Localización de blancos en redes de sensores inalámbricos mediante fusión lineal de estimadores

Abstract

Este proyecto va a abordar el estudio de redes de sensores inalámbricas, sus posibles aplicaciones en la vida cotidiana de las personas, así como de su fiabilidad a la hora de monitorizar tareas que hasta ahora siempre las ha realizado el ser humano. En el siglo XXI se está viviendo una revolución tecnológica, con crecimiento rápido y exponencial, cuyo camino evolutivo va en dirección a crear máquinas que nos ayuden a dejar de hacer ciertas tareas rutinarias de manera manual para sustituirlas por sistemas que automaticen el proceso. Se estudiará la inferencia estadística, que resulta imprescindible en las redes de sensores, y se evaluarán las distintas maneras que existe de combinar las estimaciones individuales de cada sensor en un centro de fusión que realiza una estimación global, indicando si hay o no blanco. Se comentará la eficacia de cada método, así como las ventajas e inconvenientes de cada uno. Para realizar tales estudios, el análisis estadístico lo basaremos sobre lógica Bayesiana, por la que dado unas observaciones se puede calcular la probabilidad de que un suceso ocurra o una hipótesis sea verdadera. El marco tecnológico en el que se encuentra el proyecto está directamente relacionado con el concepto big data. Este concepto se ha desarrollado en su mayoría en la última década, siguiendo la línea de aumento de la capacidad de cómputo de ordenadores y servidores. El mundo digital lleva pocos años entre la sociedad y se ha podido observar que con el avance de los años cada vez se realizan más acciones a través de la red. Poco a poco se normaliza el uso de sistemas digitales en muchos ámbitos de la vida cotidiana de las personas, lo que implica que cada vez se genere más tráfico en la red. Este tráfico puede ser estudiado a lo largo del tiempo, de modo que se obtengan tendencias de uso de estos servicios digitales por parte de los usuarios y así crear perfiles de sujetos para orientar mejor el servicio a los usuarios. El estudio de las redes de sensores mediante el método Bayesiano se apoya directamente en la tecnología big data para poder realizar estimaciones en tiempo real. Gracias a la capacidad de los sistemas big data se procesarán las observaciones que se obtengan de la red de sensores y se tratará de estimar la posición de un blanco mediante métodos distribuidos de Monte Carlo basados en cadenas de Markov (MCMC). Abstract: This project will address the study of wireless sensor networks, their possible applications in people’s daily lives, as well as their reliability when it comes to monitoring tasks that have always been carried out by human beings. In the 21st century a technological revolution is under way, with rapid and exponential growth, whose evolutionary path goes in the direction of creating machines that help us to stop doing certain routine tasks in a manual way to replace them with systems that automate the process. We will study the statistical inference, which is essential in sensor networks, and evaluate the different ways in which the individual estimates of each sensor are combined in a fusion center in order to obtain a global estimate, indicating whether or not there is a target. The effectiveness of each method will be discussed, as well as the advantages and disadvantages of each one. In order to carry out such studies, we will base the statistical analysis on Bayesian logic, by which, given some observations, we can calculate the probability that an event will occur or a hypothesis will be true. The technological framework in which the project is located is directly related to the big data concept. This concept has been developed mostly in the last decade, following the line of increased computing capacity of computers and servers. The digital world has been part of our society only for a few years and it has been observed that with the advance of the years more and more actions are being carried out through the network. Little by little, the use of digital systems in many areas of people’s daily lives is normalized, which means that more and more traffic is generated on the network. This traffic can be studied over time, so as to obtain trends in the use of these digital services by users and thus create subject profiles to better guide the service to users. The study of sensor networks using the Bayesian method relies directly on big data technology to obtain real-time estimates. Thanks to the capacity of the big datasystems, the observations obtained from the sensor network will be processed and an attempt will be made to estimate the position of a target using distributed Markov Chain Monte Carlo (MCMC) methods.