Estimación recursiva de niveles RSS dinámicos mediante crowdsourcing y métodos kernel, en Python

Abstract

Es bien sabido que el conocimiento de las comunicaciones inalámbricas supone uno de los principales esfuerzos a lo largo de la carrera de un ingeniero en telecomunicaciones. Se trata de un campo tan usado en la actualidad pero a la vez tan cambiante que hace que todo ingeniero dedicado a esta especialidad se encuentre en continua formación. Hoy en día, y desde hace algunos años, se está explorando cada vez con una mayor frecuencia la introducción del aprendizaje máquina, mayormente conocido como machine learning (ML), en este importante campo dentro de las comunicaciones. Este proyecto evalúa la aplicación de cierto algoritmo de ML en un escenario concreto con el fin de estimar la señal recibida en distintos puntos de dicho escenario, a partir de la información proporcionada por sensores de bajo coste cuyas medidas tienen una precisión muy baja. Las características del escenario de aplicación del algoritmo así como el modelo de propagación de señal que permite calcular la intensidad de campo recibido en los puntos del espacio son dos de los aspectos más interesantes en este proyecto. Para finalizar el apartado teórico, se mostrará las implicaciones y las consideraciones principales que tiene el algoritmo de ML seleccionado en este escenario. Aparte del aspecto teórico, este trabajo incluye una gran aportación desde el punto de vista de la programa ción de las ecuaciones teóricas. Se trata de un capítulo muy importante ya que realiza una asociación entre las ecuaciones teóricas y el lenguaje de programación usado. Además, dentro de este apartado se potencia el uso de librerías ya realizadas previamente con el fin de facilitar la aplicación del algoritmo de ML usado en este escenario. Estas librerías son presentadas y analizadas a lo largo del mencionado capítulo. Por último, este trabajo muestra las prestaciones del algoritmo de ML implementado a partir del cálculo del error entre las estimaciones realizadas y los valores de campo teóricos. A lo largo de la memoria se incluyen los aspectos más interesantes de las simulaciones así como los resultados obtenidos con el fin de valorar la fiabilidad y eficacia del algoritmo en este escenario concreto.

I t is well known that knowledge of wireless communications is one of the main efforts throughout the career of a telecommunications engineer. It is a field that is not only widely used nowadays but also so changing, that it means that every engineer dedicated to this specialty need to be in continuous training. Nowadays, and for some years now, the introduction of machine learning is being explored with increasing frequency in this important field within communications. This project assesses the application of a certain ML algorithm in a specific scenario in order to estimate the received signal strength (RSS) at different points in that scenario, from the information provided by low-cost sensors whose measurements have a very low precise. The characteristics of the algorithm application scenario as well as the signal propagation model that allows calculating the received field strength at points in space are two of the most interesting aspects of this project. To finish the theoretical section, the implications and main considerations of the ML algorithm selected in this scenario will be shown. Apart from the theoretical aspect, this work includes a great contribution from the point of view of the programming of theoretical equations. This is a very important chapter since it makes an association between the theoretical equations and the programming language used. Furthermore, within this section, the use of libraries that are already made previously is promoted in order to facilitate the application of the ML algorithm used in this scenario. These libraries are presented and analyzed throughout the mentioned chapter. Lastly, this work shows the performance of the ML algorithm implemented from the calculation of the mean square error (MSE) between the estimates made and the theoretical field values. Throughout the report, the most interesting aspects of the simulations are included as well as the results obtained in order to assess the reliability and effectiveness of the algorithm in this specific scenario.