Τεχνικες Χαμηλης Καταναλωσης Ενεργειας Για Ανιχνευση Προσωπων Και Κατηγοριοποιηση Οχηματων Στα Ασυρματα Δικτυα Αισθητηρων

Abstract

Αντικείμενο της παρούσας διδακτορικής διατριβής αποτελεί η σεισμική ανίχνευση προσωπικού και η σεισμική και ακουστική αναγνώριση και κατηγοριοποίηση οχημάτων στα Ασύρματα Δίκτυα Αισθητήρων, με έμφαση στην ενεργειακή απόδοση και την χαμηλή κατανάλωση.Τα Ασύρματα Δίκτυα Αισθητήρων αποτελούνται από μικρές αυτόνομες συσκευές, τους Ασύρματους Κόμβους, που είναι ικανοί να «αισθάνονται» τον φυσικό κόσμο, μέσω κατάλληλων αισθητήρων, να επεξεργάζονται ή και να αποθηκεύουν τις μετρήσεις και να επικοινωνούν ασύρματα. Τροφοδοτούνται συνήθως από μπαταρίες, που η διάρκεια ζωής τους εξαρτάται άμεσα από το χρησιμοποιούμενο υλικό, την επεξεργαστική ισχύ της υπολογιστικής μονάδας, αλλά κυρίως από τον τρόπο με τον οποίο το λογισμικό του κόμβου διαχειρίζεται το διαθέσιμο υλικό και την επικοινωνία.Στα πλαίσια της εργασίας ερευνώνται τεχνικές και λύσεις τόσο σε επίπεδο υλικού, όσο και σε επίπεδο λογισμικού και διαχείρισης υλικού από το λογισμικό, οι οποίες θα επιτρέψουν την επιτυχή ανίχνευση προσωπικού και την αναγνώριση οχημάτων από έναν ασύρματο κόμβο, εφοδιασμένο με ακουστικούς και σεισμικούς αισθητήρες και έναν απλό μικροελεγκτή των 8-bit. Ταυτόχρονα οι λύσεις θα πρέπει να είναι ενεργειακά αποδοτικές, ώστε ο κόμβος, να λειτουργεί ανεπιτήρητος, για το μεγαλύτερο δυνατό χρονικό διάστημα.Συγκεκριμένα, στον τομέα της ανίχνευσης προσωπικού αναζητούνται τα ιδιαίτερα χαρακτηριστικά της σεισμικής διαταραχής, που προκαλεί ένας άνθρωπος, όταν περπατά. Οι δονήσεις του εδάφους καταγράφονται από ένα πιεζοηλεκτρικό επιταχυνσιόμετρο και διενεργείται η κατάλληλη επεξεργασία του σήματος από τον κόμβο, ο οποίος λαμβάνει και την απόφαση για την προέλευσή τους, αν δηλαδή προέρχονται από ένα άτομο, που περπατά ή από κάποιο άλλο αίτιο. Οι προτεινόμενες μέθοδοι δοκιμάζονται με πραγματικά σήματα σε επίπεδο προσομοίωσης και τελικά υλοποιούνται στον κόμβο Mica2Dot. Με χρήση τεχνικών εξοικονόμησης ενέργειας, η μέση κατανάλωση μπορεί να μειωθεί έως και 82% φτάνοντας τα 9,89 mW.Στον τομέα της ακουστικής και σεισμικής αναγνώρισης οχημάτων αναζητούνται λύσεις, που ξεφεύγουν από τις κλασσικές μεθόδους ανάλυσης και επεξεργασίας του σήματος στο πεδίο της συχνότητας ή του μετασχηματισμού κυματιδίων. Για την αποφυγή των αυξημένων αναγκών τους σε επεξεργαστική ισχύ, άρα και ενέργεια, προτείνεται η ανάλυση με χρήση μιας μεθόδου κωδικοποίησης και επεξεργασίας του σήματος στο πεδίο του χρόνου, της μεθόδου TESPAR, που έχει χρησιμοποιηθεί στο παρελθόν επιτυχώς για την αναγνώριση φωνής. Η μέθοδος προσαρμόζεται κατάλληλα, ώστε να κωδικοποιεί με μεγάλη ακρίβεια τις ακουστικές και σεισμικές υπογραφές των οχημάτων, σχεδόν σε πραγματικό χρόνο. Τα ιδιαίτερα χαρακτηριστικά του κωδικοποιημένου σήματος, που επιτρέπουν την διάκριση μεταξύ των οχημάτων, συγκεντρώνονται σε ένα μονοδιάστατο πίνακα, το χαρακτηριστικό διάνυσμα, το οποίο χρησιμοποιείται για την κατηγοριοποίηση των οχημάτων με χρήση ενός κατηγοριοποιητή Τεχνητού Νευρωνικού Δικτύου και ενός κατηγοριοποιητή ελάχιστης απόστασης. Η μέθοδος δοκιμάζεται και βελτιώνεται σε επίπεδο προσομοίωσης με πραγματικά ακουστικά και σεισμικά σήματα δύο τύπων οχημάτων. Η επίδοση της μεθόδου σε περιβάλλον προσομοίωσης φτάνει το 88 %. Στη συνέχεια η μέθοδος προσαρμόζεται και υλοποιείται στον Ασύρματο Κόμβο Mica2 και δοκιμάζεται η επίδοση της ακουστικής αναγνώρισης τριών κλάσεων οχημάτων (λεωφορείου, αυτοκινήτου, μοτοσικλέτας) με ποσοστό ορθών ανιχνεύσεων 62-90%. Η μέση κατανάλωση ενέργειας μπορεί να φτάσει τα 3,35 mW.