prototipo de sistema de bajo costo para la estimación de

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

ESCUELA PROFESIONAL DE INGENIERÍA ELECTRÓNICA Y DE TELECOMUNICACIONES

“PROTOTIPO DE SISTEMA DE BAJO COSTO PARA LA ESTIMACIÓN DE LA

VELOCIDAD PEATONAL EMPLEANDO UN SENSOR DE MICROONDAS”

Tesis presentada por el bachiller:

ALEXIS GABRIEL HERRERA ANGULO

Para optar el Título Profesional de

INGENIERO ELECTRÓNICO Y DE

TELECOMUNICACIONES

Asesor: Dr. Efraín Zenteno Bolaños

AREQUIPA - PERÚ, 2020

“Las preguntas que no podemos contestar son las que más nos enseñan. Nosenseñan a pensar.”

Patrick Rothfuss, 1973

Índice general

Abstract 5

Resumen 7

1. Introducción 91.1. Motivación y contexto . . . . . . . . . . . . . . . . . . . . . . . . . . 101.2. Descripción del problema . . . . . . . . . . . . . . . . . . . . . . . . 101.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . 111.3.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . 11

1.4. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111.5. Consideraciones complementarias . . . . . . . . . . . . . . . . . . . . 12

1.5.1. Recursos y materiales . . . . . . . . . . . . . . . . . . . . . . 121.5.2. Organización del presente documento . . . . . . . . . . . . . 13

2. Marco teórico 152.1. Sistemas de radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1.1. Propagación electromagnética . . . . . . . . . . . . . . . . . . 162.1.2. Guía de onda circular (Propagación en guía de onda) . . . . . 162.1.3. Corte transversal del radar . . . . . . . . . . . . . . . . . . . 172.1.4. Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.2. Procesamiento digital de señales . . . . . . . . . . . . . . . . . . . . 172.2.1. Características de la señal . . . . . . . . . . . . . . . . . . . . 172.2.2. Ajuste polinómico . . . . . . . . . . . . . . . . . . . . . . . . 18

2.3. Sistemas embebidos . . . . . . . . . . . . . . . . . . . . . . . . . . . 202.3.1. Sensor de microondas . . . . . . . . . . . . . . . . . . . . . . 212.3.2. Plataforma de programación . . . . . . . . . . . . . . . . . . 22

3. Estado del Arte 253.1. Técnicas de procesamiento de imagen . . . . . . . . . . . . . . . . . . 253.2. Sensores ultrasónicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 253.3. Sensores piezoeléctricos . . . . . . . . . . . . . . . . . . . . . . . . . 263.4. Sensores infrarrojos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263.5. Sensores microondas . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.6. Apreciaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

i

Índice general Índice general

4. Diseño de solución 314.1. Etapa 1: Desarrollo de sistema . . . . . . . . . . . . . . . . . . . . . 31

4.1.1. Sensor de microondas . . . . . . . . . . . . . . . . . . . . . . 314.1.2. Sistema de sensores infrarrojos . . . . . . . . . . . . . . . . . 334.1.3. Sistema embebido . . . . . . . . . . . . . . . . . . . . . . . . 34

4.2. Etapa 2: Procesamiento de datos . . . . . . . . . . . . . . . . . . . . 354.2.1. Procesamiento univariable . . . . . . . . . . . . . . . . . . . . 374.2.2. Procesamiento multivariable . . . . . . . . . . . . . . . . . . . 38

4.3. Etapa 3: Desarrollo de sistema embebido . . . . . . . . . . . . . . . . 39

5. Implementación y resultados 415.1. Etapa 1: Pruebas experimentales . . . . . . . . . . . . . . . . . . . . 41

5.1.1. Disposición del sistema . . . . . . . . . . . . . . . . . . . . . 415.1.2. Protocolo de mediciones . . . . . . . . . . . . . . . . . . . . . 42

5.2. Etapa 2: Procesamiento de datos . . . . . . . . . . . . . . . . . . . . 425.2.1. Procesamiento univariable . . . . . . . . . . . . . . . . . . . . 445.2.2. Procesamiento multivariable . . . . . . . . . . . . . . . . . . . 47

5.3. Etapa 3: Sistemas embebido . . . . . . . . . . . . . . . . . . . . . . . 505.4. Costo total del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . 51

6. Conclusiones 536.1. Conclusiones finales . . . . . . . . . . . . . . . . . . . . . . . . . . . 536.2. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

Reconocimientos 55

A. Apéndice 57A.1. Conexión entre sensor y MATLAB . . . . . . . . . . . . . . . . . . . 57A.2. Enventanado y solapamiento de la señal . . . . . . . . . . . . . . . . 58A.3. Enventanado y solapamiento de la señal . . . . . . . . . . . . . . . . 59A.4. Código de programación en MATLAB para una variable . . . . . . . 59A.5. Código de programación en MATLAB para múltiples variables . . . 62A.6. Código de programación en plataforma Arduino . . . . . . . . . . . . 64

Bibliografía 69

Nomenclatura 73

ii

Índice de figuras

1.1. Diagrama de flujo de la metodología empleada. . . . . . . . . . . . . 12

2.1. Técnica de validación cruzada mediante K-folds. . . . . . . . . . . . 202.2. Diagrama esquemático del sensor RCWL-0516 [Tay]. . . . . . . . . . 212.3. a) Cara anterior del sensor empleado. b) Cara posterior del sensor

empleado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

4.1. Diagrama de bloques de las etapas desarrolladas en el presente trabajo. 314.2. a) Vista lateral del prototipo propuesto. b) Fotografía del prototipo

implementado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324.3. Gráfica del patrón de radicación en coordenadas rectangulares, ejes X

y Y. a) Patrón de radiación del sensor a 3 GHz. b) Patrón de radiacióndel sensor direccionado a 3 GHz. . . . . . . . . . . . . . . . . . . . . 33

4.4. Sistema de sensores infrarrojos para la estimación de la velocidad. . 334.5. Conexión entre sensor RCWL-0516, plataforma de programación (Ar-

duino) y batería. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344.6. Señal analógica capturada desde sistema embebido. a) Ausencia de

movimiento. b) Presencia de movimiento. . . . . . . . . . . . . . . . 354.7. Diagrama de procedimiento para la captura de datos. . . . . . . . . 364.8. Diagrama de procedimiento para el cálculo de grado polinómico óptimo. 384.9. Diagrama de procedimiento para el cálculo de grado polinómico óp-

timo con múltiples variables. . . . . . . . . . . . . . . . . . . . . . . 39

5.1. a) Esquema de ubicación de sensores para la detección de la velocidad.b) Fotografía de esquema mostrado en a). . . . . . . . . . . . . . . . 41

5.2. Señales recibidas a diferentes velocidades de desplazamiento. a) 1.36m/s b) 2.81 m/s c) 4.71 m/s . . . . . . . . . . . . . . . . . . . . . . . 43

5.3. Gráfica de la velocidad (sistema infrarrojo) en función de las carac-terísticas analizadas en diversas muestras adquiridas. La relación em-pírica de las ecuaciones polinómicas se ajustan a los datos (línea sóli-da). a) Cantidad de cruces por cero (en x). b) Cantidad transicionesabruptas mayores a 0.25 V/s (en o). . . . . . . . . . . . . . . . . . . 44

5.4. Error cuadrático para ecuaciones polinómicas univariables de diferen-tes grados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

5.5. Velocidad real vs. velocidad estimada de los valores obtenidos en laTabla 5.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

1

Índice de figuras Índice de figuras

5.6. Velocidad real vs. velocidad estimada de los valores obtenidos en laTabla 5.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

5.7. a) Esquema del sistema desarrollado. b) Fotografía del esquema mos-trado en a). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2

Índice de cuadros

2.1. Características del módulo RCWL-0516. . . . . . . . . . . . . . . . . 22

3.1. Comparación de tecnologías empleadas para ITS. . . . . . . . . . . . 29

5.1. Error del sistema por cada característica para cada experimento delconjunto de datos de validación. . . . . . . . . . . . . . . . . . . . . 46

5.2. Error cuadrático medio normalizado por cada característica estudiada. 465.3. Error del sistema empleando una ecuación de múltiples variables para

cada experimento del conjunto de datos de validación. . . . . . . . . 495.4. Error cuadrático medio normalizado para una ecuación polinómica de

múltiples características. . . . . . . . . . . . . . . . . . . . . . . . . . 495.5. Costo del sistema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3

Abstract

The development of IoT-based systems pursue to establish a sensor network thatsense the behavior of the environment that surround us, this trend leans toward theinvention of new systems, or update existing systems, with features as: low-cost, en-ergy eficiency, small size, portable and easy management systems. Pedestrian speedestimation is a way to know the behavior of the environment. Nowadays, there aresystems that are designed for this task, for example, we could found radar guns,based on Doppler effect, or mobile applications, based on GPS synchronization.However, both systems are expensive, computationally complex and energy ineffi-cient. On this work it has been show that is possible to estimate movement speed ofa pedestrian using a microwave sensor that was not developed for that purpose. Theresults were around 2.9% in mean squared error (MSE) in accuracy which makes ofthis device potential candidate for several applications as: pedestrian traffic controlon corridors, sports medicine, etc. The developed system has an average error ratebetween 2.4% and 3.5%, showing that is feasible speed estimation using a sensorwith the features mentioned above.

Keywords: microwaves, sensors, estimation, speed, transport.

5

Resumen

El desarrollo de sistemas basados en IoT busca establecer una red de sensores quepermita conocer el comportamiento del medio que nos rodea; esta tendencia seinclina a la invención, o la mejora de sistemas ya existentes, en características como:bajo costo, bajo consumo energético, reducidas dimensiones, portabilidad y fácilmanipulación. La estimación de la velocidad de desplazamiento de una persona,por ejemplo, es una forma de estudiar este comportamiento. Actualmente existensistemas que permiten la estimación de la velocidad como son las pistolas de radar,basadas en efecto Doppler, o las aplicaciones móviles, las cuales se basan en unasincronización mediante GPS. Sin embargo, estos sistemas resultan ser costosos, degran complejidad computacional, y en algunos casos son ineficientes con el uso de laenergía. En el presente trabajo se ha podido demostrar que es posible desarrollar unsistema que permita la estimación de la velocidad de desplazamiento de una personautilizando un sensor de microondas el cual no está diseñado para este uso. Losresultados tuvieron un error cuadrático medio normalizada del 2.9% lo cual hacende este un gran candidato para diversas aplicaciones como: el control de tráficopeatonal en pasillos o medicina deportiva, por citar algunos ejemplos. El sistemadesarrollado funciona con un error promedio de entre 2.4% y 3.5%, demostrando quela estimación de la velocidad es posible mediante un sistema que emplea un sensorcon las características ya mencionadas.

Palabras clave: microondas, sensores, estimación, velocidad, transporte.

7

1. Introducción

Los sistemas de sensorización son una tendencia ya establecida en la sociedad, uti-lizados automática e involuntariamente en la vida diaria. El lector, probablemente,ha recibido en algún momento un mensaje desde su celular indicando la cantidadde pasos que realizó en el trayecto de su casa al trabajo, o quizás, observó como elbrillo del móvil se ajustaba ante la presencia o ausencia de luz. Estos son algunosejemplos que demuestran como la tecnología de hoy en día tiende a sensar el medioque nos rodea, tendencia conocida como Internet de las Cosas o IoT (por sus siglasen inglés: Internet of Things).

IoT es una tendencia a la tecnología de comunicación inalámbrica que busca auto-matizar todo tipo de procesos, donde los sensores y el Internet son los principalesprotagonistas. Estos se ven reflejados en dos tipos de tecnologías, las cuales con-vergen en IoT: la Tecnología Operacional (OT, por sus siglas en inglés: OperationalTechnology) y la Tecnología de la Información (IT, por sus siglas en inglés: Infor-mation Technology)[VBJ15]. La primera, combina tanto hardware como softwarepara monitorear y controlar las variaciones en el medio; y la segunda, procesa lainformación recibida. IoT, busca conocer el medio que nos rodea, es por ello que lacomunicación entre los diversos dispositivos debe ser rápida y segura; ante esto esque propicia el desarrollo de protocolos de comunicación más rápidos y con un mayorancho de banda. Así también, los dispositivos empleados deben asegurar un ampliodesempeño sin necesidad de emplear demasiados recursos energéticos, además, deser simples en estructura y posibilitar su portabilidad.

Una de las formas en las cuales IoT interactúa con el usuario e intrínsecamente conel medio es por la detección de la presencia de una persona, así como de un objeto,pudiendo detectar a la vez su velocidad de desplazamiento. Ante esto, existen múl-tiples alternativas de solución, como son los sensores ópticos, infrarrojos, sonares,técnicas de procesamiento de imagen y sensores de microondas los cuales puedenser empleados en diversos campos tales como la industria, el transporte, el controldel tráfico o la salud deportiva. Todos estos dispositivos presentan ventajas y des-ventajas en ciertas características; sin embargo, son los sensores de microondas losque presentan la peculiaridad de ser robustos ante los cambios de temperatura y ladetección de ruido. Es por estas características que en el presente trabajo se decidióemplear sensores de este tipo para la detección de la velocidad.

A diferencia de los sistemas que pueden ser encontrados en el mercado, el objetivode este trabajo será lograr obtener un sistema de bajo costo, portable y de bajoconsumo energético. Solucionando de esta manera diversos problemas que limitan la

9

Capítulo 1 Introducción

adquisición y manipulación de diversos sistemas de medición de la velocidad en laactualidad.

1.1. Motivación y contexto

El presente proyecto está motivado por la utilización de un sistema de mediciónempleado para el cálculo de la velocidad del movimiento de una persona. Este sistemasería empleado para la detección y control de velocidad de las personas en pasillosde centros comerciales u hospitales, o para uso deportivo en el entrenamiento orehabilitación de atletas. De obtenerse buenos resultados en su aplicación hacia laspersonas, el sistema podría ser entrenado y mejorado para el control del tráficovehicular en carreteras, líneas de metro o avenidas principales; así como tambiénpara la industria en el control de accidentes en fajas transportadoras.En Arequipa hace más de diez años las autoridades locales vienen discutiendo eintegrando un sistema de mejora en el transporte público, el Sistema Integrado deTransporte (SIT) [SITa]. Sin embargo, a la fecha no se conoce cuándo comenzará suoperación de manera oficial [SITb]. En la actualidad, una gran alternativa a los pro-blemas de control y regulación del tráfico vehicular son los Sistemas Inteligentes deTransporte (ITS, por sus siglas en inglés: Intelligent Transportation Systems), quepretenden mejorar el procedimiento y la seguridad del transporte terrestre tanto encarreteras como en líneas ferroviarias. Esta solución es uno de los tantos ejemplos decómo IoT [Spo] integraría una red de sensores que permitiría conocer la velocidad,ubicación y ruta de los vehículos [DD10]. El desarrollo de un sistema que permi-ta controlar la velocidad de desplazamiento de los peatones apoyaría en el futurodespliegue de sistemas ITS en la ciudad de Arequipa, u otras ciudades del Perú, con-tribuyendo con el control del flujo de desplazamiento y la reducción de accidentesde tránsito tanto peatonales como vehiculares.

1.2. Descripción del problema

Como se planteó en la Sección 1.1, la integración de un ITS en Arequipa u otrasciudades del Perú resultaría un alternativa moderna que permitiría un mejor controldel tráfico y la prevención de accidentes vehiculares y peatonales, debido a queimplica un sistema de comunicación entre los vehículos, las calles y los peatones[DD10]. Las soluciones actuales, como son por ejemplo las cámaras de vigilanciao las pistolas de radar, podrían ser también utilizadas para el control del tráficopeatonal; sin embargo, la instalación de estos equipos para ser dedicados únicamenteal control de los peatones sería de gran costo, además, las técnicas de procesamientoempleadas por estos sistemas resultan ser de alta complejidad computacional.Un sistema de bajo costo que permita estimar la velocidad del desplazamiento de laspersonas el cual no implique un complejo proceso de instalación sería una alterna-

10

1.3 Objetivos

tiva viable previo a la implementación de un sistema más complejo y autónomo. Elproblema a abordar en el presente trabajo es la falta de sistemas con tales caracte-rísticas, y que además sean portables, de manera que puedan ser usados en múltipleambientes y locaciones sin dificultad alguna.

1.3. Objetivos

1.3.1. Objetivo general

Diseñar e implementar un sistema de bajo costo que permita estimar la velocidadde desplazamiento de una persona.

1.3.2. Objetivos específicos

1. Adaptar un sensor de microondas omnidireccional de presencia para la reali-zación de mediciones directivas de desplazamiento.

2. Definir los parámetros que permitan la estimación de la velocidad.

3. Implementar funciones para la estimación de la velocidad.

4. Validar el diseño desarrollado, de hardware y software, con medidas referen-ciales.

5. Determinar las especificaciones técnicas del sistema desarrollado.

1.4. Metodología

La metodología a emplearse en el presente trabajo está descrita en la Figura 1.1. Elproceso comenzó a partir de la búsqueda y recopilación de información y litera-tura relacionada con el tema. Posteriormente, se diseñó un prototipo preliminarempleando materiales de bajo costo y teoría de antenas de guía de onda parala adaptación de la direccionalidad del sensor empleado. El sistema desarrollado fueempleado para la realización de pruebas experimentales, de las cuales, los resul-tados obtenidos fueron estudiados para definir las características que permitiesenestimar la velocidad de una persona. Obtenidos estos, se formuló un algoritmopara la solución del problema. Estos resultados serán validados con otras medidasreferenciales capturadas junto a las pruebas preliminares por otro sistema. Si los re-sultados son próximos, el sistema será validado y se realizará un prototipo final,caso contrario el algoritmo será rediseñado.

11

Capítulo 1 Introducción

Figura 1.1.: Diagrama de flujo de la metodología empleada.

1.5. Consideraciones complementarias

1.5.1. Recursos y materiales

Para la realización de pruebas preliminares y el diseño del prototipo se emplearonlos siguientes materiales:

Sensor de microondas RCWL-0516.

Estructura cilíndrica.

Módulo Arduino UNO.

Software MATLAB.

Software Arduino.

Sensores infrarrojos.

Materiales diversos: cables arduinos, pantalla LCD, baterías de 9V, conectorde pilas para módulo Arduino, protoboards, resistencias.

12

1.5 Consideraciones complementarias

1.5.2. Organización del presente documento

En el Capítulo 1 se presenta la introducción al trabajo donde se describe el pro-blema en la actualidad y la motivación de su estudio, así también se mencionan losobjetivos a cumplir, la metodología que se empleará y los materiales utilizados parasu estudio y posterior solución. En el Capítulo 2 se presenta el marco teórico enel cual se explican las consideraciones teóricas empleadas en el trabajo de acuerdo ala metodología empleada. En el Capítulo 3 se presenta el estado del arte donde seanaliza y comparan los estudios e investigaciones realizados previamente, los cualesfueron tomados como referencia para la aplicación de la solución propuesta. En elCapítulo 4 se presenta la propuesta de solución al problema, así como el diseñodel prototipo que se empleó para la obtención de medidas. En el Capítulo 5 sepresenta la implementación del prototipo, los resultados obtenidos en las medicionesrealizadas y su comparación con resultados de otros tipos de soluciones, así como lasconclusiones de estas. Por último, en el Capítulo 6 se presentan las conclusionesfinales de la investigación realizada, así como las direcciones para futuros estudios einvestigaciones en el campo.

13

2. Marco teórico

El presente trabajo requiere de conocimientos en las áreas de radio frecuencia (RF)y propagación, y procesamiento digital de señales.

El área de RF contribuirá al conocimiento de conceptos relacionados a la teoríay el funcionamiento de radares. Por otro lado, el área de procesamiento digitalde señales brindará las herramientas necesarias para el análisis de la información(en baja frecuencia) que permitirá estimar la velocidad en base a las medicionesrealizadas.

Para ello es necesario comprender conceptos como: propagación electromagnética,guía de onda, área de sección transversal y efecto Doppler. Sin embargo, el sensorutilizado tiene por finalidad estimar la velocidad, esto se logrará utilizando técnicasde procesamiento digital de señales como técnicas de enventanado, cálculo de pa-rámetros de la señales y estimación. A continuación, se describirán estos conceptoscon mayor detalle.

2.1. Sistemas de radar

Un radar (por sus siglas en inglés: Radio Detection And Ranging) es un sistema que,empleando ondas electromagnéticas, permite la detección de personas, vehículos onaves a su alrededor, estimando de esta forma su posición, tamaño, velocidad odirección de desplazamiento.

Su funcionamiento se basa en la transmisión de una onda electromagnética haciaun objeto en particular, la dispersión de la onda por el medio, la recepción de laonda reflejada por el objeto y el procesamiento de la señal recibida [MS14]. En laactualidad, los radares son empleados para múltiples aplicaciones: control de tráficoaéreo y vehicular, estudio del clima, estudio de suelos y superficies, uso militar, entreotros.

Existen diversas condiciones que afectan el desempeño del radar, las más relevantesson la frecuencia de operación (guía de onda), el modo de propagación de la señalelectromagnética y el área de la sección transversal del objetivo. Así también, existendiversos modos de operación de los radares, por ejemplo, hay radares que funcionancon el Cálculo de la Dirección de llegada (o DOA, por sus siglas en inglés, DirectionalOn Arrival) o también por efecto Doppler [Ala12].

15

Capítulo 2 Marco teórico

2.1.1. Propagación electromagnética

La propagación de las ondas electromagnéticas está relacionada con su frecuencia,o longitud de onda, y con el medio en el cual se propagan. La longitud de onda esinversamente proporcional a la frecuencia y está representada por [Mic]:

λ = 1f√εrµr

(2.1)

donde f es la frecuencia, εr es la permitividad eléctrica relativa y µr es la permea-bilidad magnética relativa al medio. Por ejemplo, en espacio libre (aire) la longitudde onda igual a λ = c/f , donde c = 1√

ε0µ0= 3× 108m/s.

Se oberva en los radares que a menudo a menor longitud de onda se obtiene mayoralcance de la señal, y viceversa [Che98].

2.1.2. Guía de onda circular (Propagación en guía de onda)

Una guía de onda es toda estructura lineal a través de la cual viajan las ondaselectromagnéticas. La propagación de la señal dentro de esta, conocida como modode propagación, dependerá de la geometría de la estructura, sus dimensiones, lapolarización de la onda y la longitud de la misma [Che98]. Así también, la señal puedeatenuarse muy rápido y no propagarse, lo cual es conocido como modo evanescente.

En una guía de onda circular, las líneas de fuerza del campo eléctrico y el cam-po magnético son perpendiculares entre sí, resultando un modo de propagaciónTE11[Mar51]. En general, los sistemas de telecomunicaciones y los radares empleaneste modo de propagación debido a que su frecuencia de operación es menor conrespecto a otros modos, siendo de esta manera el primero en propagarse a través dela guía de onda.

Para alcanzar el modo de propagación es necesario operar por sobre la frecuencia decorte de la guía de onda (fc), es decir, por sobre el límite desde el cual el sensor o laantena empiezan a radiar. Este valor a su vez resulta ser menor al de su frecuenciade operación, la cual es representada por fc = c/λc [Mar51, Fen11], donde λc esla longitud de onda de corte que equivale a λc = 1,707D, donde D corresponde aldiámetro de la guía de onda.

Existe una relación entre λ y λc, que resulta en la longitud de onda dentro de laguía (λg) representada por [Mar51, Fen11]:

λg = λ√1− ( λλc

)2(2.2)

la cual es siempre mayor a la longitud de onda en espacio libre.

16

2.2 Procesamiento digital de señales

Para una polarización lineal, el direccionamiento en la guía de onda se logra ubicandoel sensor o la antena a una distancia de λg/4 con respecto a la base de la guía deonda.

2.1.3. Corte transversal del radar

Una propiedad intrínseca de los objetos cuando están iluminados por un radar es elCorte Transversal del Radar o RCS (por sus siglas en inglés: Radar Cross-Section),el cual es el área de reflexión equivalente para las señales electromagnéticas emitidaspor el radar. Esta medida se basa en la comparación de la energía de la señal emitidapor el radar y la señal reflejada por un cuerpo [NO01], puesto que no toda la energíareflejada del objetivo es igual a la energía radiada.Existen varios parámetros que afectan el RCS, por ejemplo, el tipo de material delcuerpo radiado, su tamaño físico o el ángulo de incidencia de las ondas con respectoal cuerpo. En el presente trabajo, el RCS será una medida de efectividad del sensorelegido para detectar la presencia de personas en movimiento.

2.1.4. Efecto Doppler

El efecto Doppler es un fenómeno basado en el cambio de frecuencia de una ondacuando el transmisor o receptor se encuentran en movimiento. Se emplea en múltiplesaplicaciones como son la astronomía, para la detección del movimiento de planetas;la medicina, para la medición del flujo sanguíneo; las comunicaciones por satélite yen el control del tráfico vehicular [Har01, SFN+02, Liu99].El cambio de frecuencia producido por este efecto está dado por:

∆f = ∆vcf0 (2.3)

donde ∆v = vr − vt, es la diferencia entre las velocidades del transmisor, vt, y delreceptor, vr; y ∆f = fr − f0, donde f0 es la frecuencia emitida por la fuente, fr esla frecuencia recibida [Ala12] y c es la velocidad de la onda en el medio.El efecto Doppler es una técnica empleada en los sistemas de radar para el cálculode la velocidad, como es el caso de las pistolas de radar (speed gun) utilizadas parael control del tránsito vehicular en las carreteras.

2.2. Procesamiento digital de señales

2.2.1. Características de la señal

Previo a la obtención de características de la señal que permitan la estimación de lavelocidad se aplicó una técnica de enventanado sobre estas mismas, de manera que

17


el fragmento de la señal con información relevante fuese estudiado. Existen diversastécnicas de enventanado empleadas para el procesamiento de información, como esel caso de las ventanas Hanning, Hamming, Blackman, entre otras [HAHR01]. Enel presente trabajo se emplearán ventanas rectangulares.Por cada ventana se obtuvieron las siguientes características:

Tasa de cruces por cero:• La tasa de cruces por cero equivale a la sumatoria de los cambios de signo,

de positivo a negativo o viceversa, de los valores de una señal. Conocidacomo ZCR (por sus siglas en inglés: Zero-Crossing Rate), es una técnicaempleada para el análisis y reconocimiento de sonidos humanos [ID71].

Derivada:• La razón de cambio del valor de una función es conocida como función

derivativa o derivada. Esta función, empleada para el procesamiento dedatos, permite conocer las variaciones instantáneas de la señal muestreada[LE06]. Sin embargo, en la práctica se suelen utilizar umbrales, debido aque las señales presentan ruido en su composición, el cual hace posibleque la señal estudiada posea variaciones.

Las características mencionadas permiten estimar la velocidad, como será mostradoposteriormente en el presente trabajo.

2.2.2. Ajuste polinómico

Para encontrar una relación entre las características extraídas de las señales experi-mentales, mencionadas anteriormente, y la medida de velocidad se empleó la técnicade ajuste polinómico de manera que permitiese obtener dos tipos de ecuacionespolinómicas:

1. Ecuación univariable:Empleando solo una característica de la señal. Resultando en:

y(n) = α1 + α2x(n) + α3x2(n) + ...+ αp−1x

p(n) (2.4)

Donde p es el grado de la variable de la ecuación polinómica y x(n) es lacaracterística de la señal.

2. Ecuación multivariable:Empleando dos o más características de la señal. Resultando en:

y(n) = α1+α2x(n)+α3z(n)+α4xz(n)+α5x2z(n)+α6xz

2(n)+...+αp−1xpzq(n)

(2.5)Donde q es el grado de la segunda variable y z(n) es la segunda caracte-rística de la señal.

18

2.2 Procesamiento digital de señales

Donde y(n) es la variable medida. Es posible también determinar los coeficientesde tal manera que expliquen mejor el resultado de los datos medidos empleando latécnica de ajuste polinómico de error cuadrático representada por:

A = (XTX)−1XTY (2.6)

donde X representa la matriz de regresión y es:

Xx =

1 x(1) x2(1) . . . xp(1)1 x(2) x2(2) . . . xp(2)...

...... . . . ...

1 x(N) x2(N) . . . xp(N)

(2.7)

cuando se emplea una sola característica de la señal (univariable) y:

Xxz =

1 x(1) x2(1) . . . xp(1)z(2) xz(2) x2z(2) . . . xpz(2)z2(3) xz2(3) x2z2(3) . . . xpz2(3)...

...... . . . ...

zq(N) xzq(N) x2zq(N) . . . xpzq(N)

(2.8)

cuando se emplean dos o más características de la señal (multivariable), Y representala matriz de observación y es:

Y =

y(1)y(2)...

y(N)

(2.9)

y A es el polinomio estimado, representado por:

A =

α1α2...

αp−1

(2.10)

y N representa el número de muestras.Para hallar el grado p más óptimo de la ecuación polinómica a calcular se realizó unacomparación entre los valores de error que cada grado brinda, para ello se empleóprimero la técnica de validación cruzada (cross-validation) mediante K-fold. En esteproceso la base de datos obtenida es dividida en dos grupos, uno de evaluación y otrode validación (1). Como se puede observar en la Figura 2.1, el conjunto de datos deevaluación es dividido en K subconjuntos, de los cuales uno será utilizado como datosde prueba y los K-1 restantes serán empleados como datos de entrenamiento. Conel primero se calculará una ecuación polinómica de grado p que será entrenada por

19


los datos restantes entregando un valor de error cuadrático medio (2). Este procesoserá repetido K veces con cada uno de las K subconjuntos de prueba. Los erroresobtenidos son promediados resultando en un error para un grado p. El procedimientoes repetido p veces evaluándose en cada repetición ecuaciones con diferentes gradosde tal manera que el grado con menor error será el grado más óptimo (3) [RG16].

Figura 2.1.: Técnica de validación cruzada mediante K-folds.

Para evaluar los resultados obtenidos a partir de la ecuación polinómica resultanteen cada iteración se calcula el error cuadrático medio normalizado (ECMN) el cuales calculado mediante la ecuación:

εN = 1N

∑i

(Yi − YiYi

)2

(2.11)

donde N es la cantidad total de muestras de evaluación, Yi el valor real de la muestrai y Yi su valor estimada. Este proceso es repetido también con los datos de validacióna fin de calcular el error de los modelos desarrollados.

2.3. Sistemas embebidos

Los sistemas embebidos realizan específicas o diversas tareas computacionales, ade-más cuentan con una arquitectura simple y pequeña. Estos sistemas están basados enmicrocontroladores, los cuales, a diferencia de los microprocesadores, son de menorcosto y de fácil manipulación.

20

2.3 Sistemas embebidos

El presente trabajo utilizará un sistema embebido para el desarrollo de un prototipoautónomo (stand-alone), este estará compuesto por el sensor de microondas RCWL-0516 y el microcontrolador ATmega328P, el cual forma parte de la plataforma deprogramación Arduino UNO.

2.3.1. Sensor de microondas

El sensor de microondas RCWL-0516, empleado en el presente trabajo, es un móduloque actúa como alternativa a los sensores infrarrojo pasivos (o PIR, por sus siglasen inglés: Passive Infrared) utilizados comúnmente para la detección de movimientode personas y objetos en alarmas dentro de domicilios [T.K]. Sin embargo, no seha reportado su uso para la detección de velocidad en personas u objetos [Des]. Elobjetivo del presente trabajo busca comprender el funcionamiento del mismo para,por medio de investigaciones futuras, extender sus posibilidades de uso.

(a)

Figura 2.2.: Diagrama esquemático del sensor RCWL-0516 [Tay].

21


(a) (b)

Figura 2.3.: a) Cara anterior del sensor empleado. b) Cara posterior del sensorempleado.

Desarrollado por la empresa IC Station [RCW], este sensor opera en el rango defrecuencias de entre los 2.8 y 3.2 GHz. Posee además un patrón de radiación cercanoa omnidireccional el cual ha sido medido en la cámara Anecoica SG64, como semuestra en la Figura 4.3-a).

A continuación, se lista una tabla con las características presentes del módulo:

Nombre Valores de parámetros UnidadMin. Prom. Max.Voltaje de operación 4 - 28 VCorriente de operación - 2.8 3 mAFrecuencia de operación 2.8 3 3.2 GHzDistancia de detección 4 7 9 mPotencia de transmisión - 13 15 dBm

Voltaje de salida 3.2 3.3 3.4 VCuadro 2.1.: Características del módulo RCWL-0516.

2.3.2. Plataforma de programación

Como fue mencionado párrafos anteriores, el presente trabajo empleó el microcon-trolador ATmega328P perteneciente a la plataforma de programación Arduino UNOpara la obtención y procesamiento de datos obtenidos en las pruebas realizadas. Jun-to a este esta plataforma se integró una pantalla LCD que permite ver el resultadoobtenido, y una batería para facilitar la portabilidad del sistema.

22

2.3 Sistemas embebidos

A diferencia de otros sistemas embebidos, los módulos Arduino resultan ser losmás adecuados para la realización de diversas tareas gracias a que son sistemas opensource, es decir, pueden ser programados en diferentes lenguajes, además de tener unagran comunidad en línea que continuamente brinda nuevos aporte en el campo de laprogramación. Son sistemas que pueden funcionar de manera independiente, ya queposeen una memoria que almacena y ejecuta la función programada sin necesidad deestar conectado a un computador; y también son compatibles con diversos móduloscomplementarios como son los sensores infrarrojos, antenas de bluetooth, pantallaLCD, servomotores, entre otros.

23

3. Estado del Arte

Varios trabajos han sido desarrollados en los últimos años para determinar la velo-cidad de desplazamiento de las personas. Esta área de estudio es conocida como freespeed [DH06] y se dedica a estudiar diversas técnicas empleadas para la estimaciónde la velocidad de desplazamiento de las personas cuando no están influenciadaspor otras personas o por diversas estructuras en su entorno. El estudio suscitado enfree speed ha contribuido con el desarrollo de ITS para la mejora de los sistemas decontrol de transporte público y peatonal. En la actualidad, existen múltiples tecno-logías empleadas para la detección de la velocidad de personas y vehículos en ITS,de las cuales, las más importantes son: las técnicas de procesamiento de imágenes,los sensores ultrasónicos, los sensores piezoeléctricos, los sensores infrarrojos y lossensores de microondas.

A continuación, se describirán las características, ventajas y desventajas de cada unade estas tecnologías.

3.1. Técnicas de procesamiento de imagen

Existen múltiples técnicas de procesamiento de imagen [YSC11] empleadas para elcálculo de la velocidad de las personas. Su funcionamiento se basa en la compara-ción de pixeles para detectar el cambio en una zona definida [BHZ98], con la cualextrae las características espaciales y temporales de las personas, logrando estimarsu velocidad e incluso pudiendo detectar su trayectoria. Las últimas investigacionesy estudio en esta tecnología han permitido que estos sistemas puedan ser ubicadostanto en zonas peatonales [DWSP09] como en los mismos automóviles [BCG+09];solucionando de esta manera los problemas de portabilidad del sistema, pero requi-riendo de un elevado e inmediato costo computacional.

La desventaja más importante reside en que estos sistemas requieren un alto costo deimplementación; a su vez, su alta sensibilidad a la luz, la sombra y el clima [DNL02]no hace posible su utilización en todo tipo de entornos.

3.2. Sensores ultrasónicos

Los sensores ultrasónicos son sistemas pasivos, cuyo funcionamiento se basa en laemisión de un sonido ultrasónico y la recepción del eco producido el rebote en un

25

Capítulo 3 Estado del Arte

cuerpo u objeto [BHZ98]. Dependiendo del tipo de fabricante, se puede obtener unadistancia de medición mínima de 4 metros hasta un máximo de 20 metros [Sen],siendo utilizados para la detección de carros y personas. Además de ser empleadosen superficie, su uso más común se da dentro del mar, donde son empleados ensubmarinos para uso militar.

Una de sus desventajas es que, dependiendo de la temperatura del entorno y lahumedad, el área de detección puede aumentar o disminuir; así también, según eltipo de material de la vestimenta de la persona, esta puede ser fácilmente detectado(si viste nylon o tela sintética) o casi no detectado (si viste algodón o fibra natural)[BHZ98]. Además, estos sistemas requieren ser instalados en una posición vertical,obligando en algunos casos la instalación de un mástil adicional. Por último, son pocorobustos ante otras señales de ruido [DNL02], requiriendo de técnicas avanzadas deprocesamiento de señales.

3.3. Sensores piezoeléctricos

Los sensores piezoeléctricos consisten en losas ubicadas en el pavimento las cualesmiden el tiempo de presión ejercida cuando una persona se moviliza por sobre estas[DNL02], infiriendo de esta manera su velocidad. No obstante, son sistemas limitadosen portabilidad, además de requerir un proceso de instalación complejo y una altacalibración del sensor [BHZ98].

3.4. Sensores infrarrojos

Existen dos tipos de sensores infrarrojos: los sensores infrarrojos pasivos conoci-dos como sensores PIR (por sus siglas en inglés: Passive InfraRed), y los sensoresinfrarrojos activos o IR (por sus siglas en inglés: InfraRed) [DNL02].

Los sensores PIR detectan el cambio de la radiación entre un cuerpo y el resto delambiente, detectando de esta manera la presencia de una persona u objeto en elentorno. Operan comúnmente entre los rangos de -20° a 50°C y poseen un rango dealcance de entre los 4 a 15 metros, dependiendo del fabricante y el costo del mismo.A diferencia, los sensores IR emiten un haz de luz infrarrojo, emitido en muchoscasos por un diodo LED, de baja potencia el cual es detectado por un fototransistor.El sistema de detección funciona cuando el fototransistor no detecta la señal emitidapor el LED.

Una de sus principales ventajas de los sensores PIR es que pueden ser ubicados encualquier posición sin que su rango de visión se vea afectado, sin embargo, entre unade sus desventajas se encuentra su vulnerabilidad a las condiciones climáticas delambiente [BHZ98], además que su rendimiento se reduce a medida que el cuerpo sealeja. Sucede un caso similar con los sensores IR, los cuales no permiten un amplio

26

3.5 Sensores microondas

rango de alcance, puesto que medida que la distancia entre el diodo y el fototransistorse incrementa, se pierde integridad del haz emitido.

3.5. Sensores microondas

Los sistemas que emplean sensores de microondas emiten una señal electromagnéticaa una determinada frecuencia a través de una antena transmisora, la antena receptoracompara la señal transmitida con la señal reflejada por un cuerpo o un objeto [Pol07].Existen dos tipos de sensores microondas [BHZ98]:

El primero, basado en el principio de efecto Doppler; transmite una ondacontinua a una determinada frecuencia, la onda reflejada cambia su frecuencia,lo cual permite el cálculo de la velocidad del objeto o persona en movimiento.Este tipo de sensor es empleado en las pistolas de radar, utilizadas para elcontrol de velocidad en carreteras. El cambio en frecuencia está determinadopor la siguiente fórmula:

F = 2vf/c (3.1)

Donde v es la velocidad a la cual se desplaza la persona u objeto expresada enm/s, f es la frecuencia en Hz de la señal, y c es la velocidad de la luz.El segundo, transmite una onda de forma de diente de sierra, mayormenteconocida como FMCW (Frequency Modulated Continuous Wave), cuya fre-cuencia varía constantemente. A diferencia del anterior, este no es empleadopara la detección de objetos en movimiento [HJL16], debido a que requiere unsistema de hardware más complejo y de costo elevado.

Los sistemas de microondas más comunes operan en frecuencias de 10 GHz y 24GHz, banda K y banda X respectivamente, principalmente por su pequeño tamaño.Y tienen un rango de alcance de entre los 4 y 15 metros. Además, no son vulnerablesante la presencia de luz, sombras y humedad; además de ser robustos ante la inter-ferencia causada por otro tipo de señales [DNL02]. No requieren de un complicadoproceso de instalación, y son además portables. Existen diversos tipos de sistemasde radar en el mercado, los más comunes y más conocidos son las llamadas pistolasde radar, los cuales son de elevado costo y susceptibles a interferencias [JP14].

3.6. Apreciaciones

El amplio estudio de los ITS ha permitido que múltiples tecnologías hayan sidodesarrolladas, tanto para la detección de personas como para la detección de objetoso vehículos. Como se puede observar en la Tabla 3.1, se realizó una comparaciónde las características de los diferentes sistemas empleados para la detección de lavelocidad de personas en ITS, se puede concluir que los sensores de microondasresultan ser un candidato adecuado para esta labor.

27

Capítulo 3 Estado del Arte

El sistema desarrollado en el presente trabajo emplea un sensor de microondas queradia a una frecuencia de 3 GHz y es de bajo costo, solucionando así la principaldesventaja de los radares de microondas. Además, el desarrollo de un sistema por-table posibilitaría su uso en múltiples lugares y entornos, pudiendo llegar a ser unsistema de uso común.

28

3.6 Apreciaciones

Tecno

logía

Alcan

ceCosto

Com

plejidad

deinstalación

Portabilid

adObservacion

es

Procesam

iento

deim

ágen

esmed

ioalto

alta

siSe

nsibilida

dadiversas

cond

icione

sam

bientales.

Piezoeléctric

aba

jomed

ioalta

noNecesidad

decalib

ración

constante

Ultr

asón

ica

alto

med

iomed

iano

Usado

enmed

ioterrestreoacuá

tico.

Sensiblesaruidos

externos.

Instalaciónde

equipo

enún

icapo

sición.

Infra

rroja

alto

bajo

baja

no

Sensible

adiversas

cond

icione

sam

bientales.

Ren

dimiento

relacion

adoadistan

cia

conob

jetiv

o

Microon

das

alto

bajo

baja

si

Rob

usto

ainterfe

renc

iade

otrasseña

lesy

diversas

cond

icione

sam

bientales.

Cua

dro3.1.:Com

paración

detecn

olog

íasem

pleada

spa

raIT

S.

29

4. Diseño de solución

El diseño del sistema propuesto consta de tres etapas, como se puede apreciar en elesquema de la Figura 4.1: en la primera etapa se desarrolla la estructura del sistemacon la cual se realizarán pruebas de experimentación; posteriormente, se realiza elprocesamiento de los datos obtenidos encontrando la relación de las característicasde la señal que permitan estimar la velocidad de las personas. Finalmente, se desa-rrolla el sistema embebido basado en una plataforma programable y el sensor demicroondas empleado.

Figura 4.1.: Diagrama de bloques de las etapas desarrolladas en el presente trabajo.

4.1. Etapa 1: Desarrollo de sistema

4.1.1. Sensor de microondas

Como se mencionó en la Sección 2.2, el sensor de microondas empleado, el RCWL-0516, posee un patrón de radiación cercano a omnidireccional, eso significa que suárea de medición es sensible a toda persona u objeto que se encuentre a su alrededor.En el presente trabajo se busca desarrollar un sistema directivo de manera que lamedida realizada no sea distorsionada por otros agentes que se encuentren fuera delángulo de visión del radar.

Para el direccionamiento del sensor se empleó una estructura cilíndrica como guíade onda, de acuerdo a las características del sensor detalladas en la Tabla 2.1 y em-pleando teoría de propagación electromagnética descrita en la Sección 2.1 se obtuvoque el sensor posee una longitud de onda λ = 0,1m para una frecuencia de 3GHz.

Al emplear una guía de onda, es necesario conocer sus dimensiones y desarrollar lasfórmulas de propagación dentro de esta detalladas en Sección 2.1, para conocer ladistancia a la cual será posicionado el sensor con respecto a la base de la estructura

31

Capítulo 4 Diseño de solución

empleada, de manera que se logre el direccionamiento del mismo. La guía de ondacircular empleada presenta unas dimensiones de D = 10,1cm de diámetro y h =11,5cm de altura, resultando entonces tener una longitud de onda de corte de λc =0,172m, una frecuencia de corte de fc = 1,74GHz y una longitud de onda de guíade λg = 0,123m.

Por lo tanto, como la distancia deseada corresponde a un cuarto de la longitud deonda de guía (λg/4), esta resultaría 3.1cm. En la Figura 4.2-a) se muestra el esquemade la posición del sensor calculada en relación a la estructura de la guía de onda.Cabe mencionar también que el sensor no presentará problemas de operación puestoque su frecuencia de corte cumple con ser menor a su frecuencia de operación. Y enla Figura 4.2-b) se muestra una fotografía del prototipo implementado, el módulolocalizado dentro de la guía de onda circular.

Figura 4.2.: a) Vista lateral del prototipo propuesto. b) Fotografía del prototipoimplementado.

El patrón de radiación del módulo fuera de la guía de onda se presenta en laFigura 4.3-a). Sin embargo, luego de haber sido localizado este módulo dentro de laguía de onda, el patrón de radiación obtenido es el que se muestra en la Figura 4.3-b). Se puede notar de ambas figuras que el patrón de radiación ha sido direccionadopor la guía de onda circular, además que posee un HPBW (por sus siglas en inglés:Half-power Beamwidth) de 57,43◦ aproximadamente, el cual será el ángulo de ope-ración del radar. El estudio del patrón de radiación fue desarrollado dentro de lacámara anecoica SG64.

32

4.1 Etapa 1: Desarrollo de sistema

Figura 4.3.: Gráfica del patrón de radicación en coordenadas rectangulares, ejes Xy Y. a) Patrón de radiación del sensor a 3 GHz. b) Patrón de radiación del sensordireccionado a 3 GHz.

4.1.2. Sistema de sensores infrarrojos

Junto al sistema de medición desarrollado se diseñó un sistema de validación com-puesto por un par de sensores infrarrojos los cuales fueron empleados para el cálculode la velocidad de las personas. El resultado obtenido por este sistema será compa-rado con el resultado del sensor de microondas de manera que nos permitirá conocersu grado de efectividad y porcentaje de error. Para su diseño se emplearon LEDsinfrarrojos y fototransistores, los cuales fueron ubicados de la siguiente manera:

Figura 4.4.: Sistema de sensores infrarrojos para la estimación de la velocidad.

33


Para lograr un cálculo de la velocidad por medio de este sistema es necesario conocerla distancia que será recorrida por el sujeto. Al iniciar el recorrido se registraráun tiempo t = τi y, posteriormente, un tiempo t = τf al finalizar el recorrido, lavelocidad del sujeto será igual v = D/(τf − τi).

4.1.3. Sistema embebido

Se utilizó una plataforma de programación embebida para la obtención de datos lacual debía ser capaz de trabajar de manera autónoma y portable. La plataformaelegida fue el microcontrolador ATmega328P, como se mencionó en la Sección 2.3,conocido como Arduino UNO. De la plataforma en mención, se empleó una entradaanalógica para la captura de las señales enviadas por el sensor, además se aprove-charon los pines disponibles con energía para su alimentación.

El sistema embebido constó del sensor de microondas, para la recolección de lasseñales de movimiento; el microcontrolador mencionado, para el procesamiento delos datos obtenidos; un display (LCD), para proporcionar el resultado al usuario;y una batería, como fuente de alimentación logrando que el sistema sea totalmenteportable. Este sistema debe tener los algoritmos necesarios para poder estimar lavelocidad de los peatones a partir de las lecturas del sensor y mostrar resultadosfiables.

La conexión realizada se muestra en la Figura 4.5.

Figura 4.5.: Conexión entre sensor RCWL-0516, plataforma de programación (Ar-duino) y batería.

34

4.2 Etapa 2: Procesamiento de datos

4.2. Etapa 2: Procesamiento de datos

Para la etapa de procesamiento de datos se emplearon los programas MATLAB yArduino IDE para desarrollar diversas funciones que nos permitan establecer unaconexión entre hardware y software, realizar la captura de señal analógica, crearuna base de datos, procesar la información obtenida y obtener como resultado lavelocidad estimada.

Previo a la captura de datos se realizó primero un proceso de comprobación dedetección de la señal analógica por parte del sensor empleado. Para ello se creóla función t_lectura_analog.m, cuyo código se encuentra adjunto en el Apéndice-Sección A.1. Este proceso se realizaría a través de un puerto serial, capturando losdatos a una frecuencia de muestreo de 55 Hz por un tiempo determinado por elusuario. Este valor fue elegido empíricamente como la menor frecuencia de muestreoque permita obtener características para estimar la velocidad, buscando reducir lapotencia computacional necesaria. La Figura 4.6 muestra el comportamiento de laseñal ante la ausencia (a) y presencia (b) del movimiento.

Figura 4.6.: Señal analógica capturada desde sistema embebido. a) Ausencia demovimiento. b) Presencia de movimiento.

Posteriormente, se realizó una serie de experimentos cuya información conformaríauna base de datos la cual sería procesada posteriormente. Estos experimentos co-rresponderían al desplazamiento de distintas personas a diferentes velocidades, lamedida de velocidad de referencia sería calculada utilizando sensores infrarrojos. La

35


base de datos obtenida sería dividida en dos grupos: el primero empleado para elentrenamiento del sistema y el segundo para la validación de este.A continuación, cada una de las señales obtenidas fueron recortadas a fin de analizarúnicamente la parte con información relevante de cada señal, para lo cual se creóla función of_infoRelev .m. Después, se realizó un enventanado sobre cada señalcreándose ventanas de 27 muestras de longitud, es decir, aproximadamente 0.491segundos duración. Además, cada ventana tendría un solapamiento de 26 muestras afin de abarcar la totalidad de la señal. Este proceso se desarrolló mediante la funciónof_windoverlap.m. El código de las funciones mencionadas se encuentra adjunto enel Apéndice-Sección A.2.Por último, se analizaron diversas características sobre los datos obtenidos con elobjetivo de conocer cual o cuales influyen en su comportamiento y son relevantespara la estimación de la velocidad. Como se mencionó en la Sección 2.2, la cantidadde cruce por cero y la derivada de la señal resultaron ser las características que mejorexpresan el comportamiento de las mismas. Ambas características fueron desarro-lladas mediante dos funciones: f_zcr .m y f_peak.m, para la cantidad de cruces porcero y la derivada respectivamente. Los códigos de ambas funciones se encuentranadjuntos en el Apéndice-Sección A.3.La Figura 4.7 describe el procedimiento descrito anteriormente:

Figura 4.7.: Diagrama de procedimiento para la captura de datos.

Es necesario mencionar que las características elegidas no son las únicas capaces

36


de cumplir dicha función, puesto que pueden existir otras técnicas que describanaún mejor el comportamiento de las señales estudiadas. Sin embargo, su aplicaciónse debe principalmente a su poca complejidad y al bajo coste computacional quemanejan.

4.2.1. Procesamiento univariable

A partir de las características estudiadas se obtuvieron dos variables dependientes:Z y D, correspondientes a la cantidad de cruces por cero y derivada de la señalrespectivamente. Empleando estar características se buscarán funciones de una solavariable: f(z) y f(d), las cuales nos permitan estimar la velocidad. De la misma ma-nera, es posible buscar una función multivariable f(z, d) la cual también nos permitaestimar la velocidad. En ambos casos se emplearon ecuaciones de ajuste polinómicoa fin de ajustar la data empleando mínimos cuadrados, como fue mencionado en laSección 2.2. Para calcular el grado óptimo de cada ecuación polinómica se empleóla técnica de validación cruzada.

Para el cálculo de la velocidad empleando funciones de una sola variable se desa-rrolló el script Master_v2.m en MATLAB, cuyo código se adjunta en el Apéndice-Sección A.4. El procedimiento se basó en dividir el conjunto de datos de entrena-miento en N subconjuntos, donde con cada subconjunto se calcularon dos ecuacionespolinómicas de grado p de acuerdo al modelo mencionado en la Sección 2.2, resul-tando:

y(n) = α1 + α2z(n) + α3z2(n) + ...+ αp−1z

p(n) (4.1)

y

y(n) = α1 + α2d(n) + α3d2(n) + ...+ αp−1d

p(n) (4.2)

donde y(n) es el valor real de la velocidad, z(n) y d(n) los valores de las característicasextraídas de cada señal, y α el valor de los coeficientes calculados por cada gradopolinómico.

Para calcular el grado óptimo del polinomio se realizó una comparación de errorentre el valor de velocidad estimada por cada ecuación y la velocidad real, resul-tado el grado óptimo aquel que arroje un valor menor de error cuadrático medionormalizado.

La Figura 4.8 describe los pasos seguidos en el script desarrollado:

37


Figura 4.8.: Diagrama de procedimiento para el cálculo de grado polinómico ópti-mo.

4.2.2. Procesamiento multivariable

Para el cálculo de la velocidad empleando una función multivariable se desarrolló elscript Master_v3.m en MATLAB, cuyo código se encuentra adjunto en el Apéndice-Sección A.5. El procedimiento, al igual que el empleando para funciones de una solavariable, dividió en N subconjuntos los datos de entrenamiento, con los cuales secalcularon diversas combinaciones de ecuaciones las cuales fueron comparadas demanera que la entrenada en un menor valor de error sería la óptima.El objetivo de combinar ambas variables en una única ecuación polinómica es obtenerun menor resultado de error, resultando el siguiente modelo:

y(n) = α1+α2z(n)+α3d(n)+α4zd(n)+α5z2d(n)+α6zd

2(n)+...+αp−1zpdq(n) (4.3)

donde z(n) y d(n) representan los modelos más elementales de cada variable, cuyoorden de cada variable va incrementando independientemente y a su vez incremen-

38

4.3 Etapa 3: Desarrollo de sistema embebido

tando el orden del modelo polinómico. El modelo que arroje un menor valor menorde error cuadrático medio normalizado resultará ser el óptimo.

La Figura 4.9 describe los pasos seguidos en el script desarrollado:

Figura 4.9.: Diagrama de procedimiento para el cálculo de grado polinómico óptimocon múltiples variables.

4.3. Etapa 3: Desarrollo de sistema embebido

Para el desarrollo del sistema embebido se programaron las funciones de cálculode cruces por cero y de transiciones abruptas a la plataforma Arduino, de maneraque ambas variables puedan ser calculadas y procesadas en dicha plataforma. Asítambién, se adicionaron las ecuaciones determinadas para la estimación de la velo-cidad a partir de las características estudiadas. La programación se desarrolló en elsketch SpeedDet.ino, cuyo código se adjunta en el Apéndice-Sección A.6. Además, alprototipo desarrollado se le adicionó una pantalla LCD para observar la medida cal-

39


culada y una batería de 9V para facilitar su portabilidad y lograr su funcionamientode manera autónoma.

40

5. Implementación y resultados

5.1. Etapa 1: Pruebas experimentales

5.1.1. Disposición del sistema

Para la realización de pruebas experimentales, tanto el sistema de medición como elsistema de referencia fueron dispuestos de la siguiente manera:

Figura 5.1.: a) Esquema de ubicación de sensores para la detección de la velocidad.b) Fotografía de esquema mostrado en a).

5.1.1.1. Sistema de microondas

El sistema de microondas, compuesto por el sensor RCWL-0516 direccionado y elmódulo Arduino UNO, junto a una computadora portátil fueron ubicados a mitaddel área de desplazamiento a una distancia de 4 metros perpendicular a dicha área,como se pudo observar en la Figura 5.1. La ubicación fue dispuesta de manera quelograba registrar el desplazamiento de las personas a una velocidad constante.

41

Capítulo 5 Implementación y resultados

5.1.1.2. Sistemas infrarrojo

Como se detalló en la Sección 4.1, el resultado obtenido por el sistema de sensoresinfrarrojos fue empleado como una medida de referencia.

El sistema, como se observó en la Figura 5.1, fue ubicado en los extremos del áreade desplazamiento de manera que el primer sensor (a) detectaba el tiempo en que lapersona iniciaba el recorrido para que luego el segundo sensor (b) detecte el tiempoen que este era terminado. La distancia recorrida dividida por la diferencia de ambostiempos nos permitía conocer la velocidad desplazamiento en el área de prueba.

5.1.2. Protocolo de mediciones

El protocolo consistió en el desplazamiento de cuatro personas a diferentes veloci-dades en un área al aire libre. El área total del espacio era de 15 × 8 metros, losparticipantes se desplazaron a lo largo de un área de 15× 1,5 metros, el cual estabadividido en tres subáreas, la primera de 2.5 metros, la cual era empleada como áreade arranque; la segunda de 10 metros, donde el participante realizaba el desplaza-miento a una velocidad continua; y la última de 2.5 metros, en la cual la velocidadera reducida.

Cada participante realizó 25 pruebas de desplazamiento divididas de la siguientemanera: las 8 primeras se realizaron a velocidad lenta, o de caminata; las 9 siguientesa velocidad media o de trote y las 8 últimas a velocidad rápida o de carrera. Durantecada prueba realizada, el sistema de microondas realizaba capturas por tiempo, asílas pruebas a velocidad de baja fueron realizadas por un tiempo de 15 segundos y laspruebas a velocidad media y alta con tiempos de 10 segundos cada una. Se obtuvoun total de 100 muestras, las cuales fueron almacenadas en una base de datos.

5.2. Etapa 2: Procesamiento de datos

Realizadas las pruebas experimentales y creada la base de datos, se realizó el análisisde las muestras obtenidas. Observando la Figura 5.2 es posible notar una diferenciavisual entre las señales de las distintas velocidades de desplazamiento obtenidas.

42


Figura 5.2.: Señales recibidas a diferentes velocidades de desplazamiento. a) 1.36m/s b) 2.81 m/s c) 4.71 m/s

Se puede observar en a) que al realizar un desplazamiento a baja velocidad la formade onda es de mayor duración a diferencia de un desplazamiento a mayor velocidadcomo se muestra en c).

Se realizó el análisis de las muestras empleando las funciones desarrolladas en laSección 4.2, resultando que las características estudiadas (cantidad de cruces porcero y la derivada de la señal) son inversamente proporcionales a la velocidad delas señales, de esta manera a es menor velocidad medida el valor de las variablescalculadas es mayor, y viceversa.

Es necesario mencionar que para el cálculo de la derivada (transiciones abruptas)el umbral empleado es de 0.25 V/s debido a que las señales menores a este umbralresultan ser ruido. Además, de ahora en adelante la característica de la derivadade la señal será mencionada como transiciones abruptas mayores a un umbral de0.25V/s.

El ajuste polinómico realizado por cada característica resultó en la siguiente gráfica,donde se observa la velocidad estimada (línea sólida) y su aproximación a la velocidadreal (× y ◦).

43


Figura 5.3.: Gráfica de la velocidad (sistema infrarrojo) en función de las carac-terísticas analizadas en diversas muestras adquiridas. La relación empírica de lasecuaciones polinómicas se ajustan a los datos (línea sólida). a) Cantidad de crucespor cero (en x). b) Cantidad transiciones abruptas mayores a 0.25 V/s (en o).

5.2.1. Procesamiento univariable

De acuerdo al procedimiento descrito en Subsección 4.2.1 se empleó la técnica devalidación cruzada, mediante K-fold, para calcular el grado de la ecuación polinó-mica que entregue menor error. Para ello, el conjunto de datos de entrenamiento,compuesta por 80 muestras, fue dividas en 5 subconjuntos de 16 muestras cada una.Con el primer subconjunto se empleó la técnica de validación cruzada obteniéndoseuna ecuación polinómica de grado p, los 4 subconjuntos restantes eran entrenadosen la ecuación obtenida y la velocidad resultante era comparada con la velocidadreal del resto de los subconjuntos, obteniendo así un promedio de error de dichaecuación.

Este proceso fue repetido en cada subconjunto y con distintos grados p de ecuaciónpolinómica, de manera que por cada grado de ecuación se obtendría un promediode error cuadrático resultante de 5 muestras. Además, fue repetido por cada una delas características estudiadas en cada señal.

44


Figura 5.4.: Error cuadrático para ecuaciones polinómicas univariables de diferen-tes grados.

En la Figura 5.4 se puede apreciar que un buen compromiso para el modelo en ambascaracterísticas se obtiene con polinomios de segundo grado.

ZX =[1 + x+ x2

](5.1)

ZY =[1 + y + y2

](5.2)

Para obtener los coeficientes de la Ecuación 5.1 y la Ecuación 5.2 se recurre al proce-dimiento descrito en la Subsección 2.2.2 y mencionado anteriormente. Finalmente,este proceso resulta en los siguientes modelos polinómicos por cada característicaestudiada:

Z = 1,479× 10−6X2 − 5,102× 10−3X + 5,727 (5.3)

Z = 6,347× 10−8Y 2 − 1,257× 10−3Y + 5,281 (5.4)

donde Z es la velocidad estimada, X es la cantidad de cruces por cero de la señal yY el número de transiciones abruptas superiores al umbral.

45


Para la validación de las ecuaciones calculadas se empleó un conjunto de muestrasde validación, las cuales no fueron conocidas anteriormente por el modelo duranteel proceso de entrenamiento. Para cada característica estudiada se obtuvieron lossiguientes resultados de error:

Cruces por cero Transiciones abruptasVelocidad

real(m/s)

Velocidadestimada(m/s)

Errorrelativo(%)

Errorabsoluto(m/s)

Velocidadestimada(m/s)

Errorrelativo(%)

Errorabsoluto(m/s)

4.221 4.466 5.8 0.245 4.047 4.1 0.1742.841 3.172 1.16 0.331 3.019 6.3 0.1795.101 4.729 7.3 0.371 4.194 17.8 0.9071.129 1.524 35 0.396 1.226 8.6 0.0971.201 1.347 12.2 0.147 1.425 18.7 0.2243.236 3.149 2.7 0.087 3.124 3.4 0.1122.358 2.829 20 0.471 2.491 5.6 0.1332.198 1.849 15.9 0.349 2.549 16.0 0.3513.687 4.114 11.6 0.427 4.099 11.2 0.4121.326 1.698 28.1 0.372 1.824 37.5 0.4985.155 4.200 18.5 0.955 3.897 24.4 1.2584.536 5.377 18.5 0.841 5.057 11.5 0.5214.484 3.768 16.0 0.716 3.898 13.1 0.5873.021 3.126 3.5 0.105 2.638 12.7 0.3831.536 1.329 13.5 0.207 1.152 25.0 0.3841.189 1.328 11.8 0.140 0.849 28.6 0.3401.184 1.339 13.1 0.155 1.051 11.3 0.1331.479 1.488 0.6 0.009 2.046 38.3 0.5673.155 2.847 9.8 0.308 3.177 0.7 0.0224.545 4.313 5.1 0.232 3.897 14.2 0.648

Cuadro 5.1.: Error del sistema por cada característica para cada experimento delconjunto de datos de validación.

Obtenidos los valores de error por muestra se procedió al cálculo del error cuadráticomedio normalizado sobre cada característica, empleando las fórmulas mencionadasen la Sección 2.2, se obtuvieron los siguientes resultados:

Característica ECMN (%)Cruces por cero 2.37

Transiciones abruptas 3.46Cuadro 5.2.: Error cuadrático medio normalizado por cada característica estudia-da.

46


Se puede deducir entonces que el cálculo de cruces por cero para la estimación de lavelocidad otorga un valor más próximo al valor real a diferencia de la cantidad detransiciones abruptas. Sin embargo, ambas técnicas entregan un porcentaje de errorválido por debajo del 10%

Figura 5.5.: Velocidad real vs. velocidad estimada de los valores obtenidos en laTabla 5.1

En la Figura 5.5 se puede observar la correlación de la velocidad real y la velocidadestimada de los datos de cada una de las características en Tabla 5.1. La regresiónlineal calculada resulta en una correlación de 89% para los cruces por cero y 81.9%para las transiciones abruptas.

5.2.2. Procesamiento multivariable

En busca de reducir el error calculado con ambas características, estas fueron com-binadas en una única ecuación. A diferencia del procedimiento anterior, esta vezsolo se empleó el conjunto de datos de validación sin dividirlo en subconjuntos. Secreó una matriz de 3× 3 de acuerdo al modelo 2.8 de la Sección 2.2, obteniendo lasiguiente matriz de ecuaciones:

47


ZXY =

x+ y x+ y2 + y x+ y3 + y2 + yx2 + x+ y x2 + x+ y2 + y x2 + x+ y3 + y2 + y

x3 + x2 + x+ y x3 + x2 + x+ y2 + y x3 + x2 + x+ y3 + y2 + y

(5.5)

Sobre cada polinomio se aplicó la técnica de validación cruzada con los valores de lascaracterísticas y la velocidad real. Por último, se calculó el error cuadrático mediode cada uno. El valor menor resultaría el modelo óptimo. Resultando en el siguientepolinomio y obteniéndose la siguiente ecuación:

ZXY =[1 + x+ x2 + y

](5.6)

Z = 1,309× 10−6X2 − 3,9× 10−3X − 3,65× 10−4Y + 5,739 (5.7)

donde Z es la velocidad estimada, X es la cantidad de cruces por cero de la señal yY el número de transiciones abruptas superiores al umbral.

La ecuación fue validada empleando el conjunto de muestras de validación, obte-niéndose los siguientes resultados:

48


Cruces por cero y transiciones abruptasVelocidad real

(m/s)Velocidad estimada

(m/s)Error relativo

(%)Error absoluto

(m/s)4.221 4.402 4.3 0.1812.841 3.103 9.23 0.2625.101 4.648 8.88 0.4531.129 1.334 18.18 0.2051.201 1.553 29.31 0.3523.236 3.125 3.43 0.1112.358 2.665 13 0.3072.198 2.062 6.2 0.1363.687 4.157 12.75 0.4701.326 1.685 27.08 0.3595.155 4.155 19.4 1.0004.536 5.405 19.17 0.8704.484 3.837 14.44 0.6473.021 2.928 3.07 0.0931.536 1.324 13.79 0.2121.189 1.182 0.53 0.0061.184 1.346 13.66 0.1621.479 1.694 14.53 0.2153.155 2.933 7.03 0.2224.545 4.239 6.74 0.306

Cuadro 5.3.: Error del sistema empleando una ecuación de múltiples variables paracada experimento del conjunto de datos de validación.

Finalmente, se calculó el error cuadrático medio normalizado, al igual que en elprocedimiento anterior, obteniéndose el siguiente resultado:

Características ECMN (%)Cruces por cero y transiciones abruptas 2.07

Cuadro 5.4.: Error cuadrático medio normalizado para una ecuación polinómicade múltiples características.

Como se pudo observar, se logró reducir el error calculado en el procedimiento an-terior empleando una ecuación que combinara ambas características, de manera quelos valores de velocidad estimados resultan aún más próximos a los valores reales develocidad, manteniéndose un error por debajo del 10%.A continuación, en la Figura 5.6 se puede observar la velocidad real versus la velo-cidad estimada de los datos en la Tabla 5.3. La regresión lineal calculada a partir

49


de los datos mencionados nos resulta 87.96% de correlación.

Figura 5.6.: Velocidad real vs. velocidad estimada de los valores obtenidos en laTabla 5.3

Como se observó en la Tabla 5.1 y la Tabla 5.3 existe una variación del cálculo deerror por sobre cada experimento realizado, esto se debe principalmente al sistema deentrenamiento empleado para el cual se utilizaron personas con distintas capacidadesfísicas de manera que los datos obtenidos sean lo más generales posibles.

Otro factor también considerado es el tiempo de oscilador del sistema de microondasempleado. Sin embargo, al haberse realizado todos los experimentos en las mismascondiciones, se considera que este efecto tiene un menor impacto en los resultados.

5.3. Etapa 3: Sistemas embebido

Obtenidos resultados favorables en las pruebas de experimentación, se integró todoel prototipo de sistema embebido como se puede apreciar en la Figura 5.7.

50

5.4 Costo total del sistema

(a)

(b)

Figura 5.7.: a) Esquema del sistema desarrollado. b) Fotografía del esquema mos-trado en a).

El sistema se implementó y dejo a nivel de prueba de concepto de prototipo, corres-pondiente a un nivel TRL-5 (por sus siglas en inglés: Technological Readiness Level),en base a la escala de nivel de madurez tecnológica empleada por la NASA[TRL].

5.4. Costo total del sistema

El costo actual del prototipo del sistema solo incluye el precio de mercado de loscomponentes empleados, no se incluyen otros precios como, por ejemplo, la mano deobra u horas hombre empleadas en el trabajo de integración.

51


Elemento Precio(USD)

RCWL-0516 1.10Arduino UNO 15.00

Estructura cilíndrica 0.50Pantalla LCD 5.00Batería 9V 4.00

Materiales diversos (cables, LEDs,resistencias, protoboard) 7.50

Total USD 33.10Cuadro 5.5.: Costo del sistema.

Como se puede observar en la Tabla 5.5, el costo total del sistema es un precioaccesible en comparación con las soluciones disponibles en el mercado, cuyo preciopromedio oscila entre los $100 y $300 dólares. Además, el costo no está delimitadopor el sensor empleado, sino por la plataforma de programación empleada por locual resulta mucho más económico.

52

6. Conclusiones

6.1. Conclusiones finales

Se logró diseñar e implementar un sistema que permite estimar la velocidadde desplazamiento de las personas empleando elementos de bajo costo en sucomposición.Se logró direccionar el sensor de microondas aplicando fórmulas de teoría deguía de onda, de manera que al realizar las pruebas de experimentación elmovimiento de las personas ubicadas fuera de su rango de visión no afectasesignificativamente la realización de las mismas.La cantidad de cruces por cero y la cantidad de transiciones abruptas re-sultaron ser características relevantes para la estimación de la velocidad dedesplazamiento. Sin embargo, esto no significa que sean las únicas que per-mitan estimar esta medida. Su elección se debió principalmente a que sontécnicas poco complejas y que requieren de un bajo costo computacional parasu realización.El cálculo de la velocidad real empleando un sistema de sensores infrarrojospermitió realizar una comparación de resultados y así conocer el valor del erroren el sistema desarrollado. Este sistema fue empleado principalmente por susimplicidad y fácil implementación.Se calculo el grado óptimo y los coeficientes de las ecuaciones polinómicaspor cada característica estudiada, resultando el primero ser de grado 2. Estosvalores fueron validados empleando la técnica de validación cruzada. De lamisma manera se calcularon los grados y los coeficientes para una ecuaciónque combinara ambas características.Empleando una sola variable para el cálculo de la velocidad, la cantidad crucespor cero resulta ser la más óptima debido al bajo error resultante, 2.37%. Sinembargo, al combinar ambas características, la ecuación resultante brinda unerror del 2.07%, siendo menor y por lo tanto la ecuación óptima.

6.2. Trabajos futuros

Los resultados obtenidos son prometedores, sin embargo, es posible reducir aun másel porcentaje de error aplicando técnicas de procesamiento avanzadas, estudiando

53

Capítulo 6 Conclusiones

una nueva característica de las señales, comparándola con las anteriores estudiadasy combinándola con estas mismas.

El sistema desarrollado aún no goza de una estructura capaz de garantizar la por-tabilidad del mismo, por lo cual uno de los trabajos a futuro es el desarrollo de suempaquetamiento para la integración de todos sus elementos. Además, la posibleimplementación del mismo sistema para la estimación de la velocidad de vehículosligeros, como bicicletas o motocicletas, para lo cual sería necesario el entrenamientodel sistema obteniendo mediante la captura de una nueva base de datos y nuevosexperimentos.

54

Reconocimientos

Quiero agradecer a la Escuela Profesional de Ingeniería Electrónica y de Telecomu-nicaciones de la Universidad Católica San Pablo por brindarme sus laboratorios einstrumentos de medición para la realización de pruebas durante el desarrollo delpresente proyecto, así también, quisiera agradecer a mis amigos Jorge, Samir, JuanCarlos y Renato por participar en la realización de las pruebas experimentales.

55

A. Apéndice

A.1. Conexión entre sensor y MATLAB

A continuación, se adjunta el código de la función t_lectura_analog.m empleadapara establecer la conexión entre el sensor RCWL-0516 y el software MATLAB.

funct ion [ v o l t a j e 1 ]= t_ l e c t u r a_ana l og ( t iempo )c lose a l l , c l c%% Aper tu ra de Puerto S e r i a l (COM)de lete ( i n s t r f i n d ({ ’ po r t ’ } ,{ ’COM5 ’ } ) ) ;po r t=s e r i a l ( ’COM5 ’ ) ;po r t . BaudRate=9600;set ( port , ’ O b j e c t V i s i b i l i t y ’ , ’ on ’ )warn ing ( ’ o f f ’ , ’MATLAB: s e r i a l : f s c a n f : u n s u c c e s s f u lR ead ’ ) ;f c l o s e ( po r t ) ;fopen ( po r t ) ;

%% V a r i a b l e si =1;t=tiempo ;r =55;t_ r e f =0;v o l t a j e 1=zeros (1 , t ∗ r ) ;

%% Buclet i cwhi le t_re f<=t

t_ r e f=toc ;a=f s can f ( port , ’ %d ’ ) ;v o l t a j e 1 ( i )=a (1)∗5/1024 ;i=i +1;

end

%% C i e r r e de pue r tof c l o s e ( po r t ) ;de lete ( po r t ) ;

57

Capítulo A Apéndice

A.2. Enventanado y solapamiento de la señal

A continuación, se adjunta el código de la función of_infoRelev .m empleada para laextracción de la información relevante de la señal analizada.

funct ion [ data ]= o f_ i n f oR e l e v (matx )% I n p u t s :% mtx = mat r i z con data% Outputs :% data = data con i n f o r m a c i o n impo r tan t e

%% L i m i t a c i ó np o s i c i o n 1=f i nd ( abs (matx ) >0.25 ,1 , ’ f i r s t ’ ) ;p o s i c i o n 2=f i nd ( abs (matx ) >0.25 ,1 , ’ l a s t ’ ) ;

data=matx ( p o s i c i o n 1 : po s i c i o n2 , : ) ;end

A continuación, se adjunta el código de la función of_windoverlap.m empleada parala creación de ventanas y el solapamiento de las mismas de las señales analizadas.

f u n c t i o n [ zc r , pks ]= o f_w indove r l ap ( data , tamVent )% I npu t s :% data = mat r i z con data% tamVent= Nro de muest ra s por ventana , > 2% Output :% z c r = can t i d ad c r u c e s por c e r o% pks = can t i d ad t r a n s c i o n e s ab rup ta s

%%Va r i a b l e sAvan=1;l ong=l e ng t h ( data )

%%ProcesadoNroVent=( long−tamVent)+Avan ;mtx=z e r o s ( tamVent , NroVent ) ;s o l a p=tamVent−1;f o r i =1:NroVent

mtx ( : , i )=data ( ( i ∗Avan ) : ( s o l a p+i ) , : ) ;end

%%Resu l t ado s

58

A.3 Enventanado y solapamiento de la señal

z c r=f_zc r (mtx ) ;pks=f_peak (mtx , 0 . 2 5 ) ;end

A.3. Enventanado y solapamiento de la señal

A continuación, se adjunta el código de la función f_zcr .m empleada para el calculode la cantidad de cruces por cero de la señal analizada.

f u n c t i o n [X]= f_zc r ( x )% Inpu t :% x = mat r i z a r e a l i z a r ZCR

%%ZCRX=sum( abs ( d i f f ( x >0)) ) ;end

A continuación, se adjunta el código de la función f_peak.m empleada para el cálculode la cantidad de transiciones abruptas mayores a 0.25 V/s (derivada) de la señalanalizada.

f u n c t i o n [X]= f_peak ( x , y )% I npu t s :% x = mat r i z con data a e v a l u a r% y = v a l o r en amp l i tud a comparar% Outputs :% X = nro de p i c o s mayor a ’ y ’

%%PEAKX=sum( abs ( d i f f ( x))>y ) ;end

A.4. Código de programación en MATLAB para unavariable

A continuación, se adjuntará el script Master_v2.m empleado para el desarrollo delproceso de validación cruzada, ajuste polinómico y cálculo de error cuadrático medionormalizado para una sola variable.

59


c lc , c lose a l l , c l ea r a l l%%load BaseDatos . matload I nd i ceOf_3 . mat% ind = c r o s s v a l i n d ( ’ Kfo ld ’ , 1 0 0 , 1 0 0 ) ;DataMod = Data ( ind , : ) ;

%% P a r t i c i o n% Entrenamiento , 80 muest rasEntr = DataMod ( 1 : 8 0 , : ) ;Z_tr = [ Entr ( : , 1 ) Entr ( : , 2 ) ] ; D_tr = [ Entr ( : , 1 ) Entr ( : , 3 ) ] ;% Va l i d a c i on , 20 mues t ra sVa l i = DataMod ( 8 1 : 1 0 0 , : ) ;Z_ts = [ Va l i ( : , 1 ) V a l i ( : , 2 ) ] ; D_ts = [ Va l i ( : , 1 ) V a l i ( : , 3 ) ] ;

%%−− ENTRENAMIENTO DE MODELO −− % %%% V a l i d a c i o n Cruzada% Grado po l i nom iof o r n = 1 :5

syms z , syms d ;

% C o e f i c i e n t e sf o r c = 1 : n

coe f_z (1 , c ) = z^c ;coef_d (1 , c ) = d^c ;

endcoe f_z = [ f l i p l r ( coe f_z ) 1 ] ;coef_d = [ f l i p l r ( coef_d ) 1 ] ;

Trn_z = [ ] ;Trn_d = [ ] ;

% Tramaf o r i = 1 :5

Trn_z ( i , : ) = p o l y f i t ( Z_tr ( ( i ∗16)−15:16∗ i , 2 ) , Z_tr ( ( i ∗16)−15:16∗ i , 1 ) , n ) ; % Ecuac ion P o l iEq_z ( i , n ) = vpa (sum( Trn_z ( i , : ) . ∗ coe f_z ) ) ; % Union de v a r i a b l e s

Trn_d ( i , : ) = p o l y f i t ( D_tr ( ( i ∗16)−15:16∗ i , 2 ) , D_tr ( ( i ∗16)−15:16∗ i , 1 ) , n ) ;Eq_d( i , n ) = vpa (sum(Trn_d ( i , : ) . ∗ coef_d ) ) ;

f o r j = 1 :64ValEst_z ( j , i ) = doub l e ( subs (Eq_z ( i , n ) , z , Zva lue ( j , i ) ) ) ; % Ve loc i dad es t imadaEr ro r_z ( j , i ) = ( Zve l ( j , i ) − ValEst_z ( j , i ) ) / Zve l ( j , i ) ; % E r r o r de c/ muestra

ValEst_d ( j , i ) = doub l e ( subs (Eq_d( i , n ) , d , Dvalue ( j , i ) ) ) ;

60

A.4 Código de programación en MATLAB para una variable

Error_d ( j , i ) = ( Dvel ( j , i ) − ValEst_d ( j , i ) ) / Dvel ( j , i ) ;end

%ECM de mues t ra s de c/ tramaEcm_z( i , n ) = sum( Er ro r_z ( : , i ) . ^ 2 ) / j ;Ecm_d( i , n ) = sum( Error_d ( : , i ) . ^ 2 ) / j ;

endErrprom_z ( : , n ) = mean(Ecm_z ( : , n ) ) ;Errprom_d ( : , n ) = mean(Ecm_d ( : , n ) ) ;

end%% Grado de E r r o r mínimo ( óptimo )[ ~ , I z ] = min ( Errprom_z )[~ , I d ] = min ( Errprom_d )

%%−− VALIDACIÓN DE DATOS −− % %%% P o l y f i t y P o l y v a lPf_Z = p o l y f i t ( Z_tr ( : , 2 ) , Z_tr ( : , 1 ) , I z ) ;Pf_D = p o l y f i t ( D_tr ( : , 2 ) , D_tr ( : , 1 ) , I d ) ;

syms Z , syms D;f o r i = 1 : I z

coef_Z ( : , i ) = Z^ i ;endfo r i = 1 : I d

coef_D ( : , i ) = D^ i ;endcoef_Z = [ f l i p l r ( coef_Z ) 1 ] ;coef_D = [ f l i p l r ( coef_D ) 1 ] ;

% Ecuac ión po l i n óm i c aEcq_Z = vpa (sum(Pf_Z .∗ coef_Z ) )Ecq_D = vpa (sum(Pf_D .∗ coef_D ) )

f o r j = 1 :20% Ve loc i dad Est imadaVelEst_Z ( j , 1 ) = doub l e ( subs (Ecq_Z ,Z , Z_ts ( j , 2 ) ) ) ;VelEst_D ( j , 1 ) = doub l e ( subs (Ecq_D ,D, D_ts ( j , 2 ) ) ) ;

% E r r o r R e l a t i v o − ( Real−Est imado )/ Rea lEr rRe l a tZ ( j , 1 ) = abs ( ( Z_ts ( j , 1 ) − VelEst_Z ( j , 1 ) ) / Z_ts ( j , 1 ) ) ∗ 1 0 0 ;Er rRe la tD ( j , 1 ) = abs ( ( D_ts ( j , 1 ) − VelEst_D ( j , 1 ) ) / D_ts ( j , 1 ) ) ∗ 1 0 0 ;

% Ve loc i dad Abso lu ta − | Estimado−Rea l |ErrAbsZ ( j , 1 ) = abs ( VelEst_Z ( j , 1 ) − Z_ts ( j , 1 ) ) ;

61


ErrAbsD ( j , 1 ) = abs ( VelEst_D ( j , 1 ) − D_ts ( j , 1 ) ) ;end% E r r o r c u a d r á t i c o medio ( %)ECM_Z = (sum( E r rRe l a tZ .^2)/20)∗100ECM_D = (sum( Er rRe la tD .^2)/20)∗100

% Veloc Rea l − Veloc Est (m/ s ) − Er r Re l a t ( %) − Er r Abs (m/ s )ZZ = [ Z_ts ( : , 1 ) VelEst_Z Er rRe l a tZ ErrAbsZ ]DD = [ D_ts ( : , 1 ) VelEst_D Er rRe la tD ErrAbsD ]

%% C o r r e l a c i o n U n i v a r i a b l eRL_Z = p o l y f i t (ZZ ( : , 1 ) , ZZ ( : , 2 ) , 1 )GRL_Z = po lyva l (RL_Z ,ZZ ( : , 2 ) ) ;

RL_D = p o l y f i t (DD( : , 1 ) ,DD( : , 2 ) , 1 )GRL_D = po lyva l (RL_D,DD( : , 2 ) ) ;

[ ~ , indZ ] = so r t ( Data ( : , 2 ) ) ; DataZ = Data ( indZ , : ) ;[ ~ , indD ] = so r t ( Data ( : , 3 ) ) ; DataD = Data ( indD , : ) ;

Pv_z = po lyva l (Pf_Z , DataZ ( : , 2 ) ) ; Pv_d = po lyva l (Pf_D , DataD ( : , 3 ) ) ;

A.5. Código de programación en MATLAB para múltiplesvariables

A continuación, se adjuntará el script Master_v3.m empleado para el desarrollo dela comparación del error de diversas ecuaciones con diversos grados empleado paraajuste polinómico de múltiples variables.

c lc , c lose a l l , c l ea r a l l%% Cargar da to sload BaseDatos . matload I nd i ceOf_3 . mat

z = Data ( : , 1 ) ; % Ve loc i dadx = Data ( : , 2 ) ; % Cruces ( zc )y = Data ( : , 3 ) ; % Der i vada ( dv )

%% M o d i f i c a c i o nData_mod = Data ( ind , : ) ;

62

A.5 Código de programación en MATLAB para múltiples variables

d_t r a i n = Data_mod ( 1 : 8 0 , : ) ; % Conjunto Ent renamientod_tes t = Data_mod ( 8 1 : 1 0 0 , : ) ; % Conjunto V a l i d a c i ó n

Ve lEnt r = d_t r a i n ( : , 1 ) ; % Ve loc i dad EntrenVe lVa l i d = d_tes t ( : , 1 ) ; % Ve loc i dad V a l i d

% ZCRVelEntr_Z = d_t r a i n ( : , 2 ) ;Ve lVa l id_Z = d_tes t ( : , 2 ) ;% DRVVelEntr_D = d_t ra i n ( : , 3 ) ;VelVal id_D = d_tes t ( : , 3 ) ;

%% Diseño ecuac i on ( Equa t i on s )H = ones ( length ( Ve lEn t r ) , 1 ) ;syms zc , syms dv ;

f o r i = 1 :3v a l s ( : , i ) = VelEntr_Z .^ i ;v a l s ( : , i +3) = VelEntr_D .^ i ;

va r (1 , i ) = zc^ i ;va r (2 , i ) = dv^ i ;

endva rv a l sf o r i = 1 :3

f o r j = 1 :3HH = [H, v a l s ( : , 1 : i ) , v a l s ( : , 4 : 3+ j ) ] ;AA = pinv (HH)∗ Ve lEnt r ;matx = [ 1 , va r ( 1 , 1 : i ) , va r ( 2 , 1 : j ) ] . ∗AA ’ ;eqs ( i , j ) = vpa (sum(matx ) ) ;matx = [ ] ;

endend% Matr i z de Ecuac i one seqs%% V a l i d a c i o n Cruzada ( Cross−V a l i d a t i o n )f o r i = 1 :3

f o r j = 1 :3f o r n = 1:20

k (n , : ) = subs ( eqs ( i , j ) , zc , Ve lVa l id_Z (n , : ) ) ;Ve lE s t (n , : ) = doub l e ( subs ( k (n , : ) , dv , VelVal id_D (n , : ) ) ) ;

E r rRe l a (n , : ) = ( Ve lVa l i d (n , : ) − Ve lEs t (n , 1 ) ) / Ve lVa l i d (n , : ) ;end

63


E( i , j ) = sum( E r rRe l a ( : , 1 ) . ^ 2 ) / 2 0 ;end

end

min_Er = min (min (E ) )[ f i l , c o l ] = f i nd (E==min_Er ) ;

% Ecuac ión Po l i nómica M u l t i v a r i a b l eEQ = eqs ( f i l , c o l )%% v a l o r a b s o l u t o y p o r c e n t u a lf o r n=1:20k (n , : ) = subs ( eqs ( 2 , 1 ) , zc , Ve lVa l id_Z (n , : ) ) ;

% Ve loc i dad es t imadaVe lEs t (n , : ) = doub le ( subs ( k (n , : ) , dv , VelVal id_D (n , : ) ) ) ;

% E r r o r R e l a t i v − ( Real−Est imado )/ Rea lEr rRe l a (n , : ) = abs ( ( Ve lVa l i d (n , : ) − Ve lEs t (n , : ) ) / Ve lVa l i d (n , : ) ) ∗ 1 0 0 ;

% E r r o r Abso lu to − | Estimado−Rea l |ErrAbs (n , : ) = abs ( Ve lVa l i d (n , : ) − Ve lEs t (n , : ) ) ;end% E r r o r c u a d r á t i c o medio Mu l t i ( %)ECM_M = (sum( E r rRe l a .^2)/20)∗100

% Veloc Rea l − Veloc Est (m/ s ) − Er r Re l a t ( %) − Er r Abs (m/ s )Result_ZD = [ Ve lVa l i d Ve lE s t E r rRe l a ErrAbs ]

%% C o r r e l a c i o n M u l t i v a r i a b l eRL = p o l y f i t ( Result_ZD ( : , 1 ) , Result_ZD ( : , 2 ) , 1 )GRL = po lyva l (RL , Result_ZD ( : , 2 ) ) ;

A.6. Código de programación en plataforma Arduino

A continuación, se adjunta el sketch SpeedDet.ino empleado para la programaciónde las funciones de cálculo de cruces por cero y transiciones abruptas, y el cálculode la velocidad en la plataforma Arduino.

// LIBRERIAS#inc lude <C i r c u l a r B u f f e r . h>#inc lude <L i qu i dC r y s t a l_ I 2C . h>

64

A.6 Código de programación en plataforma Arduino

#inc lude <Wire . h>

L i q u i dC r y s t a l_ I 2C l c d (0 x3f , 1 6 , 2 ) ;C i r c u l a r B u f f e r <int ,27> mat r i z1 ;C i r c u l a r B u f f e r <int ,26> matr i z_z ;C i r c u l a r B u f f e r <f l oa t ,27> mat r i z2 ;C i r c u l a r B u f f e r <f l oa t ,26> matr iz_p ;

unsigned long t ime_run = 0 ;i n t l i m i t e = 5000 ;f l o a t analog_1 , analog_2 , conv , y2 ;i n t y1 , z1 = 0 , z2 = 0 ;f l o a t Eq1 , Eq2 ;

void s e tup ( ) {pinMode (A1 , INPUT ) ;S e r i a l . b eg in ( 9600 ) ;conv = 5 . 0 / 1024 . 0 ;l c d . i n i t ( ) ;l c d . b a c k l i g h t ( ) ;l c d . c l e a r ( ) ;d e l a y ( 5 0 0 ) ;

}

void l oop ( ) {analog_1 = ( analogRead (A1)∗ conv ) − 1 . 9 5 ;analog_2 = ( analogRead (A1)∗ conv ) − 1 . 9 5 ;

// CRUCES POR CEROi f ( analog_1 > 0){

analog_1 = 1 ;}

e l s e {analog_1 = 0 ;}

mat r i z 1 . push ( analog_1 ) ;f o r ( i n t x1 = 0 ; x1 < 26 ; x1++){

y1 = mat r i z1 [ x1 ] − mat r i z1 [ x1 +1] ;matr i z_z . push ( y1 ) ;z1 += abs ( y1 ) ;}

i f ( z1 < 20){Eq1 = 0 ;

65


}e l s e {

Eq1 = (1 .479∗pow(10 ,−6)∗pow( z1 , 2 ) ) − (5 . 102∗pow(10 ,−3)∗ z1 ) + 5 . 7 2 7 ;}

// DERIVADAmat r i z2 . push ( analog_2 ) ;f o r ( i n t x2 = 0 ; x2 < 26 ; x2++){

y2 = mat r i z2 [ x2 ] − mat r i z2 [ x2 +1] ;i f ( abs ( y2 ) >= 0 .25 ){

y2 = 1 ;}

e l s e {y2 = 0 ;}

matr iz_p . push ( y2 ) ;z2 += y2 ;}

i f ( z2 < 20){Eq2 = 0 ;}

e l s e {Eq2 = (6 .347∗pow(10 ,−8)∗pow( z2 , 2 ) ) − (1 . 257∗pow(10 ,−3)∗ z2 ) + 5 . 2 8 1 ;}

// LIMITE DE TIEMPO Y REINICIOi f ( m i l l i s ( ) >= time_run + l i m i t e ) {

S e r i a l . p r i n t l n ( Eq1 ) ;S e r i a l . p r i n t l n ( Eq2 ) ;l c d . s e tCu r s o r ( 0 , 0 ) ;l c d . p r i n t ( " v1 : ␣ " ) ;l c d . p r i n t (Eq1 , 2 ) ;l c d . p r i n t ( "m/ s ␣␣" ) ;l c d . s e tCu r s o r ( 0 , 1 ) ;l c d . p r i n t ( " v2 : ␣ " ) ;l c d . p r i n t (Eq2 , 2 ) ;l c d . p r i n t ( "m/ s ␣␣" ) ;S e r i a l . p r i n t l n ( "ESPERA ! ! ! " ) ;

// LCDde l a y ( 5000 ) ;S e r i a l . p r i n t l n ( "AVANZA ! ! ! " ) ;t ime_run = m i l l i s ( ) ;

66

A.6 Código de programación en plataforma Arduino

z1 = 0 ;z2 = 0 ;analog_1 = 0 ;analog_2 = 0 ;}

}

67

Bibliografía

[Ala12] Clive Alabaster. Pulse Doppler Radar. The Institution of Engineeringand Technology, 2012.

[BCG+09] Alberto Broggi, Pietro Cerri, Stefano Ghidoni, Paolo Grisleri, and Ho GiJung. A new approach to urban pedestrian detection for automatic bra-king. IEEE Transactions on Intelligent Transportation Systems, 10(4):594–605, 2009.

[BHZ98] Dana Beckwith and Katharine Hunter-Zaworski. Passive pedestrian de-tection at unsignalized crossings. Transportation Research Record: Jour-nal of the Transportation Research Board, (1636): 96–103, 1998.

[Che98] David K Cheng. Fundamentos de electromagnetismo para ingeniería.Pearson Educación, 1998.

[DD10] George Dimitrakopoulos and Panagiotis Demestichas. Intelligent trans-portation systems. IEEE Vehicular Technology Magazine, 5(1): 77–84,2010.

[Des] Joe Desbonnet. Rcwl-0516 information. https://github.com/jdesbonnet/RCWL-0516. Accedido: 2018-03-20.

[DH06] Winnie Daamen and Serge P Hoogendoorn. Free speed distributionsfor pedestrian traffic. In 85th Annual Meeting Transportation ResearchBoard. Washington, USA, pages 1–13, 2006.

[DNL02] Raghuram Dharmaraju, David A Noyce, and Joshua D Lehman. Anevaluation of technologies for automated detection and classification ofpedestrians and bicycles. PhD thesis, Citeseer, 2002.

[DWSP09] Piotr Dollár, Christian Wojek, Bernt Schiele, and Pietro Perona. Pedes-trian detection: A benchmark. In Computer Vision and Pattern Recog-nition, 2009. CVPR 2009. IEEE Conference on, pages 304–311. IEEE,2009.

[Fen11] Alan J Fenn. Antenna design for the laptop radar project, 2011.

[HAHR01] Xuedong Huang, Alex Acero, Hsiao-Wuen Hon, and Raj Reddy. Spokenlanguage processing: A guide to theory, algorithm, and system develop-ment. Prentice hall PTR, 2001.

[Har01] Edward Harrison. Cosmology: the science of the universe, 2001.

69

https://github.com/jdesbonnet/RCWL-0516

https://github.com/jdesbonnet/RCWL-0516

Bibliografía

[HJL16] Eugin Hyun, Young-Seok Jin, and Jong-Hun Lee. A pedestrian detectionscheme using a coherent phase difference method based on 2d range-doppler fmcw radar. Sensors, 16(1): 124, 2016.

[ID71] M Ito and R Donaldson. Zero-crossing measurements for analysis andrecognition of speech sounds. IEEE Transactions on Audio and Electro-acoustics, 19(3): 235–242, 1971.

[JP14] Siddharth Jhumat and Ravindra Kumar Purwar. Techniques to estimatevehicle speed. International Journal of Advanced Research in Computerand Communication Engineering, 3(6), 2014.

[LE06] Ron Larson and BH Edwards. Cálculo (vol. 2), 2006.[Liu99] Qingchong Liu. Doppler measurement and compensation in mobile sa-

tellite communications systems. MILCOM. IEEE Military Communica-tions. Conference Proceedings. (Vol. 1, pp. 316-320), 1999.

[Mar51] Nathan Marcuvitz. Waveguide handbook. Number 21. Iet, 1951.[Mic] Wavenumber. https://www.microwaves101.com/encyclopedias/

wavenumber. Accedido: 2018-05-01.[MS14] William L Melvin and Jim Scheer. Principles of modern radar: radar

applications. Scitech Publishing, 2014.[NO01] L Nicolaescu and Teofil Oroian. Radar cross-section. In Telecommunica-

tions in Modern Satellite, Cable and Broadcasting Service, 2001. TEL-SIKS 2001. 5th International Conference on, volume 1, pages 65–68.IEEE, 2001.

[Pol07] Jiri Polivka. An overview of microwave sensor technology. High Fre-quency Electronics, 6(4): 32–42, 2007.

[RCW] Ic station rcwl-0516. https://url2.cl/f933d. Accedido: 2017-12-14.[RG16] Simon Rogers and Mark Girolami. A First Course in Machine Learning.

CRC Press, 2016.[Sen] Ultrasonic sensor. https://senix.com/

frequently-asked-questions/. Accedido: 2018-04-14.[SFN+02] A Sotomayor, M Fuentes, F García Nocetti, E Moreno, and M Barragán.

Método digital para la detección de la dirección del flujo sanguíneo en sis-temas doppler ultrasónicos. Revista Mexicana de Ingeniería Biomédica,23(2): 123–127, 2002.

[SITa] Sistema integrado de transporte. http://www.muniarequipa.gob.pe/index.php/sistema-integrado-de-transporte. Accedido: 2018-04-11.

[SITb] Sit de arequipa. https://larepublica.pe/economia/1162860-sit-de-arequipa. Accedido: 2018-04-10.

70

https://www.microwaves101.com/encyclopedias/wavenumber

https://www.microwaves101.com/encyclopedias/wavenumber

https://url2.cl/f933d

https://senix.com/frequently-asked-questions/

https://senix.com/frequently-asked-questions/

http://www.muniarequipa.gob.pe/index.php/sistema-integrado-de-transporte

http://www.muniarequipa.gob.pe/index.php/sistema-integrado-de-transporte

https://larepublica.pe/economia/1162860-sit-de-arequipa

https://larepublica.pe/economia/1162860-sit-de-arequipa

Bibliografía

[Spo] Spotless.com. https://spotlessdata.com/blog/getting-data-quality-iot. Accedido: 2017-04-15.

[Tay] Rcwl-0516 3.2ghz motion detector. https://www.tayloredge.com/reference/Electronics/RF/0242.pdf. Accedido: 2018-05-21.

[T.K] T.K.Hareendran. How to get started with a microwave ra-dar motion sensor. https://www.electroschematics.com/get-started-microwave-radar-motion-sensor/. Accedido: 2018-08-22.

[TRL] Technological readiness level. https://www.nasa.gov/pdf/458490main_TRL_Definitions.pdf. Accedido: 2020-08-08.

[VBJ15] Daiwat A Vyas, Dvijesh Bhatt, and Dhaval Jha. Iot: trends, challengesand future scope. IJCSC, 7(1): 186–197, 2015.

[YSC11] Ching Yee Yong, Rubita Sudirman, and Kim Mey Chew. Motion detec-tion and analysis with four different detectors. In Computational Inte-lligence, Modelling and Simulation (CIMSiM), 2011 Third InternationalConference on, pages 46–50. IEEE, 2011.

71

https://spotlessdata.com/blog/getting-data-quality-iot

https://spotlessdata.com/blog/getting-data-quality-iot

https://www.tayloredge.com/reference/Electronics/RF/0242.pdf

https://www.tayloredge.com/reference/Electronics/RF/0242.pdf

https://www.electroschematics.com/get-started-microwave-radar-motion-sensor/

https://www.electroschematics.com/get-started-microwave-radar-motion-sensor/

https://www.nasa.gov/pdf/458490main_TRL_Definitions.pdf

https://www.nasa.gov/pdf/458490main_TRL_Definitions.pdf

Nomenclatura

DOA Directional On Arrival

ECMN Error Cuadrático Medio Normalizado

HPBW Half-power Beamwidth

IoT Internet of Things

IT Information Technology

ITS Intelligent Transportation Systems

MSE Mean Squared Error

OT Operational Technology

PIR Passive Infrared

RCS Radar Cross-Section

RF Radiofrecuencia

SIT Sistema Integrado de Transporte de Arequipa

TRL Technological Readiness Level

ZCR Zero-Crossing Rate

73

prototipo de sistema de bajo costo para la estimación de

Documents