Show simple item record

Self-Organization and Data Compression in Wireless Sensor Networks of Extreme Scales: Application to Environmental Monitoring, Climatology and Bioengineering

dc.contributor.authorChidean, Mihaela Ioana
dc.date.accessioned2016-09-15T13:32:44Z
dc.date.available2016-09-15T13:32:44Z
dc.date.issued2016
dc.identifier.urihttp://hdl.handle.net/10115/14045
dc.descriptionTesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2016. Director de la Tesis: Antonio J. Caamaño Fernández. Co-Director: Francisco Javier Ramos Lópezes
dc.description.abstractLas redes de sensores inalámbricos (WSNs, Wireless Sensor Networks) tienen como objetivo la correcta recopilación y representación de una o múltiples variables físicas del medio ambiente, midiendo los sensores y transmitiendo de forma inalámbrica de los paquetes de datos a un centro de fusión de datos (DFC, Data Fusion Center). Por norma general, no existe un conjunto exhaustivo de requisitos comunes para todas las WSNs, ya que éstos dependen de la aplicación final. Además, debido a las caracterísitcas específicas de los nodos o a las restricciones en el consumo energético, varias disyuntivas se han de considerar durante el diseño, y en particular, el precio de los nodos sensores es un factor determinante. La distinción entre WSNs de pequeña y gran escala no solo se refiere a la cantidad de nodos sensores, sino que también establece los principales retos de diseño para cada caso. Por ejemplo, la organización de los nodos es un tema clave en las WSNs de gran escala, donde muchos nodos de bajo coste tienen que trabajar adecuadamente de forma coordinada. En cuanto a la cantidad de datos y de la precisión requerida, también existe una diferencia significativa entre las redes de pequeña y de gran escala, y diferentes técnicas de procesado de datos dentro de la red son necesarias, bien sea para proteger la calidad de los datos o para comprimirlos con el fin de transmitir menos bytes. Por último, las fuentes de alimentación, que suelen ser irreemplazables en WSNs de gran escala, causan inconvenientes en el consumo energético y la eficiencia energética se convierte en un requisito de diseño relevante. El objetivo principal de esta tesis es el desarrollo de algoritmos distribuidos de procesado da datos para WSNs de escalas extremas, para la organización de los nodos y la recopilación correcta de los datos. En este trabajo, la expresión escalas extremas se emplea para denominar tanto la pequeña y como la gran escala, desde el punto de vista del tamaño de la red. Para lograr este objetivo, se tienen en cuenta las necesidades y los retos de diseño de cada caso. Las áreas de aplicación consideradas son la monitorización del medio, la climatología y la bioingeniería, campos de relevancia actual y con alto impacto económico y social. Debido a la naturaleza de las diferentes WSNs y de las aplicaciones seleccionadas, se establecen los siguientes objetivos específicos. El primer objetivo específico comprende el desarrollo de un algoritmo de clustering auto-organizado, llamado Second-Order Data-Coupled Clustering (SODCC). Este algoritmo utiliza los datos medidos por los nodos para la partición de la red, de tal manera que la matriz de autocorrelación de cada cluster es invertible. Con esta configuración, el algoritmo de procesado de datos dentro de la red implementado se encuentra con las condiciones óptimas para comprimir datos. La evaluación experimental de SODCC utiliza datos reales de temperatura del aire recogidos por una WSN de gran escala y confirma la relación de ley de potencias esperada para la distribución estadística del tamaño de los clusteres. Además, la combinación de SODCC con el algoritmo de procesado de datos dentro de la red Compressive-Projections Principal Component Analysis (CPPCA) logra un perfecto equilibrio entre la calidad de los datos reconstruidos en el DFC y la energía consumida por el proceso de recopilación de datos. Este objetivo está relacionado con la aplicación de monitorización del medio. El segundo objetivo específico se refiere a la aplicación de climatología. Datos históricos de temperatura medidos por estaciones meteorológicas repartidas por Europa y Asia occidental son analizados con el algoritmo SODCC. La idea es identificar los diferentes tipos de correlación espacio-temporal de los datos existentes, en función de su extensión geográfica. Este análisis perimte detectar los cambios en la correlación de los datos a lo largo de las décadas y vincularlos con eventos climáticos conocidos. Este análisis permite identificar un cambio en la tendencia de la temperatura del aire para las estaciones de la Península Ibérica y del sur de Francia. Este cambio se puede asociar con un aumento del riesgo de extinción de especies de plantas, y apunta a una evidencia para un patrón de cambio climático. El tercer objetivo específico se centra en el análisis de la marcha humana dentro del campo de la bioingeniería, la primera aplicación de esta tesis para WSNs de pequeña escala. La principal contribución a este objetivo es el análisis de la variabilidad de la marcha humana y el desarrollo de un sistema de medidas de la marcha de forma ambulatoria. El potencial de este sistema se muestra mediante dos pruebas de concepto que incluyen experimentos de diversa duración temporal. El análisis realizado de la variabilidad de la señal sobre los datos de aceleración muestra que este sistema podría ser utilizado como sistema de apoyo al diagnóstico, ya que es posible analizar diferentes supuestos de la marcha, como la simetría. El cuarto y último objetivo específico de esta tesis se refiere a las WSNs de pequeña escala para la medida del electrocardiograma (ECG, Electrocardiogram). Esta aplicación de bioingeniería requiere una alta calidad de la señal, ya que las consecuencias de que un médico emita un posible diagnóstico incorrecto serían graves. Por tanto, las técnicas de Compressed Sensing (CS) y la transformada wavelet (WT, Wavelet Transform) se utilizan, con una configuración de parámetros adecuadas, para incrementar la calidad diagnóstica de los ECGs medidos. Los resultados muestran que las métricas de calidad basadas en parámetros estadísticos de tendencia central no son apropiados para evaluar este tipo de sistemas debido a su alta varianza, presente incluso entre sujetos sanos.es
dc.language.isoenges
dc.publisherUniversidad Rey Juan Carloses
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subjectTelecomunicacioneses
dc.titleSelf-Organization and Data Compression in Wireless Sensor Networks of Extreme Scales: Application to Environmental Monitoring, Climatology and Bioengineeringes
dc.typeinfo:eu-repo/semantics/doctoralThesises
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.subject.unesco3304.13 Dispositivos de Transmisión de Datoses


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 EspañaExcept where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España