MONITORAMENTO DE REDES DE SENSORES SEM FIO USANDO TÉCNICAS DE MACHINE LEARNING

DURA, Cesar Vinicius Zuege Ponte1; PELLENZ, Marcelo Eduardo2;

Resumo

Introdução:Uma rede de sensores sem fio (RSSF) pode ser definida como uma rede com capacidade de comunicação e processamento de dados, utilizando poucos recursos de processamento e baixo consumo de energia [9]. Atualmente as RSSF são amplamente utilizadas e podem sofrer anomalias que degradam o seu desempenho [1]. Sistemas eficientes de monitoramento da rede se tornam necessários para garantir a qualidade dos serviços. Neste sentido, as técnicas de maching learning (ML) podem ajudar no processo de monitoramento da RSSF, identificando problemas e anomalias em sua operação.

Objetivo:Este projeto de pesquisa tem por objetivo geral desenvolver algoritmos para monitoramento das condições de operação da RSSF, usando técnicas de ML não supervisionadas. Espera-se prever alterações na condição dos enlaces de comunicação, através de estratégias de baixo custo computacional implementadas no receptor.

Metodologia:O projeto foi desenvolvido em três etapas. A primeira etapa consistiu no estudo e elaboração de um algoritmo básico de pré-processamento dos dados do canal usando filtros de média móvel. Na segunda etapa, aprimorou-se o algoritmo com o uso de ML para obtenção de novas métricas. Por fim, realizou-se testes de desempenho do programa e a análise dos resultados obtidos.

Resultados:O algoritmo desenvolvido possui baixa complexidade de processamento e respondeu com boa precisão quanto a classificação do estado dos enlaces, ou seja, condições normais ou anormais de operação. O algoritmo proposto utilizou uma métrica obtidas através da técnica de ML não supervisionada, associada com um processo de quantização dos níveis de qualidade do enlace.

Conclusões:O projeto utilizou uma base de dados real de uma RSSF (Crawdad), que disponibiliza diversas métricas de qualidade de enlace. Foi analisada a importância de cada métrica citada, todavia neste projeto foi utilizada métrica mais significativa que é o RSSI. O algoritmo foi desenvolvido no software Matlab. A abordagem desenvolvida pode ser estendida para o monitoramento em tempo real das condições dos enlaces. Embora apenas alguns algoritmos básicos de ML não supervisionados tenham sido investigados, o estudo pode ser ampliado.

Palavras-chave: RSSF. Qualidade de Enlaces. Machine Learning. IoT.

Legendas

    1. Estudante
    2. Orientador