2. Seguimiento mediante WSN

Transcripción

1 2. Seguimiento mediante WSN 2.1 Introducción Las redes de sensores inalámbricas o Wireless Sensor Networks (WSN), consisten en un conjunto de nodos de pequeño tamaño y de muy bajo consumo, interconectados entre sí a través de una red inalámbrica, y conectados a su vez a un sistema central encargado de recopilar la información recogida por cada uno de los sensores (Figura 2.1). Figura 2.1: Esquema de una red de sensores. Las redes de sensores inalámbricas se han convertido en un campo de investigación que se encuentra en continuo crecimiento debido a la gran diversidad de propósitos a las que se pueden aplicar. La unidad básica de la red inalámbrica de sensores es un nodo que integra un procesador, una pequeña memoria, sensores y comunicación inalámbrica (Figura 2.2). Un conjunto de esos nodos componen una red de sensores inalámbricos que generalmente se podrá comunicar con una estación base conectada a un ordenador. Al estar dotados con procesador, estos nodos son capaces de realizar ciertos cálculos computacionales sobre los datos tomados por los sensores, por lo tanto, no es necesario que toda la información obtenida sea enviada a la base ya que ésta puede ser procesada localmente y agregada, con lo que se reduce el tráfico de información a través de la red. El ámbito de aplicación de este tipo de sistemas es muy amplio: monitorización de entornos naturales, aplicaciones para defensa, aplicaciones médicas en observación de pacientes, colaboración entre robots y redes de sensores, localización y seguimiento de objetos, etc. El motivo del éxito de este tipo de redes de sensores se debe a sus especiales características, principalmente pequeño tamaño y coste, y consumo reducido de energía. A los nodos de las redes WSN se les imponen unas restricciones de consumo severas. El motivo de la imposición de estas restricciones es la necesidad de que los nodos sean capaces de operar, por sí mismos, durante periodos largos de tiempo, en lugares donde las fuentes de alimentación son, si no inexistentes, de baja potencia. Su pequeño tamaño y su coste reducido, que además siguen reduciéndose año tras año, hacen que cada vez más sencillo su instalación y despliegue, y que puedan diseñarse redes más grandes y por tanto con mayor capacidad de adquisición de información y de cómputo necesarias para poder desarrollar aplicaciones más complejas y ambiciosas. 6

2 Desde el punto de vista del software, se han desarrollado algunas plataformas específicas para la programación de este tipo de sistemas, que tienen en cuenta las especiales características de las redes de sensores. En particular se ha desarrollado un sistema operativo, llamado TinyOS, cuya característica principal reside en que al ser modular, resulta ideal para instalarse en sistemas con restricciones de memoria. Se desarrolló también un lenguaje de programación, llamado nesc, de sintaxis muy parecida a C, basado en componentes, y a partir del cual se rediseñó una primera versión de TinyOS, de modo que en la actualidad está implementado en su totalidad sobre nesc. Figura 2.2: Nodos inalámbricos Mica2 y Telosb. 2.2 Técnicas de seguimiento En cuanto a las técnicas de localización y seguimiento mediante redes inalámbricas de sensores, se han desarrollado multitud de aplicaciones para los más diversos propósitos, seguimiento de animales en su entorno natural, seguimiento de doctores y pacientes en un hospital, seguimiento de robots, etc. Generalmente se pueden distinguir entre dos tipos de seguimiento, cuando el o los objetos seguidos son nodos móviles que forman parte de la red y que pueden comunicarse de alguna forma con ella, y cuando el objeto seguido no forma parte de la red sino que es captado por los sensores presentes en los nodos. Dentro de las técnicas del primer tipo se pueden utilizar diversos métodos para localizar nodos móviles, por ejemplo mediante la potencia de señal de radio (RSSI) [4,5,6], mediante tiempo de vuelo de señal (TOA/TOF) [7,8,9], ángulo de incidencia de señal (AOA) o Ultrawideband (UWB) [10,11,12]. La potencia de la señal de radio recibida se mide en los nodos a partir del voltaje detectado en un circuito indicador de potencia de señal. Ésta potencia puede ser medida por cada nodo receptor durante la comunicación normal entre nodos sin ningún gasto adicional de ancho de banda o energía, lo que lo convierte en una opción muy popular para la localización. En teoría la potencia de una señal decae proporcionalmente a, siendo la distancia entre emisor y receptor, sin embargo, las medidas de RSSI son altamente impredecibles y muy difíciles de modelar. Muchos factores pueden afectar a estas medidas, las anisotropías en la radiación de la antena, la presión atmosférica, concentraciones de gases en el aire, o las interacciones con el entorno, muros, mobiliario o personas. Por lo tanto este método es el ideal cuando no se requiere una gran precisión. En este proyecto se describe una aplicación de monitorización de 7

3 bomberos en labores de extinción de incendios, en la que se hace seguimiento de los nodos móviles que portan los bomberos mediante RSSI. En este caso, está justificado el uso del RSSI porque no hace falta saber si un bombero está en un punto exacto del edificio sino que basta con saber en qué habitación está o en qué parte de una gran sala o pasillo. El tiempo de vuelo de una señal (TOF/TOA) es el tiempo medido en que una señal (de radiofrecuencia o acústica) llega por primera vez a su receptor. Ese tiempo medido se corresponde con el tiempo de transmisión de la señal más un cierto retraso debido a la propagación. Este retraso es proporcional a la distancia de separación entre emisor y receptor por la velocidad de propagación. Esta medida también puede estar afectada por factores externos, tales como la temperatura o humedad relativa, sin embargo, existen modelos muy precisos. Evidentemente requiere que haya una línea de visión directa entre emisor y receptor para que la medida de la distancia sea correcta, por tanto, la utilización de medidas de TOF para el seguimiento se puede aplicar con precisión en exteriores y espacios abiertos. En interiores se suelen producir muchos rebotes con los elementos del entorno que dan lugar a errores, pero si ese entorno es conocido y modelado se podrían compensar esos errores. La utilización del ángulo de incidencia de la señal (AOA) provee la dirección de los nodos emisores en vez de la distancia a ellos, por tanto es utilizado más como una información complementaria a la obtenida mediante RSSI o TOF, con la que se puede obtener una mayor precisión. Hay dos maneras típicas de medir el AOA (ver Figura 2.3). En la más común cada nodo tiene varios sensores (antenas si se trata de señales de radiofrecuencia o micrófonos si son acústicas) cuyas posiciones respecto al nodo son conocidas. El AOA se estima a partir de las diferencias en los tiempos de llegada de la señal a cada sensor. Otro método usa el ratio de RSSI entre dos antenas direccionales localizadas en el sensor. Cada una de las antenas apunta a direcciones diferentes, de manera que el solapamiento entre sus haces principales se puede utilizar para estimar el AOA a partir de la relación entre sus valores individuales de RSSI. Cualquiera de estos dos métodos conlleva a la utilización de muchas antenas o micrófonos, lo que eleva el coste y tamaño de los dispositivos. Sin embargo en algunas aplicaciones como la vigilancia y seguridad, en las que suelen ya de por sí utilizarse muchos sensores acústicos, sería una extensión natural de la aplicación el utilizar estos sensores para localizar las fuentes de sonido. Figura 2.3: Métodos de obtención del AOA. a) Se estima por las diferencias en el tiempo de llegada a distintos sensores conectados a un nodo. b) Se estima a través del ratio entre el RSSI recibido por dos antenas direccionales. 8

4 La comunicación por banda ultra-ancha o Ultrawideband (UWB) emplea pulsos estrechos de muy corta duración (menos de un nanosegundo) que resultan en señales de radio que se expanden ampliamente en el espectro de frecuencias. Una señal es considerada de UWB si su ancho de banda fraccional, la relación entre su ancho de banda y su frecuencia central, es mayor de 0.2 o bien si es una señal multibanda con un ancho de banda total mayor de 500MHz. El gran ancho de banda de la UWB conlleva una gran resolución temporal, lo que la hace ideal para aplicaciones de radiolocalización de alta precisión [13]. Cuando el objeto del que quiere hacerse seguimiento no forma parte de la red de nodos inalámbricos, entonces ha de ser detectado mediante sensores y la información que recojan requerirá mayor o menor cantidad de procesamiento dependiendo del tipo de sensor. Este caso es el típico de aplicaciones en vigilancia y seguridad. Pueden utilizarse muchos tipos de sensores diferentes, acústicos, de paso, de ultrasonidos, infrarrojos, de presión, cámaras [14,15,16] e incluso sensores magnéticos [17,18,19], incluso a veces es normal utilizar una combinación de ellos para obtener una mayor precisión. Una de las aplicaciones que se presentan en este proyecto utiliza precisamente sensores magnéticos. En esta aplicación se supone que una red de nodos que cuentan cada uno con dos sensores magnéticos está desplegada a lo largo de los carriles de una carretera, de manera que son capaces de detectar las perturbaciones producidas por el paso de los vehículos sobre los sensores. La información obtenida que puede ser obtenida por la red hace posible no sólo la detección de las velocidades y longitudes de los vehículos sino su re-identificación cuando un vehículo pase por el siguiente nodo de su trayectoria. Con esto se puede hacer seguimiento de los vehículos y por ejemplo, identificar infracciones o comportamientos de conducción agresiva. En cuanto a las redes WSN con cámaras, es importante saber que hasta las cámaras de menor resolución generan una cantidad de información muy grande que generalmente supera en gran medida el ancho de banda disponible en la red de sensores, sin embargo existen algunos modelos de cámara, de pequeño coste y tamaño, como las CMUCam [20], programables y con capacidad de realizar tareas de procesamiento de imágenes. Este tipo de cámaras puede ser programado, por ejemplo, para detectar un cierto tipo de objeto y obtener su posición, con esto, los únicos datos que tienen que pasar a la red de sensores son las posiciones detectadas por cada nodo. De este tipo es la tercera aplicación que se presenta en este proyecto. Tanto en las aplicaciones en las que el objeto a seguir es un nodo como en las que no, a la red llega una cierta cantidad paquetes de información provenientes de distintos nodos, en la que cada uno generalmente implicará una posición o una distancia hasta el objeto a seguir. El problema es cómo se agrupará esa información para conseguir una estimación de la posición del objeto, ya que entre los datos que llegan a la red puede haber informaciones contradictorias o múltiples puntos que puedan ser solución. Para esto se aplicarán técnicas de fusión de información, triangulaciones, simples medias, hasta lo más complejos y precisos métodos probabilísticos como los filtros de Kalman o de información o los más complejos filtros de partículas. Los resultados que se obtienen con la aplicación de estos filtros son muy precisos, de hecho hay estudios que proponen estas técnicas para seguimiento en redes de sensores. Sin 9

5 embargo, existe una restricción a su aplicación en redes de sensores y es que éstos suelen conllevar una pesada carga de procesamiento que de la que difícilmente pueden hacerse cargo los procesadores de los nodos inalámbricos en tiempos aceptables. Así pues, lo que se hace generalmente es que todos los nodos mandan la información a la estación base y en ésta se ejecuta el filtro. Pero, Y si es necesario aplicar el filtro dentro de la red de sensores?, ya sea por reducir la cantidad de información que se transmitirá finalmente al ordenador o porque éste ya está ocupado en un tarea pesada. Entonces la mejor manera de llevar a cabo el cálculo del filtro es dividir este esfuerzo entre los nodos implicados. Así, unos cuantos nodos se harán unos cuantos pasos del algoritmo y enviaran los resultados de estos pasos a un nodo que los agrupará finalizando el cálculo del algoritmo y dando como resultado la posición estimada del objeto. Esto es lo que se hace en la tercera aplicación que se presenta en este trabajo, en la que se aplica un filtro extendido de información y con el cual, a partir de la cantidad de información que dejaría de aportar un nodo si éste se apaga o la que ganaría si se enciende, desactiva el seguimiento con un nodo si éste aporta poca información o lo activa si éste podría aportar mucha información. Además el nodo que hace el papel de procesar el final del algoritmo del filtro va cambiando al nodo que en ese instante posee más información, consiguiéndose así que la posible pérdida de datos de algún nodo sea menos dramática puesto que en el algoritmo entrarán al menos los datos del nodo que más información aporta. 10