Se encuentra usted aquí

Inicio

Boletín N°3 - “Fusión de Datos en Redes de Sensores Inalámbricas: Una descripción General”

Fotografía del Autor

 

“Fusión de Datos en Redes de Sensores Inalámbricas: Una descripción General”.

ÁREA: FUSIÓN DE DATOS.

TIPO DE PUBLICACIÓN: RESUMEN DE INVESTIGACIÓN.

AUTORES: 
Daniel Fernando Quintero Bernal. Estudiante de Doctorado en Ciencias de la Ingeniería Mención en Automática, Universidad de Santiago de Chile (USACH), Facultad de Ingeniería, Departamento de Ingeniería Eléctrica, Chile. 

Héctor Kaschel Cárcamo. Profesor, Universidad de Santiago de Chile (USACH), Facultad de Ingeniería, Departamento de Ingeniería Eléctrica, Chile.

John Kern Molina. Profesor, Universidad de Santiago de Chile (USACH), Facultad de Ingeniería, Departamento de Ingeniería Eléctrica, Chile.

CORRESPONDENCIA: daniel.quintero@usach.cl


Estos años recientes siguen siendo testigos del gran avance científico en múltiples áreas y en particular con conceptos relacionados a Fusión de Datos (DF, por sus siglas en inglés) y Redes de Sensores Inalámbricas (WSN, por sus siglas en inglés).

En un contexto de WSN dos sinónimos típicos, de la fusión de datos, son los términos de fusión de sensores y fusión de información. El principal objetivo de la fusión de datos es la integración de las observaciones de diversas fuentes para obtener una mejora sustancial de los resultados obtenidos; particularmente en el área de WSN, DF es la combinación de datos de múltiples sensores para su posterior envío a una estación base (Ullah & Youn, 2020). Un esquema de DF se puede observar en la Figura 1.

Figura 1. Fusión de datos (elaboración propia).

 La selección apropiada de un grupo de sensores y su configuración óptima, por ejemplo, permitirá percibir y formular de manera fiable un entorno. Dicho grupo de sensores, en este contexto, se puede clasificar en sensores inteligentes o no inteligentes. Siguiendo lo expuesto, un sensor inteligente es un dispositivo capaz de acondicionar señales, procesar datos y tomar decisiones (es decir, que se considera “inteligente” si los recursos de cómputo son parte del diseño del sensor); por el contrario, un sensor no inteligente es aquel que sólo acondiciona los datos y los transfiere para su posterior procesamiento (Yeong et al., 2021).

 

DF es un sistema complejo que posee diversos componentes en el procesamiento de la información. Para tratar los datos de manera metódica o sistemática es necesario, por lo tanto, la consolidación en cuanto a procedimientos y términos. Lo anterior nombrado tiene un gran impacto en el desarrollo de la ciencia dado que permite crear consensos, entre los múltiples actores del campo investigativo, ya que provee un patrón de diseño. Existen diversas arquitecturas (modelos) propuestas en la bibliografía dada a la extensa variedad de aplicaciones. Entre los más difundidos se destacan: JDL, Dasarathy, y Luo & Kay (ver Figura 2).


Figura 2. Modelo Luo & Kai (elaboración propia).

Es importante destacar que independientemente de la gran variedad modelos, el eje central de la fusión de datos no se encuentra fundamento en éstos, sino en los algoritmos que permiten el procesamiento de la información; las técnicas de DF se pueden clasificar como (Alam et al., 2017): 1) métodos basados en la teoría de la evidencia, 2) métodos basados en probabilidad, y 3) métodos basados en la inteligencia artificial.

Existen múltiples dominios de aplicación en el área de DF como se puede observar en la revisión de Cui et al. (Cui et al., 2022), donde abordan las técnicas de aprendizaje profundo en la fusión de imágenes y nubes de puntos aplicadas en la conducción autónoma, y en la encuesta de Baroudi et al. (Baroudi et al., 2019) donde indican las técnicas de DF empleadas en la detección de fugas en tuberías. Dentro de la gran cantidad de desarrollos en WSN, muchas investigaciones de DF han sido realizadas en este campo de estudio, en una gama variada de enfoques y aplicaciones. WSN, puede definirse, a grandes rasgos, como un conjunto de dispositivos (nodo de sensores o motas) que pueden procesar o intercambiar datos. Dichas motas están compuestas por sensores y equipos de cómputo (Ishita Chakraborty & Prodipto Das, 2017).

Finalmente, en (Barde & Jain, 2018; Ullah & Youn, 2020) se indica una clasificación típica según la estructura de red implementada para DF: (a) Centralizado, se utiliza para reducir la tasa de velocidad de transmisión de la información, a través de la combinación y filtrado de los datos en el sumidero (nodo central); sin embargo, dicho filtrado puede aumentar la carga de la red por el envío de datos ruidosos y redundantes, y afectar la precisión de inferencia. (b) Basado en clústeres, el cual es empleado con la intención reducir datos redundantes y los datos atípicos, de la información recopilada, en la cabecera o jefe del clúster; la carga de red es distribuida entre los clústeres.

 

ENLACE A PUBLICACIÓN Y/O SITIO RELACIONADO CON SU CONTENIDO: https://revistas.unal.edu.co/index.php/ingeinv/index

 

 

REFERENCIAS

  1. Alam, F., Mehmood, R., Katib, I., Albogami, N. N., & Albeshri, A. (2017). Data Fusion and IoT for Smart Ubiquitous Environments: A Survey. IEEE Access, 5, 9533–9554.
  2. Barde, A., & Jain, S. (2018). A Survey of Multi-Sensor Data Fusion in Wireless Sensor Networks. SSRN Electronic Journal, 398–405. https://doi.org/10.2139/ssrn.3167286
  3. Baroudi, U., Al-Roubaiey, A. A., & Devendiran, A. (2019). Pipeline Leak Detection Systems and Data Fusion: A Survey. IEEE Access, 7, 97426–97439. https://doi.org/10.1109/ACCESS.2019.2928487
  4. Cui, Y., Chen, R., Chu, W., Chen, L., Tian, D., Li, Y., & Cao, D. (2022). Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review. IEEE Transactions on Intelligent Transportation Systems, 23(2), 722–739. https://doi.org/10.1109/TITS.2020.3023541
  5. Ishita Chakraborty, & Prodipto Das. (2017). Data Fusion in Wireless Sensor Network-A Survey. International Journal of Scientific Research in Network Security and Communication, 5(6), 9–15. https://doi.org/10.26438/ijsrnsc/v5i6.915
  6. Ullah, I., & Youn, H. Y. (2020). Intelligent Data Fusion for Smart IoT Environment: A Survey. Wireless Personal Communications, 114(1), 409–430. https://doi.org/10.1007/s11277-020-07369-0
  7. Yeong, D. J., Velasco-hernandez, G., Barry, J., & Walsh, J. (2021). Sensor and sensor fusion technology in autonomous vehicles: A review. Sensors, 21(6), 1–37. https://doi.org/10.3390/s21062140