstáculos encontrados
atualmente no projeto e análise de antenas fractais são as limitações
computacionais, a dificuldade de construção prática e a falta de um tratamento
matemático mais adequado. As limitações computacionais dizem respeito
principalmente à capacidade de processamento e às limitações de memória RAM,
embora grandes progressos tenham sido realizados nas últimas décadas. A
dificuldade de construção prática se refere às limitações tecnológicas no processo

225
de construção e implementação da estrutura real, ainda mais quando se tratar de
antenas muito reduzidas; mas esses obstáculos estão sendo vencidos
gradativamente, destacando-se o uso de nanotecnologia e de impressoras 3D. Por
fim, a falta de tratamento matemático mais adequado é uma alusão à relativamente
escassa literatura sobre o tema, à pouca preocupação com uma modelagem e
sistematização que permitam analisar, de forma ágil e intuitiva, os principais
parâmetros das antenas – perda de retorno, impedância de entrada, ganho, etc. –
relacionados às estruturas fractais; na maioria dos casos, a única modelagem que
se faz é através de métodos numéricos, com a ajuda dos computadores.
A antena fractal proposta e analisada no presente trabalho atingiu um ganho
maior do que muitas antenas fractais apresentadas na literatura, como por exemplo,
de Varnikha et. al. [VARNIKHA 2019] que, ao utilizarem uma estrutura decagonal
fractal, apresentaram um ganho máximo de 3dB para a frequência de 5GHz. Ou
maior do que o modelo de Venkatrao et. al. [VENKATRAO 2020] que atingiram um
ganho máximo de 4,9 dB, e mesmo assim, apenas numa estreita largura de banda.
Antenas inteligentes aliadas a elementos fractais podem resolver outro
problema que aflige a humanidade atualmente: a inundação do espaço com ondas
eletromagnéticas. Embora não haja estudos conclusivos sobre o assunto,
autoridades e cientistas têm demonstrado preocupação com a quantidade de
exposição das pessoas à radiação eletromagnética, buscando políticas para minar
esse efeito. Um feixe dinâmico de um sistema SDMA com elementos fractais seria
capaz de direcionar o feixe mais eficientemente para o usuário de interesse,
economizando muita energia por não precisar emitir radiação em direções
indesejadas, o que limparia bastante o espaço da “contaminação eletromagnética”, e
representaria um alívio para os que se preocupam com tal exposição.
O trabalho aqui desenvolvido prestou uma grande contribuição à comunidade
científica e espera-se que possa ser aprimorado, visando um desempenho cada vez
melhor. Os resultados aqui encontrados e os obtidos numa publicação paralela
[RIBEIRO et, al. 2022] podem indicar caminhos seguros para futuras pesquisas.

226
9. ANEXO

Programa MATLAB utilizado

P = 360;
thetas = [[0:pi/P:pi-pi/P] [pi:-pi/P:0]];
N = 10; % Número de elementos
f = 1e9; % Frequência
lambda = 3e8/f; % Comprimento de onda
k = 2*pi/lambda; % Número de onda
d = lambda/2; % Espaço entre os elementos
beta = 0; % Atraso de fase
psi = k*d*cos(thetas) + beta;
AF = cos(psi).*cos(2*psi).*cos(4*psi); % Array factor
U = AF.^2;
step = thetas(2) - thetas(1);
U0 = 1/(4*pi)*(2*pi)*step*sum(AF(1:P).^2.*sin(thetas(1:P))); % Diretividade do AF
D = U/U0;
thetam = [pi/2-thetas(1:P) pi/2+thetas(P+1:end)];%
Offset = 20;
DdB = 10*log10(D) + Offset;
DdB(find(DdB < 0)) = 0; % Eliminando valores negativos
polar(thetam, DdB, 'b'); hold on; % Gráfico polar

227
10. REFERÊNCIAS BIBLIOGRÁFICAS

ABDELHAK, F.; NAJIB, F.; ALI, G. A Sierpinski Slot Antenna as a TAG FRID
Antenna. International Journal of Communication Networks and Information
Security (IJCNIS). Kohat, Pakistan, Vol. 2, No. 3, December, 2010, p.248-252.
https://doi.org/10.17762/ijcnis.v2i3.61

ABDELLATIF, S.; KIRAH, K. Nanowire Photovoltaic Efficiency Enhancement Using

Plasmonic Coupled Nano-Fractal Antennas. Optics Letters. Vol. 38, nº 18, pp. 3680-
3683, 2013. https://doi.org/10.1364/OL.38.003680

ABDERRAHMANE, L. H.; BRAHIMI, A. A New Design of Dual Band Fractal Antenna

for LEO Applications. The Eighth International Conference on Systems and
Networks Communications. Venice, Italy, October 27 - November 1, 2013. ISBN:
978-1-61208-305-6

ABRAHAM, J.; JOHN, K. K. A.; MATHEW, T. Microstrip Antenna Based on Durer

Pentagon Fractal Patch for Multiband Wireless Applications. International
Conference on Information Communication and Embedded Systems (ICICES),
2014. https://doi.org/10.1109/ICICES.2014.7033976

ALVES, M. J. L.; FARIAS, K. C. S.; REGIS, C. D. M.; ALENCAR, M. S. de;

PEROTONI, M. B. Uma Nova Antena Fractal para Aplicação em Televisão Digital
Móvel na Banda VHF. XXVI Simpósio Brasileiro de Telecomunicações. RJ, 2008.
https://doi.org/10.14209/sbrt.2008.43114

ANDERSON, J. W. Hyperbolic Geometry. New York: Springer-Verlang, 1999.

https://doi.org/10.1007/978-1-4471-3987-4

ARIF, A.; ZUBAIR, M.; ALI, M.; KHAN, M. U.; MEHMOOD, M. Q. A Compact, Low-
Profile Fractal Antenna for Wearable On-Body WBAN Applications. IEEE Antennas
and Wireless Propagation Letters, vol.18, no.5, pp.981-985, 2019.
https://doi.org/10.1109/LAWP.2019.2906829

228
ASSIS, T. A de; MIRANDA, J. G. V.; MOTA, F. B.; ANDRADE, R. F. S.; CASTILHO,
C. M. C. Geometria Fractal: Propriedades e Características de Fractais Ideais.
Revista Brasileira de Ensino de Física, vol. 30, nº2, 2008.
https://doi.org/10.1590/S0102-47442008000200005

AZARI, A.; ROWHANI, J. Ultra Wideband Fractal Microstrip Antenna Design.

Progress in Electromagnetics Research C, vol. 2, pp. 7-12, 2008.
https://doi.org/10.2528/PIERC08031005

BALANIS, C. A. Teoria de Antenas: Análise e Síntese. Tradução e revisão técnica

de J. R. Souza. Rio de Janeiro: LTC, 3ª ed., v. I e II, 2009.

BALANIS, C. A. Advanced Engineering Electromagnetics. Arizona State

University: John Wiley & Sons, Inc., 2. ed., 2015.

BALIARDA, C. P.; BORAU, C. B.; RODERO, M. N.; ROBERT, J. R. An Iterative

Model for Fractal Antennas: Application to the Sierpinski Gasket Antenna. IEEE
Trans. Antennas Propagat., Vol. 48, No 5, pp. 713-719, May 2000a.
https://doi.org/10.1109/8.855489

BALIARDA, C. P.; ROMEU, J.; CARDAMA, A. The Koch Monopole: A Small Fractal
Antenna. IEEE Trans. Antennas Propagat., Vol. 48, No 11, pp. 1773-1781, Nov.
2000b.

BALIARDA, C. P. ROMEU, J.; POUS, R.; CARDAMA, A. On the Behavior of the

Sierpinski Multiband Fractal Antenna. IEEE Transactions on Antennas and
Propagations, vol. 46, nº 4, pp. 517-524,1998. https://doi.org/10.1109/8.664115

BANCROFT, Randy. Fundamental Dimension Limits of Antennas: Ensuring Proper

Antenna Dimensions in Mobile Devices Designs. Westminster, Colorado: Centurion
Wireless Technologies, s/d.

229
BANERJEE, S. & DWIVEDI, V. V., Effect of signal to interference ratio on adaptive
beamforming techniques, Journal of King Saud University, Engineering
Sciences, Vol. 30, Issue 4, pp.313-319, October 2018.
https://doi.org/10.1016/j.jksues.2016.08.002

BARLETT, M. An Introduction to Stochastic Processes with Special References

to Methods and Applications. New York: Cambridge University Press, 1961.

BENAZIR, M.; JOTHILAKSHMI, P. Circular Patch with Star Triangular Fractal

Antenna for SWB Applications. International Conference on Communication and
Signal Processing. India, p. 485-489, April 3-5, 2014.
https://doi.org/10.1109/ICCSP.2014.6949889

BEST, S. R. A Comparison of the Performance Properties of the Hibert Curve Fractal

and Meander Line Monopole Antennas. Microwave Optical Tech Lett, vol.35,
no.20, 2002a. https://doi.org/10.1002/mop.10576

BEST, S. R. On the Resonant Behavior of the Small Koch Fractal Monopole

Antenna. Microwave and Optical Technology Letters, vol. 35, nº 4, pp. 311-315,
2002b. https://doi.org/10.1002/mop.10593

BEST, S. R. A Comparison of the Resonant Properties of Small Space-Filling Fractal

Antennas. IEEE Antennas Wireless Propagation Letters, vol.2. 2003.
https://doi.org/10.1109/1-AWP.2003.819680

BLACKMAN, R. B.; TUKEI, J. W. The Measurement of Power Spectra from the

Point of View of Communications Engineering. New York: Dover, 1958.
https://doi.org/10.1002/j.1538-7305.1958.tb01530.x

BOLOTOV, V. N.; KOLESNIKOV, S. E.; TKACH, Y. V.; TKACH, Y. Y.;

KHUPCHENKO, P. V. Fractal Communication System. Electromagnetic
Phenomena, Vol. 7, nº 1 (18), pp. 174-179, 2007.

230
BOYAT, A. K.; JOSHI, B. K. A Review Paper: Noise Models in Digital Image
Processing. Signal & Image Processing: An International Journal (SIPIJ), vol.6,
nº2, 2015. https://doi.org/10.5121/sipij.2015.6206

BOYER, C. B. História da Matemática. São Paulo: Edgard Blücher, 1996.

BOYLESTAD, Robert L. Introdução à Análise de Circuitos. São Paulo: Pearson

Prentice Hall, 10ª ed., 2004.

BRIGGS, J. Fractals: the Patterns of Chaos. New York: Touchstone, Simon and
Schuster Inc. 1992.

BUSSAB, W. de O.; MORETTIN, P. A. Estatística Básica. São Paulo: Saraiva,

6.ed., 2010.

CAPON, J. High-resolution frequency-wavenumber spectrum analysis, Proc. IEEE,

vol. 57, no. 8, pp. 1408–1418, 1969. https://doi.org/10.1109/PROC.1969.7278

CARMO, M. P. Geometrias Não-Euclidianas. Matemática Universitária, nº6. IMPA,

Rio de Janeiro, p. 25-48, 1987.

CHATTERJEE, S.; MAJUMDER, A.; GHATAK, R.; PODDAR, D. R. Wide Impedance

and Pattern Bandwidth Realization Using Fractal Slotted Array Antenna. IEEE
Transactions on Antennas and Propagation, vol. 62, nº8, pp. 4049-4056, 2014.
https://doi.org/10.1109/TAP.2014.2322887

CHIARAVALLOTI, André de Morais. Análise Fractal da Taxa de Câmbio da Moeda

Chinesa, o Yuan, Contra o Dólar Americano. 2006, 70f. Monografia
(Departamento de Ciências Econômicas). Departamento de Ciências Econômicas,
Centro Sócio-Econômico, Universidade Federal de Santa Catarina, SC, 2006.

CHOWDARY, P. S. R.; PRASAD, A. M.; RAO, P. M. Investigations on the Radiation

Characteristics of Cantor Fractal Array. International Journal of Advanced

231
Research in Electrical, Electronics and Instrumentation Engineering. Vol. 2,
Issue 9, pp. 4492-4498, September 2013a.

CHOWDARI, P. S. R.; PRASAD, A. M.; RAO, P. M. ANGUERA, J. Simualtion of

Radiation Characteristics of Sierpinski Fractal Geometry for Multiband Applications.
International Journal of Information and Electronics Engineering, vol. 3, nº 6,
pp. 618-621, 2013b. https://doi.org/10.7763/IJIEE.2013.V3.390

CHRYSSOMALIS, M. Smart Antennas. IEEE Antennas Propagation Magazine, vol.

42, no. 3, pp. 129-136, 2000. https://doi.org/10.1109/74.848965

CHU, L. J. Physical Limitations of Omnidirectional Antennas. J. Appl. Phys., Vol. 19,

pp. 1163-1175, 1948. https://doi.org/10.1063/1.1715038

COHEN, N. Fractal Antennas, Part 1 – Introduction and the Fractal Quad.

Communications Quarterly, vol.5, no.3, August 1995. https://doi.org/10.1007/978-1-
4612-2472-3_1

COLLIN, R. E.; ROTHSCHILD, S. Evaluation of Antenna Q. IEEE Transactions on

AP, vol. 44, pp. 23-27, 1964. https://doi.org/10.1109/TAP.1964.1138151

COLLIN, R. E.; ZUCKER, F. J. Antenna Theory, Part 1. New York: McGraw-Hill,

1969.

COSTA, K. Q. da; DMITRIEV, V. A. Cálculo do Fator Q de Combinações de Dipolos

Elétricos e Magnéticos Infinitesimais com Diferentes Amplitudes, Fases e
Orientações. XXV Simpósio Brasileiro de Telecomunicações. Recife, PE, 2007.
https://doi.org/10.14209/sbrt.2007.31337

DALIRI, A.; GALEHDAR, A.; ROWE, W. S. T.; JOHN, S.; WANG, C. H.; GHORBANI,
K. Quality Factor Effect on the Wireless Range of Microstrip Patch Antenna Strain
Sensors. Sensors, vol. 14; doi: 10.3390/s140100595, pp. 595-605, 2014.
https://doi.org/10.3390/s140100595

232
DIRAC, Paul. Quantised Singularities in the Electromagnetic Field. Proc. Roy. Soc.
(London) A 133, 60, 1931. https://doi.org/10.1098/rspa.1931.0130

DYSON, J. D. A Survey of the Very Wide Band and Frequency Independent

Antennas – 1945 to the Present. Journal of Research of the National Bureau of
Standards – D. Radio Propagation, vol. 66D, nº 1, pp.1-6, 1962.
https://doi.org/10.6028/jres.066D.004

EDGAR, G. Measure, Topology, and Fractal Geometry. New York: Springer, 2.ed.,
2008. https://doi.org/10.1007/978-0-387-74749-1

EL-KHAMY, S. E.; ELTRASS, A. S.; EL-SAYED, H. F. Adaptive beamforming

synthesis for thinned fractal antenna arrays, 2017 XXXIInd General Assembly and
Scientific Symposium of the International Union of Radio Science (URSI
GASS), pp.1-4, 2017. https://doi.org/10.23919/URSIGASS.2017.8105131

EVES, H. Introdução à História da Matemática. Tradução de Hygino H.

Domingues. São Paulo: Unicamp, 2002.

FELBER, Philip. Fractal Antennas. Illinois Institute of Technology, December 12,

2000.

GHATAK, R.; KARMAKAR, A.; PODDAR, D. Evolutionary Optimization of Haferman

Carpet Fractal Patterned Antenna Array. International Journal of RF and
Microwave Computer-Aided Engineering. Vol. 25, No. 8, pp.719-729, 2015.
https://doi.org/10.1002/mmce.20911

GIANVITTORIO, John P.; RAHMAT-SAMII, Yahya. Fractal Antennas: A Novel

Antenna Miniaturization Technique, and Applications. IEEE Antennas Propagation
Magazine, Vol. 44, nº 1, p. 20-36, February 2002. https://doi.org/10.1109/74.997888

GODARA, L., Smart Antennas, CRC Press, Boca Raton, FL, 2004.

233
GRIMES, D. M.; GRIMES, C. A. Minimum Q of Electrically Small Antennas: A Critical
Review. Microwave and Optical Technology Letters, 28, John Wiley & Sons, pp.
172-177, 2001. https://doi.org/10.1002/1098-2760(20010205)28:3<172::AID-MOP7>3.0.CO;2-C

GROSS, F. Smart Antennas for Wireless Communications. New York: McGraw-

Hill Companies, 2.ed., 2015.

GSCHWENDTNER, E.; WIESBECK, W. Frequency-Independent Antenna Concepts

for the Use in Vehicles. 10th International Crimean Conference “Microwave &
Telecommunication Technology. Sevastopol, Ukraine, ISBN: 966-572-048-1, pp.
39-42, 2000.

GUSTAFSSON, Mats. Broadband Array Antennas Using a Self-complementary

Antenna Array and Dielectric Slabs. Department of Electroscience,
Electromagnetic Theory, Lund Institute of Technology. Sweden. LUTEDX, TEAT-
7129, pp.1-8. 2004.

HALLIDAY, D.; RESNICK, R.; KRANE, K. S. Physics. 4th ed. New York: John Wiley
& Sons, Inc. Vol.4, 1992.

HAYT Jr., W. H. & BUCK, J. A. Eletromagnetismo. Tradução de Amilton Soares

Júnior. Porto Alegre: AMGH, 7.ed., 2010.

HAMDOUNI, A. El; ZBITOU, J.; TAJMOUATI, A.; ABDELLAOUI, L. El; ERRKIK, A.;
TRIBAK, A; LATRACH, M. A Novel Design of a CPW-Fed Printed Fractal Antenna for
UWB Applications. Third International Workshop on RFID And Adaptive Wireless
Sensor Networks (RAWSN). Agadir, Morocco, 13-15, May, 2015.

HANSEN, R. C. Electrically Small, Superdirective, and Superconducting

Antennas. New Jersey: John Wiley & Sons, Inc., 2006.
https://doi.org/10.1002/0470041048

234
HANSEN, R. C. Fundamental Limitations in Antennas. Proc. IEEE, Vol. 69, nº 2,
February 1981. https://doi.org/10.1109/PROC.1981.11950

HARRINGTON, R. F. Effect of Antenna Size on Gain, Bandwidth, and Efficiency. J.

Res. Nat. Bur. Stand.-D, Radio Propagat., Vol. 64D, pp. 1-12, Jan-Feb, 1960.
https://doi.org/10.6028/jres.064D.003

HASSLER, U. Stochastic Processes and Calculus – An Elementary Introduction with

Applications. Switzerland: Springer International Publishing, 2016.

HAYKIN, S.; LIU, K. J. R. Handbook on Array Processing and Sensor Networks.

New Jersey: John Wiley & Sons, 2009. https://doi.org/10.1002/9780470487068

HILBERT, D. Foundations of Geometry. Translated by Leo Unger. La Salle: Illinois.

Open Court, 2 ed. 1971.

HOHLFELD, Robert G.; COHEN, Nathan. Self-Similarity and the Geometric

Requirements for Frequency Independence in Antenna. In: Fractals, vol. 7, nº 1.
Singapura: World Scientific Publishing Company, p.79-84, 1999.
https://doi.org/10.1142/S0218348X99000098

HONG, Tian. Design of an Adaptive Sidelobe Cancellation Algorithm for Radar. J.

Phys.: Conf. Ser. 1754 012217. 2021. https://doi.org/10.1088/1742-6596/1754/1/012217

HOWELLS, P. W. Intermediate Frequency Sidelobe Canceller. U. S. Patent

3202990, Aug. 24, 1965.

HUREWICZ, W.; WALLMAN, H. Dimension Theory (PMS – 4). New Jersey:

Princeton University Press. Princeton Mathematical Series, 63. Reprint edition, 2015.

IQBAL, M. N.; RAHMAN, H.-Ur; JILANI, S. F. An Ultrawideband Monopole Fractal

Antenna with Coplanar Waveguide Feed. International Journal of Antennas and

235
Propagation. Hindawi Publishing Corporation. Vol. 2014, March 2014.
https://doi.org/10.1155/2014/510913

IVANOV, P. C.; AMARAL, L. A. N.; GOLDBERGER, A.; HAVLIN, S.; ROSENBLUM,

M. B.; STRUZIK, Z.; STANLEY, H. E. Multifractality in Human Heartbeat Dynamics.
Nature, nº399, 1999. https://doi.org/10.1038/20924

JAUBERT, L. D. C.; MOESSNER, R. Multiferroicity in spin ice: Towards magnetic

crystallography of Tb2Ti2O7 in a field. Physical Review B, 91, 2015. DOI:
10.1103/PhysRevB.91.214422. https://doi.org/10.1103/PhysRevB.91.214422

JOHNSON, D. H.; DUDGEON, D. Array Signal Processing, Concepts and

Techniques. New Jersey: Prentice Hall, 1993.

KADHIM, M. A. Increase the Efficiency of Smart Antennas by Using Fractals.

International Conference on Electrical and Electronics Engineering, pp. 203-
206, 2018. https://doi.org/10.1109/ICEEE2.2018.8391330

KAMEN, E. W.; SU, J. K. Introduction to Optimal Estimation. London: Springer-

Verlag, 1999. https://doi.org/10.1007/978-1-4471-0417-9

KANDOIAN, A. G., Three New Antenna Types and Their Applications, Proc. IRE, 35,
pp. 70w- 75w, Feb. 1946.

KAUR, A.; SINGH, G. A Review Paper on Fractal Antenna Engineering.

International Journal of Advanced Research in Electrical, Electronics and
Instrumentation Engineering. Tamilnadu, India, Vol. 3, Issue 6, p. 9983-9989,
2014.

KAUR, P.; DE, A.; AGGARWAL, S. K. Design of a Novel Reconfigurable Fractal

Antenna for Multi-Band Application. International Journal of Advanced Science
and Technology. Vol. 62, p. 103-112, 2014. https://doi.org/10.14257/ijast.2014.62.08

236
KAUR, S.; RAJNI; MARWAHA, A. Fractal Antennas: A Novel Miniaturization
Technique for Next Generation Networks. International Journal of Engineering
Trends and Technology (IJETT). Vol. 9, nº 15, 2014.
https://doi.org/10.14445/22315381/IJETT-V9P341

KAVITHA, S.; CHAITANYA, S. P. K. Design of Linear and Planar Fractal Arrays. Int.
Journal of Engineering Research and Applications. ISSN: 2248-9622, Vol. 3,
Issue 5, pp.1162-1168, 2013.

KEIZER, W. P. M. N. Linear array thinning using iterative FFT techniques. IEEE

Transactions on Antennas and Propagation, vol.56, no.8, pp.2757-2760, 2008.
https://doi.org/10.1109/TAP.2008.927580

KHAMY, S. E. E; ELTRASS, A. S.; SAYED, H. F. E. Design of Thinned Fractal

Antenna Arrays for Adaptive Beam Forming and Sidelobe Reduction. IET
Microwaves, Antennas & Propagation, vol.12, no3, pp.435-441, 2017.
https://doi.org/10.1049/iet-map.2017.0464

KIM, Dong-Jun; CHOI, Jun-Ho; KIM, Young-Sik. CPW-Fed Ultrawideband Flower-

Shaped Circular Fractal Antenna. Microwave and Optical Technology Letters. Vol.
55, nº 8, August 2013. https://doi.org/10.1002/mop.27678

KIM, Y.; JAGGARD, D. L. The Fractal Random Array, Proc. IEEE, Vol. 74, No. 9, pp
1278-1280, 1986. https://doi.org/10.1109/PROC.1986.13617

KOMJANI, N.; MOHAMMADKHANI, R. Modification in Sidelobe Canceller System in

Planar Arrays. IJE Transactions A, vol. 19, no. 1, pp. 13-20, 2006.

KOVALYOV, I. P. SDMA for Multipath Wireless Channels. Heidelberg: Springer-

Verlag Berlin, 2004. https://doi.org/10.1007/978-3-642-18863-3

KRAUS, J. D. Antennas. 2. ed. New York: McGraw-Hill, 1988.

237
KRIM, H.; VIBERG, M. Two decades of array signal processing, IEEE Signal
Processes Magazine, vol. 4, pp. 67–94, 1996. https://doi.org/10.1109/79.526899

KRISHNA, D. D.; GOPIKRISHNA, M.; AANANDAN, C. K. Compact Wideband Koch

Fractal Printed Slot Antenna. IET Microwave Antennas Propagation, vol. 3, Iss. 5,
pp. 782-789, 2009. https://doi.org/10.1049/iet-map.2008.0210

LAKHTAKIA, A.; HOLTER, N.; VARADAN, V. K.; VARADAN, V. V. Self-Similarity in

Diffraction by a Self-Similar Fractal Screen. IEEE Transactions on Antennas and
Propagation, vol.35, no.236, 1987a. https://doi.org/10.1109/TAP.1987.1144058

LAKHTAKIA, A.; VARADAN, V. K.; VARADAN, V. V. Time-Harmonic and Time-

Dependent Radiation by Bifractal Dipole Arrays. Int. J. Electronics, vol.63, no.6, p.
819-824, 1987b. https://doi.org/10.1080/00207218708939187

LANDSTORFER, I. F.; SACHER, R. Optimization of Wire Antennas. New York:

John Wiley, 1985.

LATHI, B. P. Modern Digital and Analog Communication Systems. New York,

Oxford University Press, 3rd ed., 1998.

LEON-GARCIA, A. Probability, Statistics, and Random Processes for Electrical

Engineering. New Jersey: Prentice Hall, 3.ed., 2008.

LIBERTI, J.; RAPPAPORT, T. Smart Antennas for Wireless Communications.

New York: Prentice Hall, 1999.

LI, W.; HEI, Y.; YANG, J.; SHI, X. Fractal-Based Thinned Planar-Array Design
Utilizing Iterative FFT Technique. International Journal of Antennas and
Propagation. Hindawi Publishing Corporation. Vol.12, 2012.
https://doi.org/10.1155/2012/329648

238
LONG, M.; PENG, F. A Box-Counting Method with Adaptable Box Height for
Measuring the Fractal Feature of Images. Radioengineering, vol. 22, nº1, pp. 208-
213, 2013.

LORENZ, E. N. Predictability. American Association for the Advanced of

Science, 139th, 1972.

MADENCI, E.; GUVEN, I. The. Finite Element Method and Applications in

Engineering Using ANSYS®. 2ed. New York: Springer, 2015.
https://doi.org/10.1007/978-1-4899-7550-8

MANDELBROT, Benoit B. The Fractal Geometry of Nature. 3ª ed. New York: W. H.

Freeman, 1983. https://doi.org/10.1119/1.13295

MCLEAN, J. S. A Re-examination of the Fundamental Limits on the Radiation Q of

Electrically Small Antennas. IEEE Trans. Antennas Propagat., Vol. 44, No. 5, pp.
672-676, May 1996. https://doi.org/10.1109/8.496253

MIRANDA, A. J. Fractais: Conjuntos de Julia e Conjuntos de Mandelbrot. Sigmae,

vol.1, nº1, p. 110-117, 2012.

MIANO, G.; MAFFUCCI, A. Transmission Lines and Lumped Circuits. Orlando:

Academic Press, 2001. https://doi.org/10.1016/B978-012189710-9/50009-7

MISHRA, R. K.; GHATAK, R.; PODDAR, D. R. Design Formula for Sierpinski Gasket
Pre-Fractal Planar-Monopole Antennas. IEEE Antennas and Propagation
Magazine, Vol. 50, nº 3, pp.104-107, June 2008.
https://doi.org/10.1109/MAP.2008.4563575

MONDAL, T.; ROY, T.; GHATAK, R.; CHAUDHURI, S. B. Novel Adaptive Blind Spot
Detector Using Square Modified Cantor Fractal Microstrip Antenna Array. Microwave
and Optical Technology Letters. Vol. 57, nº5, pp. 1067-1072, 2015.
https://doi.org/10.1002/mop.29021

239
MONTI, G.; CATARINUCCI, L.; TARRICONE, L. Compact Microstrip Antenna for
RFID Applications. Progress in Electromagnetics Research Letters, vol. 8,
pp.191-199, 2009. https://doi.org/10.2528/PIERL09042803

MUSHIAKE,Y. Self-Complementary Antennas. IEEE Ant. Prop. Mag. Vol. 34, pp.
23-29 ,1992. https://doi.org/10.1109/74.180638

OLIVEIRA, E. E.; MARTINS, R. A.; D’ASSUNÇÃO, A. G.; OLIVEIRA, J. B. L.

Antenas de Microfita Utilizando a Curva de Fractal de Minkowski. V CONNEPI -
Congresso Norte-Nordeste de Pesquisa e Inovação. Maceió, Alagoas. Nov. 2010.

ORAZI, H.; SOLEIMANI, H. Miniaturization of the Triangular Patch Antenna by the

Novel Dual-Reverse-Arrow Fractal. IET Microwaves, Antennas & Propagation, p.
1-7, 2014. https://doi.org/10.1049/iet-map.2014.0462

OTTERSTEN, B.; VIBERG, M.; STOICA, P.; NEHORAI, A. Exact and large sample
ML techniques for parameter estimation from sensor array data. Radar Array
Processing, Springer-Verlag, pp. 99–151, 1993. https://doi.org/10.1007/978-3-642-
77347-1_4

PAPOULIS, A. Probability, Random Variables and Stochastic Processes. 2.ed.,

New York: McGraw-Hill, 1984.

PATIL, S.; ROHOKALE, V. Multiband Smart Fractal Antenna Design for Converged
5G Wireless Networks. International Conference on Pervasive Computing, pp.1-
5, 2015. https://doi.org/10.1109/PERVASIVE.2015.7087020

PISARENKO, V. F. The retrieval of harmonics from a covariance function,

Geophysics. J. R. Astron. Society., vol.33, pp. 347–366, 1973.
https://doi.org/10.1111/j.1365-246X.1973.tb03424.x

240
PETKO, J. S.; WERNER, D. H. The Autopolyploidy Enhanced Evolution of Largue-N
Fractal-Random Arrays. IEEE International Radar Conference, pp. 922-926,
2005a.

PETKO, J. S.; WERNER, D. H. The Evolution of Optimal Linear Polyfractal Arrays

Using Genetic Algorithms. IEEE Transactions on Antennas and Propagation, vol.
53, nº 11, pp. 3604-3615, 2005b. https://doi.org/10.1109/TAP.2005.858582

RAHAMAN, D. M. M.; HOSSAIN, M. M.; RANA,M. M. Least Mean Square (LMS) for
Smart Antenna. Universal Journal of Communications and Network, vol.1, no.1,
pp. 16-21, 2013. https://doi.org/10.13189/ujcn.2013.010103

RAPPAPORT, T. S. Smart antennas: Adaptive arrays, algorithms & wireless

position locations, Selected Readings, IEEE, NJ, 1998.

REHA, A.; AMRI, A. EL; BENHMAMMOUCH, O.; SAID, A. O. Fractal Antennas: A

Novel Miniaturization Technique for Wireless Networks. Transactions on Networks
and Communications. United Kingdom: Society for Science and Education. Vol. 2,
Issue 5, ISSN: 2054-7420, pp.165-193, 2014. https://doi.org/10.14738/tnc.25.566

REIS, A. N.; MOMBACH, J. C. M.; WALTER, M. Simulação de Crescimento Tumoral:

Investigação da Hipótese de Adesão Celular Diminuída e sua Implicação na
Invasividade Maligna. Scientia (Unisinos), vol. 10, São Leopoldo, p. 135-146, 1999.

RENGASAMY, D.; DHANASEKARAN, D.; CHAKRABORTY, C.; PONNAN, S.

Modified Minkowski Fractal Multiband Antenna with Circular-Shaped Split-Ring
Resonator for Wireless Applications. Measurement, vol.182, pp.1-9, 2021.
https://doi.org/10.1016/j.measurement.2021.109766

RIBEIRO, D. L. Utilização de antena fractal de microfita em projetos de

estruturas eletricamente pequenas e independentes da frequência. 2016
(Mestrado) – Faculdade de Engenharia Elétrica. Universidade Federal de
Uberlândia, Uberlândia, Minas Gerais, 2016.

241
Disponível em: https://repositorio.ufu.br/handle/123456789/17937?locale=pt_BR

RIBEIRO, D. L.; CARRIJO, G. A. Projeto de uma Nova Antena Fractal de Microfita

Operando em Multibanda. XV Conferência de Estudos em Engenharia Elétrica
(CEEL), vol.15, 2017.

RIBEIRO, D. L., CARRIJO, G. A. Smart Fractal Antennas in Transition Projects to

5G. IEEE Latin America Transactions, vol.20, no.12, pp.2463–2470, 2022.
https://doi.org/10.1109/TLA.2022.9905615

ROY, R. H.An Overview of smart antenna technology: The next wave in wireless
communications, IEEE Aerospace Conference, vol.3, p.339-345, 1998.

ROY, R., and KAILATH, T. ESPRIT—Estimation of Signal Parameters Via Rotational

Invariance Techniques, IEEE Transactions on ASSP, Vol. 37, No. 7, pp. 984–995,
July 1989. https://doi.org/10.1109/29.32276

RUMSEY, V. H. Frequency Independent Antennas. IRE National Convention

Record. pt. 1, pp. 114-118, 1957.

SADIKU, Matthew N. O. Elementos de Eletromagnetismo. Trad. De Liane Ludwig

Loder e Jorge Amoretti Lisboa. Porto Alegre: Bookman, 3.ed., 2004.

SARKAR, T.; WICKS, M.; SALAZAR-PALMA, M.; BONNEAU, R. Smart Antennas.

New Jersey: John Wiley & Sons, 2003. https://doi.org/10.1002/0471722839

SARTORI, J. C. Linhas de Transmissão e Carta de Smith: Projeto Assistido por

Computador. São Carlos: EESC/USP. 1999.

SAWANT, K. K.; KUMAR Sc ‘E’, Raj; GAIKWAD, Arun N. A Novel CPW-Fed Circular
Square-Corner Fractal Antenna with Varying Notch-Band for UWB Aplications.
International Conference on Communication, Information & Computing

242
Technology (ICCICT), Mumbai, India, Oct. 19-20, 2012.
https://doi.org/10.1109/ICCICT.2012.6398126

SAXENA, P. & KOTHARI, A. G., Performance analysis of adaptive beamforming

algorithms for smart antennas, IERI Procedia 10, pp.131-137, 2014. doi:
10.1016/j.ieri.2014.09.101. https://doi.org/10.1016/j.ieri.2014.09.101

SCHELKUNOFF, S. A. Advanced Antenna Theory. Princeton: Van Nostrand

Company, Inc, NJ, 1952.

SCHELKUNOFF, S. A. A Mathematical Theory of Linear Arrays. Bell Systems Tech.

J., vol.22, pp.80-107, 1943. https://doi.org/10.1002/j.1538-7305.1943.tb01306.x

SCHELKUNOFF, S. A. Some Equivalence Theorems of Electromagnetics and Their

Application to Radiation Problems. Bell System Technical Journal, 15, pp. 92-112,
1936. https://doi.org/10.1002/j.1538-7305.1936.tb00720.x

SCHELKUNOFF, S. A. Ultra Short Wave Radio System. U.S. Patent 2, 235, 506
(March 18, 1941).

SILVA, M. M.; SOUZA, W. A. Dimensão Fractal. Revista Eletrônica de Matemática,

nº2. ISSN 2177-5095, 2010.

SHAN, T-J., WAX, M. & KAILATH, T. Spatial Smoothing for Direction-of-Arrival

Estimation of Coherent Signals, IEEE Transactions on Acoustics, Speech, and
Signal Processing, Vol. ASSP-33, No. 4, pp. 806–811, Aug. 1985.
https://doi.org/10.1109/TASSP.1985.1164649

SHAPIRO, S. The Oxford Handbook of Philosophy of Mathematics and Logic.

New York: Oxford University Press, 2005. https://doi.org/10.1093/0195148770.001.0001

243
SINGH, K.; GREWAL, V.; SAXENA, R. Fractal Antennas: A Novel Miniaturization
Technique for Wireless Communications. International Journal of Recent Trends
in Engineering, Vol 2, nº 5, pp.172-176, November 2009.

SPRINGER, P. S. End-Loaded and Expanding Helices as Broadband Circularly

Polarized Radiators. Proceedings National Electronics Conference, vol. 5, 1949.

STEINBRUCH, A; WINTERLE, P. Álgebra Linear. São Paulo: Pearson Education do

Brasil, 2.ed., 1987.

STEYSKAL, H., Digital Beamforming Antennas - An Introduction, Microwave

Journal, pp. 107–124, January 1987.

STOICA, P.; MOSES, R. Spectral Analysis of Signals. New Jersey: Pearson

Prentice Hall, 2005.

STOICA, P.; SELÉN, Y. Model order selection, IEEE Signal Processing. Magazine,
vol.21, no.4,pp. 36–47, 2004. https://doi.org/10.1109/MSP.2004.1311138

STUTZMAN, Warren L.; THIELE, Gary A. Antenna Theory and Design. New York:
John Wiley & Sons, 1981.

TENT, M. B. W. The Prince of Mathematics – Carl Friedrich Gauss. Wellesley: A

K Peters/ CRC Press. 2006.

THOMSON, D. J. Spectrum estimation and harmonic analysis, Proc. IEEE, vol. 72,
no. 9, pp. 1055–1096, 1982. https://doi.org/10.1109/PROC.1982.12433

TIZYI, H.; RIOUCH, F.; TRIBAK, A.; NAJID, A.; MEDIAVILLA, A. CPW and Microstrip
Line-Fed Compact Fractal Antenna for UWB-RFID Applications. Progress In
Electromagnetics Research C, Vol. 65, 201-209, 2016.
https://doi.org/10.2528/PIERC16041110

244
TRINH-VAN, S.; KIM, H. B.; KWON, G.; HWANG, K. C. Circularly Polarized Spidron
Fractal Slot Antenna Arrays for Broadband Satellite Communications in KU-Band.
Progress in Electromagnetics Research, Vol. 137, 203-218, 2013.
https://doi.org/10.2528/PIER13010401

TURNER, E. M., Spiral slot antenna. Wright Air Development Center, Dayton,
Ohio, Tech. Note WCLR- 55- 8, June 1955.

VARNIKHA, N.; JOTHILAKSHMI, P. Design of Decagonal Wideband Fractal

Antenna. IEEE 6th International Conference on Smart Structures and Systems.
pp. 1-4, 2019. https://doi.org/10.1109/ICSSS.2019.8882855

VENKATRAO, K.; PRIYA, S. H.; RAGHAVENDRA, R.; KIRAN, M. N. S.; SUMANTH,

D. Multi Band Minkowski Fractal Antenna for 5G Applications. International Journal
of Recent Technology and Engineering, vol.8, no.6, pp.3525-3530, 2020.
https://doi.org/10.35940/ijrte.F8605.038620

VISSER, H. J. Array and Phased Array Antenna Basics. West Sussex: John Wiley
& Sons Ltd, 2005. https://doi.org/10.1002/0470871199

WANG, J. J. H. Theory of Frequency-Independent Antennas as Traveling-Wave

Antennas and Their Asymptotic Solution by Method of Stationary Phase.
Proceedings of ISAP. ISBN: 89-86522-78-0, Seoul, Korea, pp. 379-382., 2005.

WERNER, D. H.; ANUSHKO, K. C.; WERNER, P. L. The Generation of Sum and

Difference Patterns Using Fractal Subarrays. Microwave and Optical Technology
Letters, vol. 22, nº1, pp. 54-57, 1999a. https://doi.org/10.1002/(SICI)1098-
2760(19990705)22:1<54::AID-MOP14>3.0.CO;2-B

WERNER, D. H.; GANGULY, S. An Overview of Fractal Antenna Engineering

Research. IEEE Antennas and Propagation Magazine. Vol. 45, nº 1, p.38-57, Feb.
2003. https://doi.org/10.1109/MAP.2003.1189650

245
WERNER, D. H.; HAUPT, R.L.; WERNER, P. L. Fractal Antenna Engineering: The
Theory and Design of Fractal Antenna Arrays. IEEE Antennas and Propagation
Magazine. Vol. 41, nº 5, p. 37-59, October 1999b. https://doi.org/10.1109/74.801513

WERNER, D.; HAUPT, R. L. Fractal Constructions of Linear and Planar Arrays.

Antennas and Propagation Society International Symposium, vol. 3, pp. 1968-
1971, July 1997.

WHEELER, H. A. Fundamental Limitations of Small Antennas. Proc. IRE, p. 1479-

1488, December 1947. https://doi.org/10.1109/JRPROC.1947.226199

YANG, X.; CHIOCHETTI, J.; PAPADOPOULOS, D.; SUSMAN, L. Fractal Antenna

Elements and Arrays. Applied Microwave & Wireless. Vol. 5, no. 11, pp. 34-46,
1999.

YAZGAN, A.; KAYA, H.; CAVDAR, I. H. Optically Reconfigurable Sierpinski Fractal

Antennas for RoF Based Communication Systems. Telecommunication Systems.
DOI 10.1007/s11235-014-9905-4, pp. 453-461, 2015. https://doi.org/10.1007/s11235-
014-9905-4

YOGAMATHI, R.; BANU, S.; VISHWAPRIYA, A. Design of Fractal Antenna for

Multiband Applications. Fourth International Conference on Computing,
Communications and Networking Technologies (ICCCNT). Tiruchengode, India,
IEEE – 31661, July 4-6, 2013. https://doi.org/10.1109/ICCCNT.2013.6726787

ZHU, J.; HOORFAR, A.; ENGHETA, N. Peano Antennas. IEEE Antenas and
Wireless Propagation Letters, vol. 3, pp. 71-74, 2004.
https://doi.org/10.1109/LAWP.2004.827899

246