Algoritmos de aprendizaje estadístico aplicados a la radiolocalización en interiores

• Autores: Carlos Figuera Pozuelo
• Directores de la Tesis: Francisco Javier Ramos López (dir. tes.), José Luis Rojo Alvarez (dir. tes.)
• Lectura: En la Universidad Rey Juan Carlos ( España ) en 2009
• Idioma: español
• Tribunal Calificador de la Tesis: Antonio José Caamaño Fernández (presid.), Mark Richard Wilby (secret.), Jordi Muñoz Marí (voc.), José Ramón Casar Corredera (voc.), Manuel Martínez Ramón (voc.)
• Materias:
  • Ciencias tecnológicas
    • Tecnología de las telecomunicaciones
• Enlaces
  • Tesis en acceso abierto en: hdl.handle.net
• Resumen

  • RESUMEN: En los últimos años, los avances en la tecnología de computación ubicua han dado lugar a numerosas aplicaciones informáticas móviles, en las que la posición del usuario es una información relevante que permite ofrecer servicios dependientes del contexto. Cuando estos servicios se desarrollan en el interior de un edificio, estimar dicha posición se torna un problema complejo. Para resolverlo, los sistemas de radiolocalización en interiores (SRLI) utilizan información extraída del campo electromagnético propagado entre el terminal del usuario y una infraestructura de comunicaciones. La utilización de la potencia de señal recibida (RSS) por los dispositivos de las redes WiFi existentes en multitud de edificios, proporciona una alta precisión con un coste bajo en el despliegue del sistema. El objetivo principal de esta Tesis es estudiar de forma integrada los elementos que conforman un SRLI basado en tecnología WiFi, proponiendo soluciones novedosas en tres aspectos clave. En primer lugar, la revisión de la literatura existente revela una carencia de metodología para evaluar y comparar diferentes SRLI. Por ello, se desarrolla una técnica de evaluación y comparación de sistemas basada en cuatro indicadores de calidad. Además, se desarrolla una metodología para el cálculo de estos indicadores, basada en técnicas no paramétricas de estimación estadística de tipo bootstrap, y un test comparativo que permite distinguir dos sistemas en términos de cualquier indicador. En segundo lugar, se realiza un estudio del procedimiento de medida de la RSS. En concreto, se estudian los parámetros de dicho procedimiento, como el número de muestras por posición o la densidad de localizaciones que son necesarios para caracterizar la RSS. Por otro lado, cuando en un mismo SRLI esta magnitud es registrada por dispositivos heterogéneos, se observa que las prestaciones del sistema disminuyen drásticamente. Por ello, se proponen algoritmos de calibración de dispositivos basados en técnicas de aprendizaje estadístico para solventar el problema. En tercer lugar, se aborda el estudio del problema de localización como un problema de interpolación no uniforme. Bajo este enfoque, se estudian las máquinas de vectores soporte como herramienta eficaz para resolver el problema en cuestión, debido a su capacidad de incorporar información a priori y a sus propiedades de generalización. Específicamente, se proponen algoritmos que utilizan como núcleo la autocorrelación de la señal y además proporcionan una salida compleja para modelar las dos dimensiones de la posición, obteniéndose unas altas prestaciones en términos de todos los indicadores de calidad.