Alvarez Bustos, AbelMavares, DimasPolanco Velasco, Jan2024-06-132024-06-132023https://vitela.javerianacali.edu.co/handle/11522/2425En los últimos años, las redes inalámbricas han experimentado un crecimiento exponencial debido al aumento de investigaciones y nuevas tecnologías tanto en hardware como en software. Esto hace que sea cada vez más fácil adquirir dispositivos que se conecten instantáneamente a la red. Sin embargo, este aumento de dispositivos plantea varios problemas y desafíos para la red, como la cobertura limitada o inexistente en áreas rurales o remotas, interferencia en la señal debido a la interferencia electromagnética o a entornos urbanos densamente poblados, privacidad de los datos transmitidos y mala calidad del servicio ofrecido por los operadores móviles. Para abordar estos problemas, la industria y la comunidad científica están investigando diversas técnicas, siendo el Beamforming la estrategia más adecuada en el contexto de la telefonía móvil de quinta y sexta generación. Este trabajo de grado realiza un análisis comparativo entre algoritmos clásicos de optimización, como el Conjugate Gradient Method (CGM), Stochastic Gradient Descent (SGD) y Nelder-Mead Search (NMS), y algoritmos metaheurísticos como Particle Swarm Optimization (PSO), Bat Algorithm (BA) y Cuckoo Search by Lévy Flights (CKLF). Para este análisis, se seleccionaron diferentes funciones de prueba en diferentes dimensiones y métricas. Se establecieron criterios de parada, máximo número de iteraciones y tasa de éxito. Además, se analizó el orden de convergencia p a través del análisis de la serie de tiempo del error Root Mean Squared Error. En el trabajo, se también consideró el modelo de Beamforming Adaptativo Ciego, donde lainformación de la orientación de las señales deseadas e interferentes no está disponible para el algoritmo. Se utilizó una antena con una geometría rectangular plana de 64 elementos radiantes y se implementaron las métricas como el ancho de banda de la potencia media en grados, la intensidad de radiación del lóbulo principal, la profundidad de los primeros nulos y el nivel de los lóbulos laterales todas estas en decibeles. Los resultados buscan mejorar la eficiencia espectral y la calidad del servicio.103 p.application/pdfspaBeamforming AdaptativoRedes inalámbricasProcesamiento de señalAlgoritmos de optimizaciónCGMSGDNMSPSOBACKLFFunciones de pruebaMétricasErroresCriterios de paradaNúmero máximo de iteracionesTasa de éxitoOrden de convergenciaSingular Spectrum Analysis (SSA)Wireless networksBeamformingOptimization algorithmsBlind Adaptive BeamformingRoot Mean Squared Error.http://purl.org/coar/resource_type/c_7a1fhttps://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2