Aumentare l’affidabilità delle reti di sensori wireless tramite la taratura cieca
Aumentare l'affidabilità delle reti di sensori wireless tramite taratura cieca
Un algoritmo che mantiene le tue reti di sensori calibrate
Introduzione
Le reti di sensori wireless sono emerse come una tecnologia che consente il monitoraggio e il controllo dei processi nelle fabbriche di produzione o nelle città intelligenti. Nel caso del monitoraggio della qualità dell’aria nelle città intelligenti, ad esempio, i luoghi particolarmente inquinati potrebbero essere identificati in tempo reale e i cittadini protetti dagli effetti dell’inquinamento atmosferico. Queste reti sono composte da molti nodi sensoriali distribuiti che raccolgono dati e li trasmettono in un luogo centrale dove possono essere elaborati.
Tali sistemi di misurazione, tuttavia, pongono nuove esigenze di calibrazione, ad esempio in termini di scala e frequenza. Più precisamente, questi innumerevoli sensori sono spesso di qualità inferiore e quindi necessitano di una calibrazione più frequente. Calibrare manualmente ogni nodo o raccogliere tutti i nodi e portarli in laboratorio (per la calibrazione) sarebbe troppo tedioso, se non impossibile, e comporterebbe anche tempi di inattività e mancanza di dati. Tuttavia, le calibrazioni sono necessarie perché rendono le misurazioni confrontabili nello spazio e nel tempo. Se i sensori si spostano, i loro valori misurati non corrispondono alla verità. Di conseguenza, le decisioni basate su tali dati saranno irragionevoli.
Come mantenere le reti di sensori calibrate è quindi stato oggetto di ricerca, dando origine ai cosiddetti algoritmi di calibrazione cieca (tra gli altri tipi di tecniche di calibrazione automatizzata), che mirano a migliorare la qualità dei dati delle misurazioni dei sensori e ritardare (o addirittura omettere) costose calibrazioni manuali. In parole semplici, utilizzano una calibrazione iniziale come riferimento; l’idea chiave è sfruttare le correlazioni tra i segnali dei sensori, consentendo di calcolare nuovi coefficienti di calibrazione utilizzando tecniche di algebra lineare e ottimizzazione matematica. Questo articolo spiega la teoria dietro tali algoritmi e ne dimostra il potenziale e i limiti con un esempio pratico.
Background Teorico
Il punto di partenza è una rete di sensori composta da n nodi, ognuno dei quali rileva un determinato processo. Al tempo t, le misurazioni individuali vengono raccolte come in un vettore y = [y₁, …, yₙ]. Se i singoli sensori “vedono la stessa cosa”, i loro…
