Author(s): Guia, Sabrina Santos
Date: 2015
Persistent ID: http://hdl.handle.net/10400.6/5975
Origin: uBibliorum
Subject(s): Arm Microcontroller Implementation; Compressive Sensing (Cs) Technique; Fast Fourier Transform (Fft) Algorithm; Internet of Things (Iot); Segmentation and Labelling (S&L) Method; Signal Sam; Smart Sensors In Networks; Software Engineering; Standard Ieee 1451; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
The need for networks of sensor that operate in an increasingly efficient way is contributing to boost the research methods with the aiming of find the best methods about how to manage the information. At the same time, the technological explosion that is taking care of our daily life, have influence not only on what is likely to be standardized, but also in the possibility of execution. An example of this is the need to exchange the knowledge about how the sensor’s signal behaves in a standardized manner, as well as, some of its features and isolated parameters. The compaction of data to be managed and transmitted clearly becomes useful, especially when there is interest in the study of signal characteristics, such as; amplitude; the presence of noise; steady state values tendency, etc. Small parameter capable of induce the general behaviour of the measured signal. In the world of sensors, intelligence is focused on the same point of measurement made by the transducer. From this point, three algorithms are presented. The first is based on the rapid measurement of procedural techniques of the Fourier transform (FFT), while the second is based on the compressive sampling theory (CS). Finally it is presented a proposed algorithm, in the time domain, based on the processes of segmentation and labelling (S&L) of a sampled signal that is also proposed for defining the new IEEE 1451 standard. The main goal of this work is focused on the management of a smaller amount of data, but the acquisition of the same amount and quality of information. Thus, the ideal is that the signal is sampled in order to create redundancy between neighbouring samples. It is therefore not necessary segmentation of each pair of samples, storing and transferring only the samples that are held to bring important information. As a result of the segmentation process, two vectors are obtained for storing amplitudes and time indices of samples and labelling process, the segments are classified according to their behaviour in eight different classes and stored in a third vector. This set of MCT vectors offers a structurally standardized platform that supports sensor’s data exchange. The reconstruction of the acquired signal is also allowed by this structure. The method was implemented and each function and their respective operating modes are described in detail. In addition, input and output parameters of each function are also described. Afterwards, the project was prepared to implement in a microcontroller, whose architecture from ARM. In order to demonstrate the performance of the proposed algorithm, experimental results in the area of instrumentation, analysis and signal processing, are reported and exposed. After the execution of the above-mentioned procedure, the sequence segments analysis reveals that the algorithm has the ability to extract global information form the acquired signals, such as a human observer. In addition, its low computational cost allows the inclusion of the proposed method in smart sensors in a variety of application, enabling execution in real time. The document is divided into four chapters. In the first chapter is made a brief research concerning the state of the art related with the main subject of this work. Theoretical considerations concerning knowledge extraction from sample, analysis and data processing are presented. The best known algorithms are described in the second chapter special focus is given observing the application area. In the third chapter software and hardware tools used in the implementation process are described. The fourth chapter carries out the implementation of the proposed algorithm and described the respective implementation. The members of API functions are individually tested and the results presented and analysed. In the fifth, and final, chapter final observations are drawn with conclusions. Suggestion about future work is also presented.
A necessidade do uso de redes de sensores que operem de forma cada vez mais eficiente impulsiona os métodos de investigação destinados à melhoria da gestão de informação. Ao mesmo tempo, a explosão tecnológica que se apodera da nossa vida quotidiana, tem uma influência não só sobre o que é plausível a ser padronizado, mas também na sua possibilidade de execução. Um exemplo disso é a necessidade de intercâmbio de conhecimento do comportamento do sinal do sensor de forma padronizada, bem como de algumas das suas características e parâmetros isolados. A diminuição de dados a serem geridos e transmitidos torna-se claramente útil, em especial, quando há interesse no estudo de características dos sinais, tais como: amplitude, presença de ruido, tendência para valores em estado estacionário, etc., pequenos parâmetros capazes de induzir o comportamento geral do sinal medido. No mundo dos sensores, a inteligência dos mesmos é concentrada no ponto de medição efetuada pelo transdutor. A partir deste ponto, são apresentados três algoritmos. O primeiro é baseado na técnica de procedimento de medição rápida da transformada de Fourier (FFT), enquanto o segundo é baseado na teoria de amostragem compressiva (CS). Por último apresenta-se uma proposta de algoritmo, no domínio do tempo, baseado nos processos de segmentação e rotulagem (S&L) da sobre amostragem de um sinal, também proposto para a definição do novo padrão do IEEE 1451. Sendo que o seu objetivo principal foca-se na gestão de uma quantidade menor de dados, mas na aquisição da mesma quantidade e qualidade de informação. Deste modo, o ideal será que o sinal seja sobre amostrado, por forma a criar redundância entre as amostras vizinhas. Não sendo por isso necessária a segmentação de cada par de amostras, armazenando e transferindo apenas as amostras que forem consideradas portadoras de informação importante. Como resultado do processo de segmentação, são obtidos dois vetores para o armazenamento das amplitudes e índices de tempo das amostras essenciais, e do processo de rotulagem, os segmentos são classificados, segundo o seu comportamento, em oito classes diferentes e armazenados num terceiro vetor. O conjunto com vetores, MCT, forma uma plataforma estruturalmente normalizada de apoio à cooperação de dados sensoriais. A mesma permite, também, assegurar a reconstrução do sinal adquirido. Este último foi implementado e cada função e seus respetivos módulos de operação foram descritos ao pormenor. Além disso, foram também indicados os respetivos parâmetros de entrada e de saída de cada função. Posteriormente, o projeto foi preparado para implantação num microcontrolador, cuja arquitetura é ARM. Resultados experimentais são relatados e expostos, com a finalidade de demonstrar o desempenho do algoritmo proposto, na área de aquisição, análise e processamento de sinais. Após execução do procedimento anteriormente mencionado, a análise de sequência de segmentos revela que o algoritmo possui a capacidade de extrair informações globais, de sinais adquiridos, à semelhança do comportamento de um observador Humano. Além disso, o seu reduzido custo computacional permite a sua incorporação em sensores inteligentes destinados aos mais variados contextos de aplicação, viabilizando a sua execução em tempo real. O documento está dividido em quatro capítulos. No primeiro capítulo é feita uma breve investigação do estado da arte, são apresentadas as considerações teóricas na área de extração de conhecimento a partir da aquisição, análise e processamento de dados. No segundo capítulo são descritos os algoritmos mais conhecidos no que diz respeito à aplicação na área de estudo. No terceiro, são mostradas as ferramentas de software e os dispositivos de hardware aplicados à respetiva implementação e implantação do projeto de programação. No quarto capítulo é realizada a implementação do algoritmo proposto e feita a respetiva implantação do mesmo. As funções integrantes da API são individualmente testadas e os resultados expostos e analisados. No quinto, e último, capítulo são feitas as considerações finais, tiradas as respetivas conclusões e apresentadas as sugestões de trabalho futuro.
