Tesis Guillermo Monroy
Tesis Guillermo Monroy
Tesis Guillermo Monroy
Director de tesis
Dr. José Guadalupe Rodríguez García
Al Consejo Nacional de Ciencias y Técnología, por la beca otorgada para realizar mis
estudios de Maestría.
Al Centro de Estudios Avanzados del Instituto Politécnico Nacional, por los recursos
materiales y humanos que me proveyeron e hicieron posible obtener el grado de
Maestro en Ciencias en Computación.
A mi director de tesis, Dr. José Guadalupe Rodríguez, por el apoyo durante todo el
proceso.
A mis sinodales, Dr. Gerardo de la Fraga y Dr. Amilcar Meneses, por su disposición para
la revisión de esta tesis.
A mi amigo José Luis Gudiño, con quien comparto inquietudes, anhelos, penas y éxitos, y
de quien estoy agradecido por brindarme su amistad desinteresada.
Quiero expresar mi admiración a todos los que me han enseñado algo, a los profesores
que a través de sus cursos e investigaciones me han dado la pauta para comprender el
mundo de la investigación; a los maestros, que a través de sus obras literarias, de sus
tratados, de sus actos, de sus puntos de vista, de sus ideas, o simplemente de su
existencia, aportaron belleza y conocimiento a mi vida. Estos maestros me han
enseñado que el aquí y el ahora son el espacio y el momento precisos para cambiar el
mundo, y que el camino es más importante que el destino.
Índice general
Resumen XIII
Abstract XV
1 Introducción 17
1.1 Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Propuesta de solución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Caso de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6 Organización del documento . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Marco teórico 23
2.1 Electromagnetismo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1 Historia del estudio del electromagnetismo . . . . . . . . . . . . 24
2.1.2 Formas de onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.3 Ruido sobre ondas . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 Espectro y bandas electromagnéticas . . . . . . . . . . . . . . . . 30
2.3.2 Funciones básicas de radar . . . . . . . . . . . . . . . . . . . . . . 33
2.3.3 Clasificaciones de radares . . . . . . . . . . . . . . . . . . . . . . . 34
2.4 Muestreo de señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.5 Detección de objetos usando radar . . . . . . . . . . . . . . . . . . . . . 39
2.5.1 Detección empleando un umbral de señal . . . . . . . . . . . . . 40
2.5.2 Probabilidad de falsa alarma y detección . . . . . . . . . . . . . 41
2.6 Cómputo ubicuo y navegación asistida por el ambiente . . . . . . . . . 43
2.6.1 Wearable Computing . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6.2 Electronic Travel Aids . . . . . . . . . . . . . . . . . . . . . . . . 44
2.6.3 Sistemas de detección de obstáculos para navegación asistida . 46
v
3 Estado del arte 47
3.1 SONAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 LIDAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3 LADAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4 RADAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Ventajas y desventajas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4 Propuesta de solución 57
4.1 Requerimientos para la detección de obstáculos . . . . . . . . . . . . . . 57
4.2 Arquitectura del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.1 Consumo energético y portabilidad . . . . . . . . . . . . . . . . . 69
5 Desarrollo 71
5.1 Hardware y software empleados . . . . . . . . . . . . . . . . . . . . . . . 71
5.1.1 Sensor de microondas para movimiento . . . . . . . . . . . . . . 72
5.1.2 Arduino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.1.3 Software empleado . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.2 Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2.1 Primera fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2.2 Segunda fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Prototipo final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6 Pruebas 93
6.1 Escenarios de pruebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2 Plataforma de pruebas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.3 Análisis de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.1 Pruebas para la primera fase . . . . . . . . . . . . . . . . . . . . . 95
6.3.2 Pruebas para la segunda fase . . . . . . . . . . . . . . . . . . . . 99
Acrónimos 107
Bibliografía 109
vi
Índice de figuras
vii
4.8 Aplicación de un cancelador de ruido . . . . . . . . . . . . . . . . . . . . . . 67
4.9 Umbralización de muestras . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
viii
Índice de tablas
xi
Resumen
En este trabajo se propone el uso del efecto Doppler para detectar obstáculos a velocidades de
desplazamiento peatonal que se encuentra entre 0.19 y 1.21 m/s, siendo la velocidad peatonal
típica de 0.6166 m/s. El procesamiento de las señales producto del efecto Doppler, permite
detectar el movimiento y calcular las velocidades de los objetos en el entorno a partir del cambio
de frecuencia en las ondas transmitidas y recibidas. El efecto Doppler sobre las microondas nos
permite alcanzar distancias de propagación mayores a 15 metros.
Para detectar obstáculos en un entorno se debe obtener: la ubicación, distancia y tamaño
de los objetos que obstruyen el paso en la trayectoria del desplazamiento. En los últimos 30
años se ha abordado el problema de la detección de obstáculos desde varios enfoques: usando
imágenes, usando láser y usando ondas de sonido. Los resultados de estas aproximaciones han
llevado a la generación de sistemas de detección de obstáculos con avances significativos; sin
embargo, la distancia máxima a la que estos sistemas son capaces de detectar obstáculos es de
cinco metros para entornos controlados. Además, estos enfoques presentan desventajas debido
a factores como: temperatura, humedad en el medio, poca visibilidad, lluvia, ausencia de luz
solar, baja calidad de las imágenes, complejidad en el procesamiento de los datos, entre otras. Las
desventajas que las aproximaciones han reportado nos dan la oportunidad de explorar el efecto
Doppler para la detección de obstáculos usando microondas electromagnéticas, empleando un
sistema radar que se pueda portar o vestir: wearable.
Se propone la detección de obstáculos estáticos, dentro de entornos no controlados. El
sistema que se propone es capaz de ayudar a la navegación del entorno y propone una mejora
en el alcance de distancia en comparación con los sistemas estudiados hasta el momento. Se
emplea el efecto Doppler en la banda X (10.525 GHz) para la detección de obstáculos. Además, se
propone una arquitectura e implementación de un sistema wearable, para asistir al portador en
la navegación de entornos no controlados con retroalimentación para el usuario.
Para la construcción del sistema se obtiene información del entorno, se acondiciona la señal
y después, se procesa para identificar los obstáculos en una trayectoria definida. Por último
se presentan los resultados al usuario, a través de una interfaz sonora. El uso de Arduino hace
posible implementar los bloques de procesamiento de la señal mediante software, evitando el
diseño y armado de circuitería electrónica. Se requiere del acondicionamiento de la señal del
sensor para emplear su señal en la plataforma de desarrollo Arduino. El diseño de la etapa de
procesamiento de la señal está basada en los principios de sistemas de radares. El sistema se
compone físicamente de un sensor de frecuencias de microondas, un microcontrolador sobre la
plataforma Arduino, un conversor analógico digital, un amplificador de señal y una bocina.
Palabras clave: efecto Doppler, detección de obstáculos, navegación peatonal, sistema de radar,
disposivos vestibles.
Abstract
In this work we propose to use the Doppler effect in order to detect obstacles at pedestrian travel
speeds. The pedestrian travel speeds are between 0.19 and 1.21 m/sec, typically 0.6166 m/sec.
The processing of the signals produced by the Doppler effect, allows to detect the movement
and to calculate the velocities of objects in the environment, through the change of frequency in
the transmitted and received waves. The Doppler effect on microwaves allows to reach distances
of propagation greater than 15 meters.
To detect obstacles in an environment, several parameters must be considered: location,
distance and size of objects that block the passage in the trajectory of the displacement. In the
last 30 years the problem of obstacle detection has been tackled from several approaches: images,
lasers, and sound waves. The results of these approaches have led to the generation of obstacle
detection systems with significant advances.
However, the maximum distance at which these systems are capable of detecting obstacles is
up to five meters for controlled environments. In addition, these approaches have disadvantages
due to factors such as: temperature, humidity, visibility, rainfall, sunlight absence, image quality,
complexity in data processing, among others. These disadvantages have given us the opportunity
to explore the Doppler effect for the detection of obstacles using electromagnetic microwaves on
a wearable radar system.
This proposal aims to detect static obstacles within uncontrolled environments. The proposed
system is capable of helping the navigation in the environment and proposes an improvement
in the range of distance compared to the systems studied so far. The Doppler effect on the X
band (10.525 GHz) is used for the detection of obstacles. In addition, we propose an architecture
and implementation of a wearable system, to assist the bearer in navigating in uncontrolled
environments with feedback for the user.
For the construction of the system, the information is obtained from the environment, the
signal is conditioned and then processed to identify the obstacles in a defined path. Finally, the
results are presented to the user, through a sound interface. The use of Arduino makes possible to
implement the signal processing through software, avoiding the design and assembly of electronic
circuitry. The conditioning of the signal from sensor is required in order to processing it on an
Arduino device.
The processing signal stage is designed following the principles of the radars systems. This
proposal is composed of a microwave sensor, an Arduino microcontroller, an analogic-digital
converter, a signal amplifier, and a speaker.
Keywords: Doppler effect, obstacle detection, pedestrian navigation, radar system, wearable.
Capítulo
1
Introducción
C ONTENIDO
1.1 Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2 Planteamiento del problema . . . . . . . . . . . . . . . . . . 18
1.3 Propuesta de solución . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Caso de estudio . . . . . . . . . . . . . . . . . . . . 19
1.4 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6 Organización del documento . . . . . . . . . . . . . . . . . 21
Acorde con la necesidad de integrar los avances tecnológicos y científicos surge nuestro
interés en explorar la detección de obstáculos empleando el efecto Doppler para ondas de radio.
17
1.1 Motivación
La visión es la capacidad de percibir, a partir de los efectos de la luz (tales como la propagación,
la reflexión y la refracción), información del medio ambiente que al ser procesada se interpreta
como objetos, colores, distancias, tamaños y texturas. Cuando un sistema u organismo carece de
la capacidad de visión, surge la necesidad de contar con otro sistema que sea capaz de procesar e
interpretar la información del ambiente para sustituir dicha capacidad. En el marco de la visión,
la función de detectar obstáculos consiste en identificar la ubicación, la distancia o el tamaño de
los objetos que obstruyen el paso en una trayectoria dada.
En este trabajo se propone el empleo del efecto Doppler para detectar obstáculos mediante un
sistema de radar en forma de wearable. Se quiere detectar obstáculos estáticos y en movimiento,
1 Light Imaging Detection and Ranging
2 Laser Detection and Ranging
3 Sound Navigation and Ranging
4 Radio Detection and Ranging
5 http://www.ubiq.com/hypertext/weiser/SciAmDraft3.html | fecha de acceso: 3 de agosto
de 2016.
18
dentro de entornos reales no controlados. Además, se espera que el sistema sea capaz de realizar
una navegación del entorno con mayor precisión que los sistemas estudiados hasta el momento.
El uso del efecto Doppler para detectar obstáculos puede mejorar la detección a velocidades
de desplazamiento peatonal. Las velocidades de desplazamiento peatonal, acorde con [2], se
encuentra entre 0.19 y 1.21 m/s, siendo la velocidad típica de 0.6166 m/s que nos permiten tener
una ventana de tiempo apropiada para el procesamiento de las señales. El procesamiento de las
señales producto del efecto Doppler permite detectar el movimiento y calcular las velocidades de
los objetos en el entorno a partir del cambio de frecuencia en las ondas transmitidas y recibidas.
El efecto Doppler sobre las microondas permite alcanzar rangos de propagación de las ondas
mayores a 15 metros con dispositivos de baja potencia de consumo, que además son pequeños.
1.3.1 Hipótesis
Las personas débiles visuales tienen limitaciones de movilidad debido a su discapacidad visual,
son susceptibles de accidentes y de dependencia de terceros para poder realizar sus actividades
cotidianas tales como trasportarse, hacer uso de servicios públicos, encontrar una ruta para llegar
a su destino, etc.
1.4 Metodología
Documentación. Realización del estado del arte sobre sistemas de detección de obstáculos,
a través de una revisión bibliográfica continua. Documentar las ideas y propuesta de diseño que
ayuden a clarificar las partes del sistema, y a tener una panorámica del desarrollo.
19
Arquitectura del sistema. Análisis y diseño de la plata-
Documentación
forma de hardware y software para realizar la investigación y el
caso de estudio.
Arquitectura
Diseño y construcción de prototipo inicial. Diseño
y construcción del prototipo para realizar pruebas de detección
de obstáculos en un entorno controlado. Se buscará medir las
Construcción del prototipo capacidades y límites del prototipo para corregir errores y mejorar
la arquitectura en un proceso de por lo menos dos fases.
Redacción de tesis
Pruebas de campo sobre entorno no controlado.
Pruebas sobre entorno no controlado con usuarios débiles visua-
les para obtener los resultados finales a partir de ellas.
1.5 Justificación
20
Fenómenos de la vida diaria tales como movimiento de objetos, emisión de sonido, pro-
pagación de la luz y propagación del calor, están asociados al efecto Doppler por lo tanto se
puede estudiar los fenómeno mediante el análisis del comportamiento del efecto Doppler. La
investigación del efecto Doppler para la detección de obstáculos es importante para lograr una
visión artificial en entornos con poca visibilidad, condiciones ambientales peligrosas, apoyo a
personas con problemas de visión, entre otros.
Para explorar el efecto Doppler asociado a la propagación de ondas de radiofrecuencias y
usarlo para detectar obstáculos fue necesario construir un sistema basado en RADAR. El sistema
se compone físicamente de un sensor de frecuencias de microondas, un microcontrolador sobre
la plataforma Arduino, un conversor analógico digital, un amplificador de señal y etapa de salida
para el usuario. El sistema de detección de obstáculos se desarrolló empleando un sensor para el
efecto Doppler en la banda X , el cual es básicamente un dispositivo de RADAR. Se desarrolló el
procesamiento de la señal teniendo como base los principios de sistemas de RADAR.
Esta tesis está organizada en siete capítulos. En el segundo capítulo se revisan conceptos relevan-
tes para comprender el estado del arte, la propuesta de solución al problema y en general, el resto
del documento. En el tercer capítulo se revisan los trabajos relevantes que conforman el estado
del arte de esta tesis. En el cuarto capítulo se expone la propuesta de solución para dar respuesta
a la hipótesis planteada. En el quinto capítulo se plantea el desarrollo: construcción del prototipo
en dos fases y el resultado de cada una. En el sexto capítulo se describen las pruebas al sistema y
se analizan los resultados de las mismas. Y por último en el séptimo se tratan las conclusiones
derivadas de esta tesis y el trabajo futuro.
21
Capítulo
2
Marco teórico
C ONTENIDO
2.1 Electromagnetismo . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.1 Historia del estudio del electromagnetismo . . . . 24
2.1.2 Formas de onda . . . . . . . . . . . . . . . . . . . . 26
2.1.3 Ruido sobre ondas . . . . . . . . . . . . . . . . . . . 27
2.2 Efecto Doppler . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.1 Espectro y bandas electromagnéticas . . . . . . . . 30
2.3.2 Funciones básicas de radar . . . . . . . . . . . . . . 33
2.3.3 Clasificaciones de radares . . . . . . . . . . . . . . . 34
2.4 Muestreo de señales . . . . . . . . . . . . . . . . . . . . . . . 35
2.5 Detección de objetos usando radar . . . . . . . . . . . . . . 39
2.5.1 Detección empleando un umbral de señal . . . . . 40
2.5.2 Probabilidad de falsa alarma y detección . . . . . 41
2.6 Cómputo ubicuo y navegación asistida por el ambiente . 43
2.6.1 Wearable Computing . . . . . . . . . . . . . . . . . 44
2.6.2 Electronic Travel Aids . . . . . . . . . . . . . . . . 44
2.6.3 Sistemas de detección de obstáculos para navega-
ción asistida . . . . . . . . . . . . . . . . . . . . . . . 46
E n este capítulo revisaremos los conceptos básicos para entender las partes de la propuesta,
a saber: La teoría electromagnética básica, el efecto Doppler sobre ondas electromagnéticas, el
espectro electromagnético, los sistemas de RADAR, el procesamiento digital de señales, entre
otros. Con lo anterior se pretende dar un fundamento suficiente para explicar el desarrollo del
23
presente trabajo de tesis dado que involucra varias disciplinas (Física, Electrónica, Sistemas de
RADAR y Procesamiento de señales), además del área computacional.
2.1 Electromagnetismo
En 1600, William Gilbert descubre que la electrificación no estaba limitada al ámbar sino que éste
era un fenómeno general de la materia. Posteriormente, experimentos realizados por Charles
Coulomb en 1785 confirmaron el comportamiento de las cargas electrostáticas en cualquier
cuerpo y su relación a la distancia y fuerza de atracción o repulsión entre dos o más cargas [3].
En 1831, Michael Faraday y Joseph Heary, demuestran que, cuando los campos de fuerza
magnética de un imán son cortados por una sección de un conductor eléctrico en este se induce
una corriente eléctrica [3].
En 1873, James Clerk Maxwell, basado en los estudio de los fenómenos electromagnéticos
de sus antecesores, formula leyes del electromagnetismo que se conocen actualmente como
ecuaciones de Maxwell que explican en su totalidad los fenómenos electromagnéticos [3].
En 1878, Henrich Hertz verifica las predicciones de Maxwell produciendo y transmitiendo
ondas electromagnéticas en el laboratorio. Las contribuciones de Maxwell a la ciencia del electro-
magnetismo fueron especialmente significativas debido a que las leyes formuladas por el son
básicas para todas las formas de los fenómenos los electromagnéticos [3].
Presentamos en la figura 2.1 una breve línea del tiempo de los sucesos relacionados con el
electromagnetismo.
Se define una onda electromagnética como la onda producida por la aceleración de una carga
eléctrica y propagada por la variación periódica de las intensidades de, por lo general, los campos
eléctricos y magnéticos perpendiculares [5].
A partir de [4] presentamos a continuación, la naturaleza del campo electromagnético descrito
24
Tales de Mileto. Descubrimiento de la
700 AC · · · · · · • electro-estática en el ámbar.
Figura 2.1: Línea del tiempo de descubrimientos importantes en el campo del electro-
magnetismo
Q enc
I
Ley de Gauss para campo eléctrico: ~ · d~
E A = (2.1)
²0
superficie
cerrada
La expresión anterior explicaba que el flujo de campo eléctrico que atraviesa cualquier
superficie cerrada es igual al valor de la carga neta que hay en el interior de la superficie (Q enc )
dividida por la permitividad1 del vacío (²0 ). En otras palabras, dado que las líneas de campo solo
pueden comenzar o acabar en una carga eléctrica, el balance neto entre las líneas que “salen” y
las que “entran” en la superficie cerrada solo puede ser calculadas debido a la presencia de carga
neta en su interior. Si esta carga es cero, el número de líneas de campo que atraviesan el área en
un sentido debe ser el mismo que en el otro.
1 Lapermitividad (llamada también constante dieléctrica) es una constante física que describe
cómo un campo eléctrico afecta y es afectado por un medio
25
I
Ley de Gauss para campo magnético: ~ · d~
B A =0 (2.2)
superficie
cerrada
La ley de Gauss para el magnetismo enuncia que el balance de flujo de campo magnético que
atraviesa cualquier superficie cerrada debe ser siempre cero. En otras palabras, que no existen
“cargas magnéticas” donde puedan comenzar o acabar las líneas de campo y, por tanto, que el
número de líneas que “entran” dentro la superficie debe ser el mismo que las que “salen”.
dφB
I
Ley de Faraday: ~ · d~
E s =− (2.3)
dt
A diferencia de las dos primeras, una primera relación entre el campo eléctrico y el campo
magnético. En este caso, se explica cómo un campo magnético variable crea o modifica el campo
~ en un punto cualquiera es igual al ritmo
eléctrico. Es decir, que el rotacional del campo eléctrico E
de variación (la derivada respecto al tiempo) del campo magnético B en aquel mismo punto,
cambiado de signo.
dφE
I
Ley de Ampere-Maxwell: ~ · d~
B s = µ0 ²0 + µ0 i enc (2.4)
dt
La ley de Ampère-Maxwell establece que la integral de línea de un campo magnético alrededor
de un circuito cerrado es proporcional a la corriente que atraviesa la superficie imaginaria
dibujada por este circuito. Es decir, relaciona el campo magnético en una región con su causa, las
corrientes eléctricas: cargas en movimiento.
Nos interesa la interacción de las ondas electromagnéticas con la materia que se dan en
antenas, atmósfera y obstáculos. Los principios físicos que gobiernan las interacciones de las
ondas electromagnéticas con la materia son la difracción (en la antena); atenuación, refracción
y despolarización (en la atmósfera); y, por último, la reflexión (en los obstáculos). Adelante en
este capítulo se relacionarán estos fenómenos físicos con los correspondientes componentes del
sistema propuesto.
Existen diversas formas de onda electromagnéticas, pero podemos tomar los dos casos principa-
les: Forma de onda continua y forma de onda de intermitente.
Onda continua. Las ondas electromagnéticas continuas son generadas por algún tipo de
oscilador y no son interrumpidas en ningún momento, este tipo de onda es periódica. La
frecuencia puede ser o no constante.
26
Onda intermitente. Las ondas electromagnéticas intermitentes son generadas a partir de un
oscilador de onda continua y son interrumpidas periódicamente. Al tiempo de interrupción
de la onda está asociado con el llamado duración del ciclo, la frecuencia a la que se
interrumpe la onda se le denomina: frecuencia de repetición del pulso (PRF1 ).
Se denomina ruido a las ondas que son producto de la agitación térmica de las moléculas del
material que forma los conductores o el movimiento desordenado de los electrones y de otros
portadores de corriente. El comportamiento del ruido normalmente interfiere con la propagación
y con la recepción de ondas que contienen información deseada por los diseñadores de sistemas.
Este fenómeno es inevitable y sucede en toda la materia, debido a que aunque parezca inmóvil,
toda materia se encuentra en movimiento. Todos los objetos en el universo cuya temperatura esta
por encima del cero absoluto (0 grados Kelvin), emite el llamado ruido térmico. El ruido térmico
emite, prácticamente, todas las frecuencias del espectro electromagnético. Distinguir el ruido
de las señales útiles es uno de los principales retos para cualquier sistema que emplee ondas
electromagnéticas.
El efecto Doppler es llamado así en honor a su descubridor, Christian Andreas Doppler2 . Acorde
con [6], el efecto Doppler es el cambio de frecuencia de una onda producido por el movimiento
relativo de la fuente respecto a su observador. Doppler describió este efecto en 1842 en su tratado
Über das farbige Licht der Doppelsterne und einige andere Gestirne des Himmels [7], el cual trata
sobre el color de la luz en estrellas binarias y otros astros
En 1843, el efecto Doppler fue probado experimentalmente[8]. El experimento se realizó
empleando un tren haciendo sonar su bocina y que se movía a distintas velocidades. La longitud
de onda de la fuente de sonido es definida por λ = C soni f
do
, donde C soni d o es la velocidad de
propagación de la onda sonora en el medio dado y f es la frecuencia del sonido producido por la
fuente. Se tienen tres casos para el modelo del efecto Doppler.
Caso 1: Si solo se mueve la fuente a una velocidad v s relativa al medio, la frecuencia percibida por
el observador, como lo muestra la figura 2.2, es:
C soni d o 1
f0= ·f = ·f (2.5)
C soni d o ± v s 1 ± v s /C soni d o
1 Pulse Repetition Frequency
2 Físico y matemático austriaco (1803–1853).
27
Si v s /C soni d o ¿ 1, entonces el cambio de frecuencia Doppler percibida por el observador
es aproximadamente:
vs
µ ¶
0 1 ∼
f = · f = 1± ·f (2.6)
1 ± v s /C soni d o C soni d o
Caso 2: Si la fuente es estacionaria y el observador se mueve con una velocidad v 0 relativa al medio,
la frecuencia percibida por el observador es:
C soni d o ± v 0 v0
µ ¶
f0= · f = 1± ·f (2.7)
C soni d o C soni d o
Cuando la fuente y el observador se aproximan entre sí, el signo + del signo ± en la ecuación
2.8 se aplica, si por el contrario, la fuente y el observador se alejan se aplica el signo − del
signo ∓ a dicha ecuación.
2.3 Radar
Esta sección esta basada en [9] y [10]. Un RADAR es aquel dispositivo o sistema que transmite y
recibe señales de radio de forma síncrona. El procesamiento de las señales recibidas proporciona
28
una medida de distancia relativa al objeto que reflejó las señales. Sir Robert Watson-Watt es
considerado el inventor del RADAR. Después de la verificación de los principios experimentales
del RADAR, Watson-Watt obtuvo la patente en 1935.
Los dispositivos o sistemas RADAR transmiten señales electromagnéticas hacia un objeto
y reciben de regreso una señal del mismo objeto. En base al tiempo de regreso de la señal que
regresa, el RADAR puede medir la distancia a la que se encuentra el objeto. Si un objeto se mueve,
la frecuencia de la señal recibida estará desplazada con respecto de la señal original o transmitida
(Figura 2.2).
Se puede medir el alcance, o la distancia, con base en las propiedades de la energía electro-
magnética radiada. Esta energía normalmente viaja a través del espacio en línea recta, a velocidad
constante y con variaciones mínimas ocasionadas por fenómenos atmosféricos y condiciones me-
teorológicas. La energía electromagnética viaja a través del aire a aproximadamente la velocidad
de la luz, trescientos mil kilómetros por segundo.
Las ondas electromagnéticas se reflejan sobre superficies conductoras; por lo tanto, si las
ondas reflejadas retornan al punto de emisión de las ondas se puede inferir que se encuentra un
obstáculo en la trayectoria de propagación.
La distancia se determina usando como referencias el tiempo en que la señal de alta frecuencia
transmitida golpea el objetivo y la constante de propagación C 0 . Una forma de medir la distancia
entre el radar y un objeto es transmitir un pequeño pulso electromagnético y medir el tiempo
que tarda el eco en volver. La distancia de un objetivo desde el radar se conoce como alcance
inclinado. El alcance inclinado es la distancia del RADAR hacia cada blanco u objetivo medido
perpendicular a la línea del vuelo. Mientras el alcance terrestre es la distancia horizontal entre
el emisor y su objetivo. El calculo de la distancia requiere el conocimiento de la elevación del
objetivo.
Dado que las señales viajan al objetivo y regresan, el tiempo que se demoran en ir y regresar
es dividido por dos para obtener el tiempo que la señal toma para llegar al objetivo. Por lo tanto
surge la siguiente fórmula para calcular el rango:
c0 t
R= (2.9)
2
De la ecuación 2.9, c 0 = velocidad de la luz = 3 × 108 [m/s], t = tiempo [s] y R = rango [m]. Rango
es la distancia desde el radar hasta el objetivo detectado a lo largo de la línea de visión.
s
v= (2.10)
t
El factor de dos en (2.9) se obtiene si analizamos que la señal va hasta el objetivo y regresa antes
de ser detectado.
2R
C0 = , (2.11)
t
C0 t
R= (2.12)
2
29
La resolución del objetivo de un radar es su capacidad para distinguir entre objetivos que están
muy cercanos en rango o en rumbo. El radar de control de armas, requiere gran precisión y deberá
ser capaz de distinguir entre los objetivos que están a unos metros de distancia. El RADAR de
búsqueda es generalmente menos preciso y sólo distingue entre objetivos que están alejados
unos de otros. La resolución es dividida generalmente en dos categorías; resolución en rango y
resolución en dirección.
La resolución en rango es la habilidad de un sistema de radar para distinguir entre dos o
más objetivos en el mismo dirección pero a diferente distancia. El grado de resolución en rango
depende del ancho del pulso transmitido, del tipo y tamaño de los objetivos, y de la eficiencia del
receptor y la pantalla. El ancho del pulso es el factor primario en la resolución en distancia. Un
sistema bien diseñado de RADAR, con todos los otros factores en la máxima eficiencia, deberán
tener la habilidad para distinguir objetivos que se encuentren separados a la mitad del tiempo del
ancho del pulso τ. De cualquier manera, teóricamente la resolución en distancia para un sistema
de radar puede ser calculado teniendo en cuenta la siguiente ecuación:
C0τ
Sr ≥ (2.13)
2
El espectro de las ondas electromagnéticas muestra las frecuencias hasta 1024 Hz. Esta extensa y
completa gama es subdivida en subgrupos para tener en cuenta las propiedades físicas de las
ondas que lo componen.
La división de las frecuencias en los distintos rangos fue determinada teniendo en cuenta
criterios pasados, los cuales surgieron históricamente y fueron quedando obsoletos, entonces
una nueva división de las bandas de frecuencia que se utilizan a nivel internacional. El nombre
tradicional de banda de frecuencias todavía se utiliza en la literatura.
Los sistemas de radar trabajan en una amplia banda de frecuencias de transmisión. Cuanto
mayor sea la frecuencia de un sistema de radar, tanto más se ve afectada por condiciones meteo-
rológicas como la lluvia o las nubes. Pero entre mayor es la frecuencia de transmisión, mejor es la
precisión del sistema de radar.
El uso de estas bandas de radar por debajo de 300 MHz tienen una larga tradición histórica,
porque estas frecuencias representan la frontera de la tecnología de radio en el tiempo durante
la Segunda Guerra Mundial. Hoy en día estas frecuencias se utilizan para los radares de alerta
temprana llamados radares sobre el horizonte (OTH1 ).
Utilizando estas frecuencias más bajas, es más fácil obtener transmisores de alta potencia. La
atenuación de estas ondas electromagnéticas es más bajo que el uso de frecuencias más altas. Por
otra parte, la precisión es limitada, ya que una menor frecuencia requiere antenas físicamente
muy grandes, las cuales determinan el ángulo de precisión y el ángulo de resolución. Estas
1 Over The Horizon
30
bandas de frecuencia son utilizadas por otros sistemas de comunicaciones y por los servicios de
radiodifusión también, por lo tanto el ancho de banda de este radar es limitado (a expensas de la
precisión y la resolución).
Estas bandas de frecuencia están experimentando actualmente un regreso y se les está dando
un significado especial en aplicaciones militares. Esta sección se redactó en base a [10] la siguiente
descripción para las bandas empleadas por los sistemas de RADAR, como se muestra en la figura
2.3.
Banda D (Banda Radar L). Esta banda de frecuencias (1 a 2 GHz) es la preferida para el
funcionamiento de los radares de vigilancia aérea de largo alcance por encima de 250 NM2
(∼ 400 km). Estos radares transmiten pulsos de alta potencia, ancho de banda amplio y una
modulación intrapulsada. Debido a la curvatura de la tierra, el rango máximo alcanzable
es limitado para los objetivos que vuelan con baja altitud. Estos objetos desaparecen muy
rápido tras el horizonte del radar.
2 nudos marinos
31
En el manejo del tráfico aéreo (ATM), los radares de vigilancia de largo alcance como el
radar de vigilancia de ruta aéreas (ARSR) trabaja en esta banda de frecuencia. Acoplado
con un radar de vigilancia de mono pulso secundario (MSSR) que utilizan una proporción
relativamente grande, y muy lenta rotación de antena. Como una especie de rima nemo-
técnica se puede recordar que los radares de banda L tienen antena de gran tamaño o largo
alcance.
Banda E/F (Banda Radar S). En la banda de frecuencia de 2 a 4 GHz la atenuación at-
mosférica es ligeramente superior que en la Banda D. Los equipos de radar en esta banda
necesitan una potencia de transmisión mayor a la usada en los rangos más bajos de fre-
cuencia para lograr un alcance máximo bueno. Como ejemplo dado, el radar de energía
media (MPR), con una potencia de impulso de hasta 20 MW. En este rango de frecuencia la
influencia de las condiciones meteorológicas es mayor que en la banda D. De cualquier
modo, algunos radares meteorológicos trabajan esta Banda E/F, pero sobretodo en condi-
ciones climáticas subtropicales y tropicales, porque es aquí donde el radar puede ver más
allá de una fuerte tormenta.
Radares Especiales de Vigilancia en Aeropuertos (ASR) se utilizan en los aeropuertos para
detectar y mostrar la posición de la aeronave en el terminal aéreo con un alcance medio
de hasta 50-60 NM (∼ 100 km). Un ASR sirve para apoyar a los controladores aéreos pues
detecta la posición de las aeronaves y las condiciones meteorológicas en las proximidades
de los aeropuertos civiles y militares. Como una especie de rima nemotécnica se puede
recordar que los radares de banda S (contrario a la banda L) tienen una antena pequeña o
corto alcance.
Banda G (Banda Radar C). En la banda de frecuencia G hay muchos sistemas móviles de
vigilancia usados en el campo de batalla militar, control de misiles y conjuntos de radares
de vigilancia con un corto o mediano alcance. El tamaño de las antenas proporciona una
excelente precisión y resolución, además que su tamaño no es un inconveniente para
un rápido traslado. La influencia de condiciones meteorológicas adversas es muy alta.
Por lo tanto los radares de vigilancia aérea son en su mayoría equipados con antenas de
polarización circular. Esta banda de frecuencias está predeterminada para la mayoría de los
tipos de radares meteorológicos usados para localizar precipitaciones en zonas templadas
como Europa.
Banda I/J (Banda de Radar X y Ku). En esta banda de frecuencia (8 a 12 GHz) la rela-
ción entre la longitud de onda utilizada y el tamaño de la antena es considerablemente
mejor que en las bandas de menor frecuencia. La Banda I/J es una banda de radar re-
lativamente popular para aplicaciones militares como radares aerotransportados para
el ejercicio de las funciones de interceptor, caza y ataque de combatientes enemigos y
objetivos en tierra. El tamaño de la antena muy pequeña proporciona un buen rendimiento.
Sistemas de guía de misiles en la banda I/J son de un tamaño conveniente y por tanto
32
de interés para las aplicaciones donde la movilidad y el peso ligero son importantes y el
alcance lejano no es un requisito importante.
Esta banda de frecuencia es ampliamente usada por radares civiles y militares para la
navegación marítima. Las antenas más pequeñas y económicas, con alta velocidad de
rotación son perfectas para proporcionar una cobertura suficiente y una buena precisión.
La guía de ondas ranurada y las pequeñas antenas de remiendo son usadas como antenas
de radar protegidas bajo una cúpula protectora.
Esta banda de frecuencia es también popular para los radares de imágenes espaciales o
aéreas usando como base el radar de apertura sintética (Synthetic Aperture Radar, SAR),
tanto para la inteligencia electrónica militar y/o para ser aplicado en el estudio geográfico
de la superficie terrestre (creación de mapas). Un radar de apertura sintética inversa
especial es usado como instrumento de vigilancia marítima para el control de la polución,
buscando prevenir la contaminación del medio ambiente.
Banda K (Banda Radar K y Ka). Cuanto más alta es la frecuencia, más altas son la ab-
sorción y la atenuación atmosféricas de las ondas. Por otra parte, la exactitud y la resolución
en distancia se incrementan también. Los usos del radar en esta banda de frecuencia pro-
porcionan muy poco cubrimiento en distancia, resolución muy alta y datos de alta tasa
de renovación. En el ATM estos sistemas de radar son llamados: Radares de Movimiento
en la Superficie (Surface Movement Radar, SMR) o Equipo de detección en la superficie
del aeropuerto (Airport Surface Detection Equipment, ASDE). La utilización de pulsos de
transmisión muy cortos de unos nanosegundos permite una resolución en distancia que
deja visualizar el contorno del avión en la pantalla de los radares.
Banda V. Debido a la dispersión molecular (En este caso se trata de la influencia de la humedad
del aire). Esta banda de frecuencia genera una alta atenuación. La aplicación para los
radares esta limitada para una corta distancia de un par de metros.
Los sistemas de radar, no obstante que tiene un gran número de aplicaciones especificas, en lo
general realizan tres funciones básicas [11].
33
1)Búsqueda/Detección. A partir del fenómeno de reflexión y teniendo algún punto punto
de referencia en la posición se puede calcular la posición o presencia de obstáculos en la
trayectoria de las ondas electromagnéticas. Prácticamente todos los radares requieren de
encontrar o detectar un objetivo sin contar con información previa acerca del volumen o
posición del mismo.
2) Rastreo. Una vez que se detecto el objetivo deseado se le sigue mediante movimientos del
radar. El rastreo o seguimiento implica la medición de la posición, distancia y velocidad
del objetivo.
3) Imagen. En general el proceso de obtener una imagen de radar sigue los pasos: (1) desarro-
llar un perfil para el alcance del objetivo, (2) desarrollar un perfil de la sección por la cual
las ondas electromagnéticas cruzan la superficie del objetivo. Una vez realizados los pasos
anteriores se barre o recorre el área de interés y se obtiene la imagen o representación
gráfica.
Cualquier radar realiza por lo menos una de las funciones antes expuestas o una combinación de
ellas.
La clasificación de los radares, acorde con [11], se tienen por antenas, por modo de operación,
la información que proporcionan y por las funciones que desempeñan. La clasificación por el
número de antenas es como sigue:
1. Mono-estático: una sola antena o dos antenas separadas por una distancia muy pequeña
2. Bi-estático: dos antenas suficientemente separadas
3. Multi-estático: más de dos antenas separadas
También tenemos una clasificación por el modo de operación:
1. Onda continua (CW). Este modo es cuando la señal emitida no se interrumpe mientras el
radar se encuentre encendido
2. Onda continua con modulación (FWCM). Este modo es cuando la señal no se interrumpe
y además, la frecuencia de transmisión varía periódicamente de tal forma que se tiene una
marca en la señal emitida
3. Onda intermitente o pulsante (Pulse). Este modo de operación se tiene cuando la onda
transmitida es interrumpida de forma constante por una frecuencia mucho menor que la
frecuencia de operación, por ejemplo si tenemos la frecuencia de transmisión de 10 GHz la
frecuencia que se emplea para interrumpir la señal es del orden de 2 kHz
Es posible, también, clasificar a los radares por la información que proporcionan:
Coherente. Un radar coherente es aquel que puede entregarnos amplitud y fase en su señal
No coherente.Un radar no coherente es aquel que nos entrega solamente la amplitud en su
señal
Por último, tomando en cuenta las funciones que cada aplicación de radar realiza, se tiene la
siguiente clasificación:
34
1. Búsqueda o Detección
2. Rastreo
3. Imagen
Las técnicas de señales digitales proporciona un método alternativo para procesar una señal
analógica de interés práctico tales como la voz, señales biológicas, sísmicas, del sonar y de
los distintos tipos de comunicaciones. Para realizar esto, es necesario contar con una interfaz
entre la señal analógica y el procesador digital y viceversa. Estas interfaces son el convertidor
Analógico-Digital (ADC1 ) y el convertidor Digital-Analógico (DAC2 ) como se muestra en la figura
2.4.
35
Figura 2.4: Diagrama de conversión directa e inversa
sin(2πB t )
g (t ) = (2.14)
2πB t
36
Así, x a (t ) se puede expresar como:
∞
X
µ
n
¶ µ
n
¶
x a (t ) = xa g t− (2.15)
n=−∞ Fs Fs
La tasa de muestreo dada por F N = 2B = 2F m ax, se denomina tasa de Nyquist. La Figura 2.6
ilustra el proceso de un DAC ideal que usa esta función de interpolación.
Existen muchas maneras de muestrear una señal, la más común es el muestreo periódico o
uniforme. Este proceso se describe mediante la relación:
donde x(n) es la señal en tiempo discreto, obtenida tomando muestras de la señal analógica
x a (t ) cada T segundos. Este proceso se ilustra en la Figura 2.7. El intervalo de tiempo T entre dos
muestras sucesivas se denomina periodo de muestreo o intervalo de muestreo, y su recíproco
(1/T = F s) se llama velocidad de muestreo, muestras por segundo o frecuencia de muestreo,
la cual se mide en Hertz. El muestreo periódico establece una relación entre las variables t de
tiempo continuo y n de tiempo discreto. Estas variables se relacionan linealmente a través del
periodo de muestreo T o equivalentemente, a través de la velocidad de muestreo como:
n
t = nT = (2.18)
T
37
Figura 2.7: Muestreo periódico de una señal analógica
Como consecuencia de (2.18), existe una relación entre la variable frecuencia F de las señales
analógicas y la variables frecuencia f de las en tiempo discreto. Para establecer dicha relación si
se considera una señal analógica de la forma:
x a (t ) = A · cos(2πF t + θ) (2.19)
Cuando se muestrea periódicamente a una velocidad de F s = 1/T muestras por segundo, da lugar
a:
x a (nT ) ≡ x(n) = A · cos(2πnF T + θ) (2.20)
µ ¶
2πnF
x(n) = A · cos +θ (2.21)
Fs
Si una señal en tiempo discreto es expresada como:
Al comparar la relación (2.21) con la (2.22), se observa que las variables de frecuencia F y f están
linealmente relacionadas como:
F
f = (2.23)
Fs
Si ω = 2π f y Ω = 2πF entonces la 2.23 queda como:
ω = ΩT (2.24)
La relación dada por (2.23) justifica el nombre de frecuencia normalizada o relativa, que se usa
para describir a la variable f .
38
Como se ve en 2.23, se puede usar a f para determinar a la frecuencia F , solo si la frecuencia
de muestreo F s es conocida. El rango de la variable de frecuencia F o Ω para senoides en tiempo
continuo es:
Sin embargo, la situación es diferente para senoides en tiempo discreto, las cuales establecen
que:
1 Fs Fs 1
− =− ≤F ≤ = (2.27)
2T 2 2 2T
o equivalentemente:
π π
− = −πF s ≤ Ω ≤ πF s = (2.28)
T T
El llamado aliasing es el efecto que causa que señales continuas distintas se tornen indistin-
guibles cuando se muestrean digitalmente. Cuando esto sucede, la señal original no puede ser
reconstruida de forma unívoca a partir de la señal digital. Para evitar las ambigüedades que
resultan del aliasing, se debe seleccionar una velocidad de muestreo lo suficientemente alta, esto
es, se debe escoger a F s /2 mayor que a F máx . Por lo tanto para evitar el problema de aliasing, se
selecciona a F s como:
F s > 2F máx (2.29)
La ecuación (2.29) es muy importante para cualquier procesamiento de señal en la cual se requiere
que no existan perdidas de información a partir de una señal continua, es decir, analógica.
Basados en los capítulos 2, 3, 7 y 8 de [11], describiremos los conceptos principales para realizar
la detección de objetos con un sistema de RADAR.
Un sistema de radar esta diseñado para realizar alguna de las tres funciones mencionadas
anteriormente en este capítulo a saber: búsqueda, seguimiento o imagen. Cuando la función
principal del sistema de radar es la de búsqueda no se cuenta con información previa sobre las
características del objeto a buscar. Llamaremos indistintamente a los objetos u obstáculos como
objetivos en lo sucesivo.
Normalmente se diseña un RADAR para un tipo de objetivo especifico, dado el volumen o
sección transversal, el material y la posible distancia a la que se buscará. Los parámetros para el
39
diseño del sistema de radar están en estrecha relación con los requerimientos para el sistema o la
aplicación tecnológica de la que es parte.
A manera de ejemplo, para comprender la detección imaginemos que tenemos un prisionero
que intenta escapar de la prisión y nosotros contamos con una lámpara que podemos dirigir
hacia la barda o cerca de la prisión; encontraremos al prisionero si alumbramos la posición
correcta en el justo momento en que el prisionero intente pasar por la cerca, pero de no ser el
caso aunque el prisionero esté en el espacio de búsqueda no será detectado por el sistema. De
manera análoga funciona el sistema de radar pero empleando señales electromagnéticas a través
de antenas receptoras y transmisoras.
Los radares realizan la búsqueda de objetivos moviendo la dirección de la antena en un
periodo de tiempo determinado y con un alcance también conocido.
40
Si la señal recibida es suficientemente alta, en relación con el umbral, entonces es declarado que
se detectó un objetivo. Si la señal recibida no es mayor que el umbral, se declara que no se detectó
un objetivo.
El umbral también debe mantenerse lo más bajo posible para tener una buena sensibilidad
para la detección. En la mayoría de sistemas de radar la interferencia no solo está compuesta
de ruido (noise) térmico propio de la composición de la materia, sino también está compuesto
de la superposición de ondas de objetos que no son parte del objetivo que se pretende detectar
denominado clutter y de interferencia inducida por otros sistemas o jamming noise. La interfe-
rencia producida por jamming y por clutter depende del alcance, ángulo y el efecto Doppler de
las celdas vecinas de la celda donde se encuentra el objetivo. Como una consecuencia, el nivel
de interferencia puede variar por muchos decibles (dB: relación logarítmica entre dos señales)
durante la operación de tal manera que mantener un umbral fijo resulta inútil. Por las razones
expuestas, en un sistema de radar el umbral debe ser adaptable y auto-ajustable en función de los
niveles de interferencia local dando lugar a lo que se conoce como la constante de falsa alarma
(CFAR1 ).
Para que se detecte exitosamente la señal debe ser dominante sobre la interferencia local pre-
sente. Un caso donde se presentan problemas para la detección es cuando la señal de los objetos
en los que no estamos interesados es de mayor intensidad que la del objetivo a detectar. En este
caso el procesamiento espectral de la señal es a menudo empleado, este procesamiento es deno-
minado indicador de movimiento del objetivo (MTI2 ). El procesamiento MTI o procesamiento
Doppler sirve para reducir el nivel de señal del clutter en relación con la señal recibida.
Cuando la señal dominante es la interferencia jamming a menudo se emplea la técnica de
ángulo de recepción. Si el sistema sufre de interferencia por clutter adicionalmente a jamming
se emplea una técnica de procesamiento adaptable espacio-temporal (STAP3 ), la cual es una
combinación de las anteriores.
El ruido en la salida receptora es voltaje que varia de forma aleatoria. Debido al efecto de la
división de las ondas o scatter, se producen interferencia constructiva y destructiva múltiple. La
mayoría de los objetivos de interés presentan voltajes, producto del rebote o eco, que varían de
un pulso al siguiente; sin embargo, aunque el objetivo es modelado como un eco en el voltaje,
la salida de voltaje en el receptor, cuando el objetivo está presente, es una variable compleja
conformada por la amplitud y la fase, y también, es una combinación de ruido y señal que se
comporta como una variable aleatoria.
41
Por tanto, el proceso de detección de la presencia de un objetivo basado en la señal de voltaje
es un proceso estadístico, con una probabilidad asociada para la detección, P D , menor a la
unidad, y una probabilidad de falsa alarma, P F A , normalmente mayor a cero.
La fluctuación del voltaje en la señal con ruido, y el voltaje en la señal del objetivo, v están
caracterizadas en términos de su función de densidad de probabilidad, PDF1 , p v , las funciones
describen la probabilidad relativa que una variable aleatoria tomará bajo diferentes valores.
Por ejemplo, la función de densidad de probabilidad gausiana o normal muestra el voltaje
mostrada en la figura 2.8, v, que puede tomar valores positivos o negativos con igual probabilidad,
regularmente toman valores cercanos a cero para valores grandes ya sea positivos o negativos.
Las funciones de densidad de probabilidad son empleadas para calcular probabilidades. Por
ejemplo, la probabilidad de que la variable aleatoria, v, exceda algún valor de voltaje umbral Vt ,
es el área bajo la la PDF en la región v > Vt , a cual es:
Z ∞
P r ob{v > Vt } = P v (v)d v (2.30)
Vt
1 Probability Density Function
42
Para aplicar la ecuaciones 2.30 y determinar la probabilidad de falsa alarma, P F A , para el voltaje
umbral dado, supongamos que la función de densidad de probabilidad del voltaje del ruido está
dado por p i (v). Un voltaje umbral, Vt , es definida como algún nivel de voltaje suficientemente
por arriba del valor máximo del ruido. Ello para limitar las falsas alarmas a un rango aceptable
para el sistema.
La probabilidad de falsa alarma es la integral de la PDF desde el voltaje umbral hasta el
infinito positivo Z ∞
PF A = P i (v)d v (2.31)
Vt
A mediados de los 80 en el Xerox Parc Lab de California Mark Weiser junto con su equipo en
Xerox, elaboraron el primer escenario de cientos de pequeños ordenadores interconectados, que
pasaban prácticamente inadvertidos, en forma de insignias, tarjetas y pizarras electrónicas.
De acuerdo con [13], Weiser decía que “estos ordenadores ubicuos deberán saber en qué
habitación se encuentran para adaptarse al entorno e identificarán a su usuario mediante un
sistema de radio búsqueda internacional“.
Basados en [14] describimos algunos hechos relevantes del área. En Junio de 1998, Palo Alto
Ventures y Silicon Artists, por encargo del Vicepresidente Ejecutivo de Royal Philips Electronics,
Roel Pieper, desarrollan un primer informe que incluye la definición y el escenario de Ambient
Intelligence (AmI).
Bajo la dirección de Roel Pieper y la subdirección de Stefano Marzano, actual CEO de Philips
Design, reúnen a un nutrido grupo de expertos, de distintas empresas e institutos de investigación
de todo el mundo como el Massachusetts Institute of Technology (MIT). Juntos definieron la visión
en que estos ordenadores ubicuos interconectados aprenderían de sus usuarios y de verdad
mejorarían la vida de la gente.
1 Signal to Noise Ratio
43
Por primera vez el ser humano no tendría que adaptarse a las máquinas, sino que la tecnología
se adaptaría a él. ”La inteligencia penetrará en el entorno como una presencia ambiental, entorno
en el que nuestras necesidades se verán satisfechas del mismo modo en que la sangre circula en
nuestro cuerpo: sin mediar una orden consciente“, decían estos pioneros en su libro blanco.
Philips inició sus investigaciones de Inteligencia Ambiental en el Home Lab, al tiempo que
otras corporaciones e instituciones hicieron lo propio. Philips sigue liderando este campo y
presentando aplicaciones concretas que se inspiran en esta visión y que se agruparon en la
presentación comercial de La Casa conectada, que presentó en 2003 en el Ce Bit1 , Rudy Provoost
es el actual CEO de Philips Electronic Consumer.
Inteligencia Ambiental, esta tecnología de tecnologías, ha sido denominada por la Comisión
Europea como el principal escenario de futuro para el siglo X X I . La Comisión europea ha
patrocinado varios congresos de carácter internacional que se han realizado en Holanda, con el
liderazgo de Philips.[15]
De acuerdo con [1] el wearable computing es una rama del cómputo ubicuo que trata sobre los
dispositivos o sistemas que se pueden portar, como la vestimenta, con un propósito específico.
Bajo la panorámica de weareable computing existen tres ramas en donde ubicar los sistemas
de detección de obstáculos: ETA2 , EOA3 y PLO4 .
En la ETA, motivo de nuestro trabajo, se encuentran los sistemas o dispositivos que pueden
detectar obstáculos en exteriores e interiores. La detección de obstáculos es una de las directrices
que conforman la ETA acorde con el National Research Council5 para ETA.
El cómputo ubicuo que se define como la capacidad informática que se integra en el contexto
humano de manera desapercibida6 y por otro lado, tenemos el wearable computing que se define
como una rama del cómputo ubicuo que trata sobre los dispositivos o sistemas que se pueden
portar, como la vestimenta, con un propósito específico.
Bajo la panorámica de weareable computing existen tres ramas en donde ubicar los sistemas
de detección de obstáculos: ETA, EOA y PLO como se muestra en la figura 2.9.
1 Feria de exhibición tecnológica, www.cebit.de/home | fecha de acceso: 3 de agosto de 2016
2 Electronic Travel Aids
3 Electronic Orientation Aids
4 Position Locator Devices
5 http://www.nationalacademies.org/nrc/ | fecha de acceso: 3 de agosto de 2016.
6 http://www.ubiq.com/hypertext/weiser/SciAmDraft3.html | fecha de acceso: 3 de agosto
de 2016.
44
1. ETAs: dispositivos capaces de transformar la información que obtienen del ambiente, la
cual es normalmente obtenida por los humanos por el sentido de la vista, y la presentan
de de tal forma que sea interpretada por alguno de los sentidos restantes: oído, tacto,
principalmente.
2. EOAs: dispositivos que proveen orientación antes o durante un viaje. Ellos pueden ser
externos al usuario y pueden ser llevados o no por el usuario.
3. PLOs: dispositivos y tecnologías de geo-localización tales como: GPS1 , EGNOS2 , entre
otros.
En la ETA se encuentran los sistemas o dispositivos que pueden detectar obstáculos en exteriores
e interiores. La detección de obstáculos es una de las directrices que conforman la ETA de acuerdo
al National Research Council3 [1].
Visión
mejorada
Reemplazo
de visión
Cómputo Cómputo
ubicuo vestible Ayuda
electrónica
de orien-
tación
Detección
Visión ubicación
sustituida posicional
Cómputo Cómputo
móvil empotrado Ayuda
Detección
electrónica
de viaje de obstáculos
1 GlobalPosition System
2 European Geostationary Navigation Overlay Service
3 http://www.nationalacademies.org/nrc/ | fecha de acceso: 3 de agosto de 2016.
45
2.6.3 Sistemas de detección de obstáculos para navegación asistida
De acuerdo con Dakopoulos et al.[1] la clasificación de los sistemas relativos a visión en el marco
de ETA (figura 2.9) son las siguientes:
Vision enhancement. Involucra una o más cámaras de entrada, procesamiento de la infor-
mación obtenida y una salida visual en pantalla.
Vision replacement. Involucra el despliegue de la información directamente en el nervio
óptico o en la corteza cerebral en el área de la visión.
Vision substitution. Es similar a vision enhacement con la diferencia de que la salida es
no-visual: auditiva, táctil o combinación de las dos. Debido a que el oído y el tacto son
sentidos con menor capacidad sensitiva que la vista, la información entregada debe ser
procesada de tal forma que sea útil para dichos sentidos.
Se ha abordado el problema de la detección de obstáculos desde varios enfoques (figura 2.10),
como lo reportan Discant et al. [16], entre ellos se encuentran: RADAR, LIDAR, LADAR y SONAR.
Existen trabajos cuyo propósito es guiar a personas débiles visuales mediante el uso de
sensores de distancia [17], procesamiento de imágenes obtenidas por cámaras montadas en un
robot o dispositivo que acompaña al usuario [18], escaneo láser [19] o teléfonos inteligentes.
Sistemas para
LADAR la detección LIDAR
de obstáculos
RADAR SONAR
46
Capítulo
3
Estado del arte
C ONTENIDO
3.1 SONAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 LIDAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3 LADAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.4 RADAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.5 Ventajas y desventajas . . . . . . . . . . . . . . . . . . . . . 54
P resentamos el estado del arte para los sistemas que ayudan a los usuarios en la navegación
de entornos. El estado del arte está organizado en cuatro partes acorde con la clasificación del
enfoque empleado por los trabajos reportados: ondas sonoras (SONAR), ondas electromagnéticas
(RADAR), haces de luz (LIDAR) y, haces laser (LADAR). Comenzaremos ubicando el área de
investigación para el presente trabajo de tesis. Después, haremos una revisión a los trabajos más
relevantes para cada uno de los enfoques y por último haremos un análisis del estado del arte.
Dakopoulos y Bourbakis en su artículo sobre la navegación empleando wearables [1] establece
tres categorías: 1) Electronic Travel Aids (ETAs), 2) Electronic Orientation Aids (EOAs) y 3) Position
Locator Devices(PLDs) dentro del cómputo vestible (wearable computing) (figura 2.9).
Ubicándose en la categoría ETA, se presentan a continuación los sistemas que abordan la
detección de obstáculos que se encontraron en la literatura disponible.
3.1 SONAR
47
Dos sensores ultrasónicos son fijados sobre un armazón para anteojos que también cuenta
con un par de audífonos. Las señales reflejadas por los objetos son procesadas por el micropro-
cesador y se presentan sonidos estereofónicos al usuario el par de audífonos para indicarle la
presencia de obstáculos. [20]
Se realizaron casos de prueba con el dispositivo y se mostró que funciona en entornos
controlados, no obstante, se requiere más y mejores pruebas que apoyen la viabilidad del sistema.
Se destaca la simplicidad y portabilidad como mejores características de este sistema.
Proyecto FIU: este proyecto emplea un sistema de lectura multidireccional que permite
reconstruir el espacio 3D. El prototipo se conforma de dos subsistemas: el sonar y la unidad
de control de la brújula (figura 3.2). La brújula está compuesta de seis sensores de distancia
ultrasónicos en las seis direcciones radiales alrededor del microcontrolador; se cuenta con un
48
generador sonar 3D, el cual esta compuesto de audífonos y un PDA equipado con el software
capaz de procesar la información que obtiene de la unidad de control de la brújula y del sonar
[22].
El sistema emplea el algoritmo HRTF (head-related transfer functions) el cual crea un ambiente
de sonidos 3D que representa los obstáculos detectados. La principal desventaja es que el sistema
es lento y se le confiere al usuario la responsabilidad de crear los mapas mentales que le permitan
navegar por el ambiente.
Personal Radar: Andreas Riener presenta su Personal Radar [17], un wearable que emplea
una serie de detectores de distancia ultrasónicos en un cinturón con retroalimentación vibro-
táctil (figura 3.3). Este trabajo presenta ventajas sobre los antes analizados, la principal de ellas es
que hace uso de una red de sensores y ello amplia la región de detección, que por omisión tiene
cada uno de los sensores cubriendo casi 180 grados de visión (figura 1.10). La desventaja es que
emplea ultrasonido, el cual es susceptible a las condiciones climáticas, y además, el alcance de
sus sensores es del orden de 3 metros de forma confiable.
49
Proyecto EPFL: el proyecto de la École Polytechnique Fédèrale de Lausanne (EPFL) [23]
hace uso de SONAR ultrasónico en una red de 4 sensores que rodea al usuario, el sistema procesa
las señales recibidas y retro-alimenta al usuario mediante estímulos táctiles; el sistema soporta
comunicación vía bluetooth con un PDA (Personal Digital Assistant) (figura 3.4). La desventaja de
este desarrollo está nuevamente en las condiciones climatológicas y la distancia que es capaz de
detectar (3 metros). También, el prototipo es incapaz de representar adecuadamente las dimen-
siones espaciales y, en la experimentación, se presentan interferencias debido al movimiento de
las manos delante del sistema.
3.2 LIDAR
vOICe: la implementación del sistema consta de: Una cámara montada sobre unos anteojos,
un par de audífonos y una computadora portátil. La cámara captura imágenes y de forma directa,
sin filtrar, crea un mapeo uno a uno de las imágenes a sonido que, en principio es invertible;
el resultado del mapeo, los sonidos, son presentados al usuario mediante los audífonos. La
propuesta se basa en el argumento de que el sistema auditivo humano es capaz de aprender,
procesar e interpretar patrones de sonido complicados y rápidos (figura 3.5).
Se reporta que se realizó una nueva implementación del sistema, esta vez sobre un teléfono
celular con cámara. El software necesario para el sistema se empotró en el teléfono. Con esta
mejora se avanzó en la portabilidad del sistema. Sin embargo las desventajas del sistema son:
El usuario requiere de un entrenamiento extenso y los patrones de sonidos son muy complejos
dando al usuario un nuevo problema para sacarle provecho al sistema [24].
50
Figura 3.5: Prototipo vOICe
es creado dividiendo el área observada en cinco segmentos y haciéndolo corresponder con uno
de los elementos vibratorios de cada dedo en el guante.
Si un píxel en el área correspondiente detecta un obstáculo a una distancia de 3 pies se activa
el elemento vibratorio correspondiente informando al usuario que se encuentra un obstáculo
cerca en la dirección. Se observa que el usuario tiene un tiempo de aprendizaje para poder hacer
uso del sistema de forma eficaz.
Virtual acoustic space: el proyecto crea un mapa auditivo a partir del ambiente para
orientar al usuario a crear él mismo la percepción del espacio a nivel neuronal. El prototipo es
conformado por dos micro-cámaras a color, un procesador y un par de audífonos montados sobre
el marco de unas gafas convencionales (figura 3.6). Las cámaras, usando visión estereoscópica,
captura la información del ambiente. El procesador, empleando HRTF, crea un mapa en profun-
didad con atributos como la distancia, color, o la textura y genera los sonidos correspondientes a
la posición de las fuentes sonoras existentes en el ambiente [26].
Los resultados reportados son que el 75 % de las personas pudieron detectar objetos y sus
distancias en habitaciones pequeñas. Los usuarios pudieron moverse libremente en el ambiente
y obtener información de los objetos a su alrededor como: Paredes, mesas, ventanas, y puertas
abiertas.
La principal desventaja del sistema es que no se probó en exteriores.
51
Proyecto de la Universidad de Stuttgart: se trata de un sistema con un bastón
abatible y una computadora portátil. El sensor es equipado con dos cámaras, un teclado , una
brújula electrónica, un indicador 3D, y una bocina [27]. El sistema se asemeja a una linterna
(figura 3.7). La computadora contiene software para la detección de distancia y tamaño basada en
imágenes a color. Las desventajas son: el usuario debe dirigir constantemente el bastón hacia la
dirección de visión del dispositivo, el sistema es susceptible a las condiciones de luz y su alcance
depende de la calidad de las imágenes.
SmartVision: Faria presenta su White Cane [18] para ayudar a la navegación de entornos
con su wearable en forma de bastón, el cual emplea: sistema de visión (LIDAR), WIFI, sensores de
lectura de RFID, GPS (figura 3.9). Esta solución tiene las desventajas de ser susceptible del clima,
grado de visibilidad y tener un rango de distancia del orden de los 3 metros para la detección de
obstáculos en interiores.
3.3 LADAR
Universidad Bremen: Esteban Bayro et al. [19] presenta un wearable basado en escaneo
mediante el uso de láser de corto alcance (figura 3.10). El alcance promedio de un láser de corto
alcance se encuentra en el rango de 0.6 a 2.5 metros con una precisión aproximada de 4 mm. El
52
Figura 3.8: Prototipo NAVI y voluntario probando el sistema.
3.4 RADAR
53
Figura 3.10: Usuario que navega con el uso del sistema SLAM
Stuttgart Bremen
vOICe VAS FIU SmartVision Personal Radar
Echolocation Guelph NavBelt NAVI EPFL
54
Tabla 3.1: Comparativa de los prototipos
Proyecto Año Aproximación Alcance Sensores Desventajas
Echolocation 1991 SONAR 3m 2 Alcance corto y susceptibilidad al clima.
vOICe 1992 LIDAR – 1 El usuario requiere entrenamiento.
University of 1999 LIDAR 2m – El usuario require entrenamiento.
Guelph
VAS 1999 LIDAR 2m – No fue probado en exteriores.
NavBelt 2003 SONAR 3m 8 Sistema de dimensiones, requiere entrenamiento del usuario.
Stuttgart 2004 LIDAR 3m – Alcance dependiente de la calidad de las imágenes y
susceptible de condiciones climatológicas.
FIU Project 2004 SONAR 3m 6 Sistema de procesamiento lento.
EPFL 2007 SONAR 3m 4 Susceptible de condiciones climatológicas y alcance corto.
SmartVision 2010 LIDAR 3m – Susceptible a condiciones de luz y temperatura.
NAVI 2012 LIDAR – 2 Susceptible de luz y temperatura.
Bremen 2012 LADAR 2.5m 1 Susceptible a condiciones de luz y temperatura.
Personal Radar 2013 SONAR 3.5m 5 Susceptible de condiciones climatológicas y alcance corto.
A partir del análisis de los trabajos de investigación presentamos, a manera de resumen, algunas
características sobre y desventajas en la tabla 3.1.
Por un lado, podemos observar en la tabla 3.1 que la mayoría de los trabajos que exploran
la aproximación SONAR el alcance se encuentra en el rango de los 3 metros, aun empleando
múltiples sensores. Por otro lado las aproximaciones LIDAR son numerosas y la mayoría no
reportan el alcance de detección pero reportan los tiempos de respuesta en el orden de 30 ms,
40-80 ms, 45-65 ms [28].
55
Capítulo
4
Propuesta de solución
C ONTENIDO
4.1 Requerimientos para la detección de obstáculos . . . . . . 57
4.2 Arquitectura del sistema . . . . . . . . . . . . . . . . . . . . 58
4.2.1 Consumo energético y portabilidad . . . . . . . . . 69
S e presenta una arquitectura para detectar obstáculos usando los principios básicos de
los sistemas de radar. Presentamos primero los requerimientos funcionales y no-funcionales,
seguidos por las partes que conforman la arquitectura y el detalles sobre cada una de ella.
Para la creación de un sistema que sea capaz de detectar obstáculos y que éste cumpla con las
características de un sistema portable se propone una arquitectura basada en un sistema de
radar con capacidad para satisfacer la funcionalidad de detección, tal como se describió en la
sección 2.3.3. La respuesta del sistema debe ser suficientemente rápida para proveer al peatón de
la información que le permita navegar de una manera segura, es decir, minimizando el riesgo de
chocar con un obstáculo en el camino seguido.
A continuación presentamos los requerimientos funcionales y no-funcionales.
Requerimientos funcionales
1. Detectar obstáculos
2. Calcular la proximidad desde el dispositivo
3. Calcular la velocidad de aproximación al dispositivo
57
4. Retro-alimentar al peatón para guiarlo en su caminata
Requerimientos no-funcionales
1. Tiempo corto de respuesta del dispositivo
2. Imperceptibilidad o tamaño pequeño del dispositivo
3. Bajo consumo energético
Para satisfacer los requerimientos, por un lado, se propone una arquitectura que atiende los
requerimientos funcionales y, por otro lado, se plantea el uso de hardware de dimensión física
pequeña y de bajo consumo energético que implemente dicha arquitectura. En la tabla 4.1 se
muestran las velocidades típicas de caminata para los peatones.
Acorde con [2], la velocidad de un peatón oscila entre 11.5 y 73 m/mín esto es entre 0.19 y
1.21 m/s y la velocidad promedio es de 0.6166 m/s.
Si tenemos una velocidad típica de 0.6166 m/s y si los objetos entran en la región de detección a
partir de 15 metros, entonces el tiempo necesario para detectar obstáculos será de aproximada-
mente 24 segundos. El tiempo de respuesta se encuentra dentro del rango 12.4 a 78.95 segundos,
como se puede observar en la tabla 4.2
Tomando en cuenta los requerimientos funcionales y los no funcionales proponemos una ar-
quitectura de sistema para detectar obstáculos empleando un microcontrolador y un sensor de
efecto Doppler en ondas de radio. A continuación presentamos en tres vistas la arquitectura del
sistema: vista lógica (figura 4.1), vista de despliegue (figura 4.2) y vista física (figura 4.3).
58
1 Generador dinámico de pulsos
2 Transmisor de señal
3 Antenas
4 Receptor de señal
5 Amplificador de señal
6 Conversor Analógico Digital
7 Procesador de señal
a Muestreo de señal
b Cancelador de ruido
c Integrador
d Monitor de umbral
8 Detector
9 Interfaz de usuario
10 Interfaz de comunicación
A continuación explicaremos cada uno de los módulos listados apoyándonos en las vistas de
arquitectura.
59
Generador dinámico de pulsos 1
Transmisor de señal 2
Obstáculos Antenas 3
Receptor de señal 4
Amplificador 5
Conversor Analógico-Digital 6
Procesador de señales
Muestreo de señal a
Cancelador de ruido b
Integrador c
Monitor de umbral d
Interfaz de comunicación 10
Figura 4.1: Arquitectura del sistema para la detección de obstáculos: vista lógica
60
Sensor Doppler: HB100
Transmisor de señal
Antenas Obstáculos
Receptor de señal
HB100 Shield
Amplificador
Arduino
Procesador de señal
Puerto
Interfaz de comunicación
Serial
Bocina
61
HB100
VCC GND IF
IN HB100 Shield
FOUT VOUT
Pin 10 GND
A0
Arduino Pin 7
Serial Serial
Pin 2
Bocina
62
3 Antenas. Este módulo es de hardware y está constituido por dos antenas tipo panel:
antena transmisora (Tx) y antena receptora (Rx), figura 4.4. La disposición de esta antena se
puede observar en la figura 4.4b.
La antena de transmisión Tx es la encargada de radiar las microondas con la frecuencia de
operación que vienen del oscilador a través del módulo de transmisión de señal. La antena de
recepción Rx es la encargada de recibir las ondas en la banda X, rango de frecuencias de 8 a 12
GHz, y mediante el componente electrónico mezclador se obtiene el cambio de frecuencia entre
las microondas transmitidas y recibidas, es decir la frecuencia Doppler. La frecuencia Doppler
es obtenida en la terminal IF1 . Las antenas emiten y reciben ondas electromagnéticas, que son
convertidas en señales eléctricas por los componentes electrónicos del dispositivo HB100.
Este módulo tiene como entrada la señal del módulo 2 y como salida el mezclador que se
muestra en la figura 4.4a que es la entrada del módulo 4. La señal de salida es una señal de onda
continua, o señal analógica, que contiene información en frecuencia y amplitud.
4 Receptor de señal. Este módulo es de hardware y se encuentra como parte del dispositivo
sensor HB100. En la figura 4.4a se muestra el mezclador y su conexión entre la señal del oscilador
y la llegada desde la antena Rx del módulo 3. La terminal IF es la salida de este módulo. La salida
entrega una señal que contiene la información de la frecuencia Doppler y la amplitud generada
en voltaje es la intensidad de reflexión del objeto que rebotó la señal emitida por el dispositivo. El
1 Intermediate Frequency
63
voltaje de salida es del orden de los micro voltios, debido a ello, se requiere amplificar la señal
para que pueda ser procesada por el microcontrolador. Se entrega la señal de micro voltios al
módulo 5 (amplificador), la conexión física se puede apreciar en la figura 4.3, donde la terminal
IF conecta con la terminal IN del denominado HB100-Shield. En la vista de despliegue se puede
observar el módulo 4 conectado con el 5.
De la figura 4.5 se pueden apreciar en los dos casos dos amplificadores operacionales co-
nectado uno a la salida del otro y, además, en el modo de pulso se tiene un generador de pulsos
conectado a la alimentación del HB100. El comportamiento del amplificador de modo de pulso
se reemplaza por el módulo 1 que controla la alimentación del HB100 como se puede observar
en la figura 4.2.
64
Figura 4.6: Etapa de amplificación para onda intermitente
Para el sistema es necesario crear una tarjeta de amplificación que denominamos HB100-
Shield, que se acopla físicamente al sensor HB100 y provee 4 terminales: VCC, GND1 , FOUT2
y VOUT3 . La entrada de este módulo es una señal eléctrica del orden de micro voltios. Las
salidas son: 1) señal eléctrica variable en voltaje en el orden VOUT y 2) una señal analógica que
proporciona la frecuencia a través de una señal cuadrada de 0 a 5 voltios.
1 Ground Terminal
2 Frequency Out
3 Voltage Out
65
7 Procesador de señal. Este módulo está compuesto de 4 módulos: a) Muestreo de señal, b)
Cancelador de ruido, c) Integrador y d) Monitor de umbral. El módulo es totalmente de software
y se encuentra dentro de la plataforma Arduino. En la figura 4.7 se muestran los módulos que
componen al Procesador de señal.
Para que el HB100 se comporte como un radar MTI se debe calcular la fase entre pulsos con-
secutivos en el dominio del tiempo. El sistema compara las fases entre dos pulsos, indicándonos
si existe un objetivo o no en función de si hay un desfase entre ellos.
El radar transmite dos pulsos consecutivos que impactarán en el objeto a detectar, el objeto
puede estar estático o en movimiento, los pulsos retornan al detector. Si el objetivo es estático,
tanto la fase como la amplitud de ambos retornos son iguales; si está en movimiento, estos
parámetros variarán de un retorno a otro. El paso siguiente es sustraer un retorno del otro, si el
objetivo está quieto ambos pulsos se cancelarán, y si está en movimiento obtendremos su señal.
Hay dos procesos fundamentales en el funcionamiento de un radar MTI:
Este módulo emplea el segundo proceso y realiza la sustracción entre dos pulsos en el sub-
módulo b denominado Cancelador de ruido.
El dispositivo HB100 puede comportarse como un radar MTI si llevamos a cabo el procesa-
miento de la señal con los pasos: 1) Muestreo de señal, 2) Cancelación de ruido, 3) Integración de
la señal y 4) Umbralización. Debido a estos pasos se definieron los módulos que muestra la figura
4.7. Las entradas son dos: 1) valor de voltaje de la señal (0 a 1023) y 2) valor de frecuencia de la
señal (0 a 4, 294, 967, 295). La salida del módulo es un arreglo de 50 valores lógicos cada uno de
ellos enteros sin signo que van de (0 a 4, 294, 967, 295).
a Muestreo de señal. Este módulo realiza el muestreo de la señal en un periodo de
tiempo dado, creando así un arreglo de 50 valores lógicos. La entrada de este módulo es
un valor lógico que cambia en relación al tiempo, dicho valor se encuentra en el rango
de 0 a 4, 294, 967, 295. La señal que se recibe del conversor analógico digital registrada y
almacenada en un arreglo de enteros.Las muestras se toman intervalos de tiempo de un
segundo.
Como se mencionó en el marco teórico, la tasa de Nyquist establece que para una frecuen-
cia máxima de señal, F max , debemos como mínimo tomar 2F max como tasa de muestreo.
66
Procesador de señal
Muestreo de señal a
Cancelador de ruido b
Integrador c
Monitor de umbral d
El módulo toma el muestreo atendiendo la relación establecida por Nyquist, de tal forma
que toma 50 muestras por segundo de la señal y entrega como salida un arreglo de 50
enteros.
b Cancelador de ruido El cancelador de ruido es un módulo de software y se encuen-
tra en Arduino. Su función es realizar la comparación de una muestra con la inmediata-
mente consecutiva, para poder realizar la detección de objetos en movimiento. El primer
barrido sobre el arreglo de muestras que recibe se pasa por una línea de retardo y llega al
sustractor; el segundo barrido llega al sustractor directamente. De ese modo se consigue el
efecto de cancelar dos barridos que han llegado a intervalos de tiempo distintos.
A continuación se halla el valor absoluto de la señal que proporciona el sustractor, y tras
eso se obtiene la señal que se procesará para detectar objetivos, este proceso es mostrado
en la figura 4.8.
67
En este proceso existirán varios problemas:
1. La frecuencia Doppler no se podrá detectar debido a que el muestreo será equivalente
a su periodo, por lo que la fase será siempre la misma, para solucionar este problema
existen varias propuestas:
Operar a frecuencias bajas
Operar con PRF altas
Uso de varias PRF simultáneamente
Uso de mas de una frecuencia de desplazamiento
De las propuestas este módulo opera con PRF altas desde 2 KHz hasta 4 MHz.
El clutter, recordemos que se trata de interferencia por comprensión en las ondas, tendrá
siempre una respuesta imprevisible y será difícil tratarlo, por lo que esto tendrá por efecto
inestabilidad. Una solución viable es colocar mas de un cancelador de línea en cascada,
con lo que ganaríamos rango de muestreo y por lo tanto resolvemos la inestabilidad inicial.
c Integrador. Este módulo es de software y se encuentra en Arduino. Las entradas de
este módulo es un arreglo lógico almacenado en la memoria de la plataforma Arduino.
La salida es un arreglo con las mismas características del arreglo de entrada pero con los
valores procesados.
El proceso de integración de pulsos se encarga de sumar los pulsos en una ventana de
muestra, es decir, para k = 10 se toman los k/2 elementos a la “izquierda” y k/2 elementos
a la “derecha” de la 50 muestras en un vector o arreglo, S; por ultimo el resultado para el
elemento k-ésimo es promediado por el valor de la ventana. El resultado se guarda para
ser procesador en la siguiente fase.
d Monitor de umbral. Este módulo es de software y se encuentra en Arduino. La
entrada del módulo es un arreglo de valores enteros y un parámetro entero que representa
el umbral. La salida es un valor entero que representa el conteo de valores que sobrepasaron
el umbral.
Se establece el umbral para el cual se procesará la muestra de datos S obtenida del integra-
dor, como muestra la figura 4.9. El umbral es calculado para cada muestra. El umbral no
68
permanece fijo para lograr incrementar el SNR, el proceso se explicó en la sección 2.4, y
de está forma aumentar la posibilidad de detección sin falsas alarmas por la presencia de
interferencia.
8 Detector Este módulo es de software que se encuentra en Arduino. Este módulo realiza
cálculos que se interpretan como la presencia de un camino sin obstáculos o lo contrario. La
entrada del módulo está compuesta de un arreglo muestra con las frecuencias obtenidas en un
periodo de tiempo dado. La salida es un valor lógico que se pasa al módulo 9 y al módulo 10
simultáneamente.
Una vez que obtenemos un valor para el umbral, éste es comparado con los valores de la
muestra S. Para la comparación con la muestra se establecen valores de probabilidad para la
detección o para la probabilidad de falsa alarma, según sea el caso. Como resultado de establecer
la probabilidad de falsa alarma se condensan y se promedian los valores procesador de la muestra
S, si son mayores que el valor de probabilidad de falsa alarma se establece que se ha detectado
un objeto en el camino y esta información es pasada a la siguiente fase del procesamiento.
69
sensor diseñada en base a las especificaciones del fabricante del sensor que tiene un consumo
aproximado de 80 mA. La placa HB100 Shield tiene un peso de 7 gramos.
Entonces para el sistema completo tenemos un consumo de 240 mA. Para la plataforma
Arduino Lilipad contamos con una batería de Litio la cual es capaz de entregar 400 mAh, en-
tonces tenemos un tiempo de autonomía de 1.66 horas. Si bien no es un tiempo muy grande,
consideramos que es suficiente para usar el dispositivo en caminatas no tan largas.
Si usamos una batería típica para smartphone, que proporciona 2600 mAh, el tiempo de
autonomía del dispositivo es de 10.83 horas. El peso total del dispositivo es de 25 gramos.
Las dimensiones, peso y consumo energético con esta selección de hardware es adecuada
para satisfacer los requerimientos no-funcionales.
70
Capítulo
5
Desarrollo
C ONTENIDO
5.1 Hardware y software empleados . . . . . . . . . . . . . . . . 71
5.1.1 Sensor de microondas para movimiento . . . . . . 72
5.1.2 Arduino . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.1.3 Software empleado . . . . . . . . . . . . . . . . . . . 75
5.2 Implementación . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.2.1 Primera fase . . . . . . . . . . . . . . . . . . . . . . 76
5.2.2 Segunda fase . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Prototipo final . . . . . . . . . . . . . . . . . . . . . . . . . . 91
E n este capítulo se describe la creación del prototipo que implementa la arquitectura descrita
en el capítulo anterior. La implementación se llevó a cabo en dos fases, en la primera, se logró
implementar la arquitectura básica y, en la segunda, se implementó mejoras en varios de los
módulos como se describe a lo largo de este capítulo. La primera parte del capítulo se describen
los componentes de hardware y software necesarios para la implementación del prototipo del
sistema. En seguida se describe la evolución del prototipo hasta llegar el prototipo final.
71
5.1.1 Sensor de microondas para movimiento
5.1.2 Arduino
72
Elementos generales para Arduino. Los elementos generales de la plataforma Ar-
duino son: Entradas y salidas digitales,
Salidas analógicas PWM. Las terminales 11, 10, 9, 6, 5 y 3, además de ser salidas o entradas
digitales, se denominan salidas PWM2 que son salidas digitales que imiten salidas analógi-
cas, modificando la separación entre los diferentes pulsos de la señal. La señal PWM puede
proveer valores en el rango 0 − 255. Estas terminales se utilizan, por ejemplo, para variar la
intensidad de un LED o hacer funcionar un servo motor.
Entradas analógicas. Las terminales A0, A1, A2, A3, A4 y A5 conforman el grupo analog in.
Se utilizan para tomar lectura de una señal analógica. Por lo general estas terminales se
emplean para: sensores de temperatura, un LDR3 , un potenciómetro que permitan un
1 Light Emitting Diode
2 Pulse Width Modulation
3 Light Detect Resistor
73
valor variable de 0-VCC, y en nuestro caso para conectar el sensor HB100 después de ser
amplificada la señal.
Pines de alimentación Los pines de alimentación son: GND, 5V, 3.3V, Vin, RESET1 y IOREF2 .
A continuación se describen brevemente.
GND: Son los pines a tierra de la placa.
5V: Por esta terminal la placa suministra 5V
3,3V: Por esta terminal la placa suministra 3,3V
Vin: Voltaje de entrada, terminal X1, por esta terminal se puede alimentar la placa. Es
útil para emplear baterías como alimentación de la placa.
RESET: Por esta terminal se usa para reiniciar el programa cargado en la placa.
IOREF: Sirve para que la placa reconozca el tipo de alimentación que requieren los
Shields
Presentamos a continuación las características para la plataforma extraídas del sitio web del
fabricante5 y se muestra el aspecto físico en la figura 5.1.
74
Pines PWM 7 Peso 13 g
Pines de entrada analógica 12
Corriente por pin de entrada/salida 20 Arduino Lilipad Simple Board
mA Microcontrolador ATmega328
Corriente por pin alimentado con 3.3V Voltaje de operación 2.7-5.5 V
50 mA Voltaje de entrada 2.7-5.5 V
Memoria Flash 32 KB (ATmega32U4) de Pines digital I/O 9
los cuales 4 KB son empleando por el Pines PWM 5
bootloader Pines analógicos 4
SRAM 2.5 KB (ATmega32U4) Corriente por pin entrada/salida 40 mA
EEPROM 1 KB (ATmega32U4) Memoria Flash 32 KB (de los cuales 2 KB
Velocidad de reloj 16 MHz son empleados por el bootloader)
LED empotrado 13 SRAM 2 KB
Largo 48 mm EEPROM 1 KB
Ancho 18 mm Velociadad de reloj 8 MHz
Bibliotecas. Hay tres tipos de Bibliotecas3 de Arduino: base (core), estándar (stardard), y
contribuciones (contributed libraries). En esta implementación se emplean las bibliotecas
base y estándar para la versión 1.6.5.
Entorno de desarrollo. El IDE4 empleado para este trabajo es Platformio5 versión 1.2.2. Para
la creación de la interfaz de visualización para medir la señal en la experimentación, se
hace uso de la plataforma Processing 6 versión 3.0.1.
1C Plus Plus
2 The GNU Compiler Collection
3 https://www.arduino.cc/en/Reference/Libraries | fecha de acceso: 1 de octubre de 2016.
4 Integrated Development Environment
5 http://platformio.org/ | fecha de acceso: 1 de octubre de 2016
6 Se trata de una plataforma flexible para desarrollar software para diseñadores gráficos basado
75
5.2 Implementación
Partimos de la arquitectura descrita en la figura 4.1 del cuarto capítulo. Para cada módulo se
ha implementado el software correspondiente, mismo que controla el hardware asociado. A
continuación se describe la implementación de cada módulo para las dos fases.
Durante esta primera fase se empleó la plataforma Arduino UNO, una tablilla de prototipos y los
componentes electrónicos necesarios para el montaje del módulo de amplificación, además del
sensor HB100. A continuación se explica cada módulo implementado.
Modificando los valores de los registros podemos manipular la frecuencia y duración de ciclo de
los pulsos que la plataforma provee en las terminales 9, 10, 11 y 12. La implementación de este
módulo modifica dos registros OC R1A y OC R1B para controlar la frecuencia y ancho de pulso
76
con salida en las terminales 9 y 10 de la plataforma. Se usa la terminal 7, como se pude observar
en la figura 4.3, como retroalimentación para controlar la frecuencia y estabilizarla. La frecuencia
es entregada en el siguiente módulo: Transmisor de señal. El código 5.1 es la implementación de
este módulo. La implementación realiza un cambio de valores en los registros del temporizador
que controla las terminales 9 y 10. Para establecer el valor de frecuencia y duración del ciclo
del pulso se calcula el valor proporcional en la escala de 0 a 1023 equivalente a los valores que
se desean obtener. La función void setFreq(unsigned long percentage, unsigned long frequency)
calcula el ciclo de duración para los pulsos y la frecuencia de pulsos que se modulará por el
terminal 9 y 10 simultáneamente. La salida atiende al siguiente modelo:
fout = f / (2 N\cdotTOP),
donde f = main clock (16MHz),
N = pre-scalar (se pone en 8 para este sistema),
TOP = el valor del registro ICR1.
IC R1 puede ser desde 1 hasta 65535 con lo que podemos variar desde la frecuencia 15Hz hasta
1MHz. Para nuestro caso : IC R1 = f /(2∗8∗16000000) = 16e6/( f r eq ∗16) como puede observarse
en la línea 4,5,6 del código 5.1. Las líneas 11,12 realizan la asignación a los registros para los
valores calculados con la frecuencia y la duración del ciclo de pulso deseados.
77
Figura 5.3: Montaje del módulo de amplificación de la señal
78
Código 5.3: Muestreo y almacenamiento de las señales recibidas
1 void sampling ( unsigned int millisecs ) {
2 digitalWrite ( pinLED , HIGH ) ;
3 initSampling () ;
4 int muestras = 0;
5 t1 = millis () ;
6 t2 = millis () ;
7 int c = 0; // indice secuencial para llenar muestreo de freq
8 while ( t2 <= t1 + ( millisecs ) ) {
9 digitalWrite ( pinLED , c %2) ;
10 float f_index = readFreqRx () ;
11 long v_read = map ( analogRead ( A0 ) ,512 ,1023 ,0 ,1023) ;
12 int index = int ( f_index ) ;
13 sample [ c ++] = f_index ; // Frecuencia
14 muestras ++;
15 t2 = millis () ;
16 if ( c >= _LIM_SAMPLING ) {
17 break ;
18 }
19 }
20 muestras = 0;
21 digitalWrite ( pinLED , LOW ) ;
22 }
79
Código 5.5: Filtrado para detectar objetos que se aproximen o alejen a velocidad
peatonal
1 void detector () {
2 int i =0
3 for (; i < _ L I M _ S A M P L I N G _ A R R A Y ; i ++) { r
4 freqAct_Rx = sample [ i ];
5 if ( freqAct_Rx < 200 && freqAct_Rx > 10) // Filtro de frecuencias ej . 10 < ←-
freq < 200
6 {
7 printTimes () ;
8 p r i n t F r e q u e n c i e s () ;
9 syncComm () ;
10 }
11 }
12 }
intervalos de un segundo cada uno. La rejilla está dividida en secciones verticales y horizontales,
que sirven de referencia para la lectura visual. En la figura 5.4b se muestra dos ejemplo de captura
del visualizador en funcionamiento. Los datos que se visualizan, son las señales tomadas del
HB100 en tiempo real para los casos de un espacio sin obstáculos (figura 5.4a) y para un espacio
con obstáculos (figura 5.4b).
En los códigos 5.6 y 5.7 son la implementación de la comunicación entre la plataforma
Arduino y la computadora portátil a través de una conexión serial, respectivamente. A nivel de
software la comunicación se establece en el primer puerto serial ttyACM0 que tiene por un lado a
80
la función Serial.print() de Arduino escribiendo al flujo del puerto y por el otro lado, la función
port.read() leyendo lo que se recibe en el puerto serial de la computadora portátil.
En el caso de Arduino se declaran las funciones setup() y loop(). Para el caso de Processing se
declaran las funciones setup() y draw(). Se presenta en el código 5.6 la función setup() y en el
código 5.7 se encuentra la implementación del ciclo infinito que dibuja la interfaz de gráfica.
Se presenta en el código 5.8 la función drawGrid() encargada de crear la rejilla para distinguir
81
los niveles de las señales mostradas en la ventana de visualización. La función stroke() establece
el color de las líneas, y la función line() crea una línea entre dos coordenadas que recibe como
parámetros.
Durante esta fase se empleó la plataforma Arduino Micro y Arduino Lilipad, una tablilla de
prototipos y se construyó una placa PCB1 para el montaje del módulo de amplificación, además
del sensor HB100. A continuación se explica cada módulo implementado.
82
ciclo de duración del pulso en 4 %. Referente al hardware, se implementó el circuito que propone
el fabricante en la figura 4.6 de tal forma que el hardware es controlado por la función de control y
puede cambiar el modo de operación al sensor HB100. Podemos controlar el modo de operación
empleando una salida digital de Arduino, la cual puede alimentar directamente al sensor en su
pin de VCC o puede alimentarlo con un tren de pulsos con la frecuencia y duración de ciclo que se
crea conveniente. Con esta implementación le damos flexibilidad a nuestro sistema para manejar
varias combinaciones de PRF y duración de ciclo acorde con lo que requiere el experimento. Este
control provee la capacidad de adaptación para buscar las frecuencias que nos den un mejor
resultado en la detección de obstáculos.
83
Código 5.10: Funciones para calibrar frecuencia Fx y ancho de pulso
1 void d e t e c t W o r k i n g F r e q T x () {
2 for ( int delta = 0 ; delta < 5000 ; delta ++) {
3 digitalWrite ( pinLED , delta %2) ; // Indicador de procesamiento
4 setFreq (50 , delta ) ;
5 readFreqRx () ;
6 readFreqTx () ;
7 if ( delta < freqTx_min && ( dRx_DOWN > 0 || dRx_UP > 0) ) {
8 freqTx_min = delta ;
9 } else if ( delta > freqTx_max && freqTx_min > 0 && ( dRx_DOWN > 0 || dRx_UP > 0) ) {
10 freqTx_max = delta ;
11 }
12 if ( dRx_UP == 0 && dRx_DOWN == 0 && freqTx_max > 0 && freqTx_min > 0)
13 break ;
14
15 }
16 Serial . print ( " Rango para Freq :[ " ) ;
17 Serial . print ( freqTx_min ) ;
18 Serial . print ( " , " ) ;
19 Serial . print ( freqTx_max ) ;
20 Serial . println ( " ] " ) ;
21 }
84
Figura 5.5: Diagrama de diseño para acondicionar la señal del sensor HB100
85
Figura 5.7: Montaje del prototipo en la fase 2
6 Conversor analógico digital. Para la segunda fase se creó una etapa ADC en la
tarjeta HB100-Shield que describe el diseño de la figura 5.5, la amplificación entrega la señal en el
rango de 2.5 a 5 voltios. La tarjeta de amplificación cuenta con un comparador que recibe la señal
del HB100 y toma como umbral 2.5 voltios, de tal manera que cuando una señal sobrepasa este
umbral se entrega un uno lógico, de lo contrario se entrega un cero lógico. La etapa creada cuenta
a grandes rasgos con una etapa de dos amplificadores operacionales que procesan la señal y un
comparador que se alimenta con la salida amplificada. A partir del comparador se obtiene la
señal cuadrada que convierte la señal analógica en digital.
86
de la primera fase. En el código 5.11 la función samplingWithCanceller() toma 50 muestras,
acorde con la tasa de Nyquist, y se almacena en el arreglo, sample. Para obtener los valores
que se almacenan en el arreglo de muestreo se hace uso de la función noiseCanceller(). La
función noiseCanceller() se describe en el módulo siguiente.
b Cancelador de ruido. En este módulo (5.12) se emplea la técnica de cancelación
de ruido, puede ser consultada en el segundo capítulo, a partir del envío de dos pulsos
consecutivos (código 5.13) y su diferenciación para atenuar y poder discriminar las señales
de interferencia que tienen una probabilidad uniformemente distribuida en el espectro de
señales recibida por el sistema. El resultado de la cancelación se almacena en un arreglo
lógico de 50 valores enteros. La función de envío de pulsos implementada en el código
5.13, envía dos pulsos por la antena Tx del sensor HB100, lo anterior se logra desconectado
la alimentación del sensor y conectándola nuevamente después de un periodo de tiempo
que concuerda con la frecuencia y la duración del ciclo de pulso deseada.
87
para realizar la integración. La función integrator() almacena, en el arreglo sample_array,
el valor promedio proporcionado por la función cfar().
88
el umbral de detección y se regresa dicho valor. La idea de esta función es proporcionar un
porcentaje de detección en un momento dado, es decir, por muestra.
9 Interfaz de usuario. Este módulo transmite los resultados al usuario mediante sonido,
se cuenta con una bocina que emite tonos como respuesta a la detección. El sonido está definido
por las notas de la escala de música, si los obstáculos tiene una mayor velocidad de aproximación
la respuesta sonora tiende a los notas más agudas. La implementación se muestra en el código
5.17.
89
Código 5.17: Retroalimentación sonora para el usuario
1 const float A = 880; const float AS = 932; const float B = 988;
2 const float C = 1047; const float CS = 1109; const float D = 1175;
3 const float DS = 1245; const float E = 1319; const float F = 1397;
4 const float FS = 1480; const float G = 1568; const float GS = 1661;
5 float notes [12] = { A , AS ,B ,C , CS ,D , DS ,E ,F ,G , GS }; // Notas musicales
6 void alarm ( int detection , int percentage , int sound ) {
7 Serial . print ( " | " ) ;
8 Serial . print (100*( float ) detection / _ L I M _ S A M P L I N G _ A R R A Y ) ;
9 if (100*( float ) detection / _ L I M _ S A M P L I N G _ A R R A Y > percentage ) {
10 Serial . println ( " < Alarm / > " ) ;
11 if ( sound == 1)
12 for ( int i =0; i <1023; i +=512)
13 sounFeedback ( map ( detection , 0 , _LIM_SAMPLING_ARRAY , 0 ,11) ) ;
14 }
15 }
16 void sounFeedback ( int input ) {
17 int noteDuration = 1000 / 4;
18 tone ( pinSpeaker , notes [ map ( input , 0 , 1023 , 0 , 11) ] , noteDuration ) ;
19 int p a u s e B e t w e e n N o t e s = noteDuration * 1.30;
20 delay ( p a u s e B e t w e e n N o t e s /3) ;
21 noTone ( pinSpeaker ) ;
22 }
90
5.3 Prototipo final
Una vez concluida la implementación de todos los módulos antes expuestos, el sistema se cargó
en la plataforma Arduino Lilipad Simple Board.
91
Capítulo
6
Pruebas
C ONTENIDO
6.1 Escenarios de pruebas . . . . . . . . . . . . . . . . . . . . . 93
6.2 Plataforma de pruebas . . . . . . . . . . . . . . . . . . . . . 94
6.3 Análisis de resultados . . . . . . . . . . . . . . . . . . . . . . 95
6.3.1 Pruebas para la primera fase . . . . . . . . . . . . 95
6.3.2 Pruebas para la segunda fase . . . . . . . . . . . . 99
P ara la realización de las pruebas se plantearon tres escenarios para las dos fases de la
implementación. A continuación describimos los escenarios.
Para probar la funcionalidad del prototipo se dirige el dispositivo hacia un espacio que se encuen-
tra libre de obstáculos, otro espacio totalmente cerrado a una distancia aproximada de 8 metros y
el mismo espacio con una apertura de 2 metros. Se presentan tres escenarios a continuación.
1) Escenario sin obstáculos. Espacio con pocos obstáculos o sin ellos. En esta prueba se
plantea observar las posibles fallas del sistema debido al ruido presente en el ambiente. En
la figura 6.1 se plantea este escenario como prueba de control para contrastar con los otros
escenarios.
2) Entrada o salida por una puerta. Teniendo materiales con reflexión en contraste con
un espacio libre de obstáculos se pretende observar los resultados de dirigir el dispositivo
en tres direcciones como se muestra en la figura 6.2.
3) Espacio circundado con paredes. Patio cerrado por rectángulo de paredes como mues-
tra la figura 6.3. Se pretende observar la respuesta en magnitud de reflexión de las ondas
93
Figura 6.1: Escenario de prueba sin obstáculos
Para recolectar la información de las pruebas con los prototipos del sistema se empleó un equipo
portátil con las siguientes características:
Procesador Intel Core i5 a 2.4 MHz
8 Gbytes de memoria RAM
Sistema operativo Debian GNU/Linux 8.6 (jessie)
Versión de kernel 3.16.0-4-amd64
USB 2.0 y 3.0
Para las pruebas se utilizaron dos prototipos:
Prototipo primera fase. Se usó el sistema de detección de obstáculos montado sobre la
plataforma Arduino UNO conectada al puerto serial con una computadora portátil de las
94
Figura 6.3: Escenario de prueba sin obstáculos
En cada uno de los escenarios se recolectaron los datos en archivos para posteriormente analizar
la información visualmente. Las gráficas que se presentan tienen 50 elementos en el eje del
tiempo, y tienen 1023 valores posibles en el eje de las Rx; estos valores significan la intensidad de
regreso de la señal. Los valores en el eje de Rx son equivalentes a voltios en el rango de 0 a 5. Para
cada gráfica se tomaron 3 muestras al azar de las 100 posibles por escenario, y se graficaron juntas.
Cada línea de valores la denominamos muestra. Cada muestra observa la tasa de muestreo de
Nyquist descrita en el marco teórico de este trabajo de tesis.
95
Figura 6.4: Archivo ejemplo de datos en la prueba del escenario 1 en la fase 2
Escenario 1 - espacio libre. En esta prueba los valores, en términos generales, se com-
portaron acorde con lo esperado; es decir, se esperaban señales con comportamiento de ruido. El
comportamiento de ruido es similar al comportamiento de una variable aleatoria, y es justamente
lo que se muestra en esta prueba. Se obtuvieron lecturas con comportamiento aleatorio ya que
no se hizo un procesamiento adecuado de la interferencia en la primera fase. Se muestra en la
figura 6.5 que el sistema recoge señales con valores que parecen aleatorios.
Para la muestra 1, en la escala de 0 a 1023 equivalente al rango de 0 a 5 voltios, tenemos
valores máximos equivalentes a 2.5 voltios. Una explicación de esto, es el gran número de señales
que se encuentran en el medio y que producen los diferentes tipos de interferencia, como se
explicó en el marco teórico.
En la muestra 2, el comportamiento es más uniforme; sin embargo, se tiene también un
pico en la lectura 50 de aproximadamente 2.3 voltios. En la muestra 3, el valor máximo es de 1
voltio. En términos generales, se observa que el sistema es afectado por la interferencia propia
del ambiente. En esta fase la detección de obstáculos es en gran medida por apreciación de los
patrones, semejante a los primeros sistemas de radar, podemos decir que en el pico de la muestra
1 en azul, en la toma 14, se identifica un obstáculo debido a la diferencia de intensidad de la señal
que regresa; sin embargo, en las muestras 2 y 3 los valores difieren, lo que nos dice que se trata de
señales aleatorias.
96
Figura 6.5: Tres muestras caso de espacio libre fase 1
Las lecturas para las tres muestras, figura 6.6, indican un incremento de la intensidad de la
señal, seguido de un decremento; para luego, nuevamente incrementar la intensidad. Lo anterior
sucede para las tres señales de manera consistente; es decir, las tres señales cualitativamente
incrementan, decrementan e incrementan significativamente.
En las tres muestras se observa un hueco, o decremento, entre la lectura 16 a la 30; es decir,
valores menos intensos que los demás, lo que da indicios de los bordes de la apertura en el espacio
cerrado. De las tres muestras, la segunda muestra de manera evidente que las ondas regresan con
mayor intensidad que en el caso de la muestra 1, la cual no se puede decir con seguridad que
tiene un segundo incremento significativo.
Como resultado de las pruebas para la primera fase, podemos decir que el sistema construido
no es suficientemente útil para saber si se tienen obstáculos en la dirección a la que el sistema
97
Figura 6.6: Tres muestras caso de apertura en el camino fase 1
98
apunta. Debido a estas pruebas se mejoró esencialmente el módulo Procesador de señal para la
segunda fase del sistema, como se ha descrito en el capítulo de desarrollo.
Para esta fase se recolectó la información procesada por el sistema de detección de obstáculos
para cada escenario, y se tomaron valores para ser analizados. En este caso cada muestra pasó
por el proceso de ser muestreada, integrada, pasada por el umbral, y se calculó en función de una
probabilidad de falsa detección que establecimos en 10 %. Se estableció la probabilidad de falsa
alarma luego de ensayar con varios valores en el sistema. El sistema avisa si se detecta o no un
obstáculo a través de una señal sonora; sin embargo, si conectamos la computadora portátil al
puerto serial de la plataforma, somos capaces de almacenar los datos procesados. Los datos que
se obtuvieron para cada escenario fueron analizados y se mostrarán a continuación.
El umbral es determinado para cada muestra de manera dinámica, basados en la técnica
CFAR para MTI que se explicó en el marco teórico. Las gráficas muestran, en el eje del tiempo,
la muestra de 1 a 50, y en el eje de intensidad un valor que es el producto del proceso MTI que
indica la intensidad de la señal. El SNR se ha hecho grande producto de la integración antes
mencionada, lo cual hace posible la detección sin ambigüedad.
Para los casos de la segunda fase, la técnica con la que se detectan los obstáculos está basada
en un umbral. Recordemos que el umbral es un valor que se toma como referencia para comparar
los valores y establecer si se detecta un obstáculo. El umbral se calcula para cada 50 lecturas,
las cuales conforman una muestra; las señales que cruzan este umbral son consideradas como
un obstáculos que se detectó. Sin embargo, debido a la propia técnica y a los fenómenos físicos
asociados a las microondas, como la interferencia, existe una probabilidad de falsa alarma y una
probabilidad de detección.
Para estas pruebas se espera que cuando un valor sobrepase el valor umbral, se declare que
se tiene un obstáculo en la dirección de detección con un 10 % de probabilidad de que sea una
falsa alarma.
Escenario 1 - espacio libre. Se espera que ningún valor sobrepase el umbral ya que
no se tienen obstáculos en la dirección del sistema; sin embargo, se tiene una tolerancia dada
por la probabilidad de falsa alarma. También se esperan cinco falsas alarmas. En la figura 6.8 se
muestran diez detecciones de un total de 50, esto hace un porcentaje de 20 % de detección de
falsa alarma. El sistema establece un umbral de 12 para esta muestra. El resultado que se espera
es que menos del 10 % de valores sobrepasen el umbral; sin embargo, el resultado se interpreta
como que se detectaron diez obstáculos, aunque varios de ellos son falsas alarmas, lo sabemos
por la PDF de falsa alarma a la que ajustamos nuestro sistema. Podemos observar también que
se tienen dos regiones sobre el umbral y una debajo, que se muestran con una elipse punteada.
99
Las elipses subrayan los máximos y mínimos de las regiones observadas. Para esta prueba se
duplicaron las falsas alarmas esperadas, se esperaban cinco y se tuvieron 10.
100
Figura 6.9: Muestra en escenario parcialmente cerrado
Escenario 3 - espacio cerrado. Se espera tener cuarenta y cinco valores por encima del
valor umbral. En la figura 6.10 se observa que se detectaron 34 obstáculos de los 45 esperados.
El porcentaje de falsa alarma nos indica que 32 % de los 50 valores no se detectó como un
obstáculo, se esperaba que 10 % fueran valores equivocados; por lo tanto, se tiene un 22 % de
falsos negativos en este caso. El error se puede atribuir al fenómeno de interferencia destructiva
de ondas, ocasionada por la superposición de ondas. Se identifican tres regiones con una elipse
punteada, las cuales no sobrepasaron el valor umbral.
101
Capítulo
7
Conclusiones y trabajo futuro
C ONTENIDO
7.1 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
7.2 Trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . 105
103
7.1 Conclusiones
Resultado de las pruebas afirmamos que se puede detectar obstáculos empleando el efecto
Doppler. Como ya se ha expuesto, los sistemas de RADAR se encuentran en estrecha relación con
el efecto Doppler y, en general el efecto Doppler se encuentra asociado con todo fenómeno que
implique la propagación de ondas. La detección que fue probada está basada en una probabilidad
de detección empleando un umbral dinámico que se autoajusta en cada muestra tomada en
tiempo real. La probabilidad de detección que fijamos en el sistema es de aproximadamente 90 %,
no obstante las falsas alarmas, que en principio deberían estar dentro del 10 % alcanzan alrededor
de 30 % en el escenario donde hay muchos obstáculos. Sabemos, a partir de la literatura de
sistemas de RADAR que existen diversas técnicas y sistemas con tres funcionalidades: Búsqueda
o Detección, Rastreo e Imagen. Además, los sistemas pueden ser coherentes o no-coherentes,
los sistemas coherentes proporcionan información de frecuencia y fase, mientras los sistemas
no-coherentes solo nos proporcionan la señal de la cual podemos obtener la frecuencia al pro-
cesarla. Por lo tanto, si es posible construir un sistema que nos permita conocer las distancias y
dimensiones de objetos, estos sistemas existen en la milicia, el reto es adaptarlos hacia el campo
de la ETA. Nuestras pruebas permiten anticipar colisiones pero como ya se expuso se tiene una
posibilidad de falso positivo o falsa alarma.
En la primera fase de desarrollo se empleo el análisis Doppler de las ondas rebotadas por
los objetivos, sin embargo estas ondas se componen con interferencia (ruido térmico, etc) que
104
genera un gran número de señales indeseadas que dan como resultado falsos positivos en la
detección de obstáculos.
En resumen, a partir de los resultados del sistema para la detección de obstáculos basado en
un dispositivo de RADAR creado en este trabajo, tenemos que:
Se puede detectar objetos empleando varias técnicas, de acuerdo a la función que desea-
mos que nuestro sistema tenga, se tiene una mayor eficacia en la detección o búsqueda de
objetivos.
Los sistemas para detectar obstáculos emplean el efecto Doppler como parte esencial en la
detección, principalmente para determinar si los objetos se acercan o alejan del sistema.
Los sistemas basados en efecto Doppler en especial con microondas son susceptibles de
interferencia, sin embargo, se puede disminuir sustancialmente la misma, empleando
técnicas para aumentar el SNR como la cancelación de ruido con la técnica MTI.
Para un futuro se puede estudiar a fondo los sistemas coherentes que atienden la funcionalidad
de búsqueda y detección para sistemas de RADAR. También se puede explorar la creación de
sistemas empleando dispositivos diseñados bajo la tecnología de FPGA1 . Otra posibilidad para
el estudio del efecto Doppler en la detección de obstáculos es realizarlo con ondas sonoras y
comparar los resultados con los obtenidos en ondas de radio. Se puede explorar el uso de redes
de sensores de efecto Doppler a diferentes frecuencias de operación para evaluar si presentan
una mejora en la certidumbre de la detección.
105
Acrónimos y términos técnicos
107
RADAR Radio Detection and Ranging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
RESET Reinicio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
SNR Signal to Noise Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
SONAR Sound Navigation and Ranging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
STAP Space-Time Adaptive Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
UHF Ultra High Frequency
USB Universal Serial Bus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
VCC Voltage at the Common Collector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
VCD Voltaje de Corriente Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
VOUT Voltage Out . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
108
Bibliografía
[1] D. Dakopoulos and N. G. Bourbakis, “Wearable obstcale avoidance electronic travel aids
for blind: a survey,” Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE
Transactions on, vol. 40, no. 1, pp. 25–35, 2010.
[2] M. R. Virkler and S. Elayadath, Pedestrian speed-flow-density relationships, 1994, no. HS-042
012.
[5] “The american heritage® science dictionary,” Oct 2016. [Online]. Available: http:
//www.dictionary.com/browse/electromagnetic--waves
[6] D. White, “Johann christian doppler and his effect—a brief history,” Ultrasound in medicine
& biology, vol. 8, no. 6, pp. 583–591, 1982.
[7] C. Doppler and F. Studnička, Über das farbige Licht der Doppelsterne und einiger anderer
Gestirne des Himmels, 1903.
[8] M. Billinghurst and T. Starner, “Wearable devices: new ways to manage information,” Com-
puter, vol. 32, no. 1, pp. 57–64, Jan 1999.
[11] M. A. Richards, J. A. Scheer, and W. A. Holm, Principles of modern radar. Citeseer, 2010.
[12] J. R. Higgins, Sampling theory in Fourier and signal analysis: foundations. Oxford University
Press on Demand, 1996.
[13] M. Weiser, “The computer for the 21st century,” Scientific american, vol. 265, no. 3, pp.
94–104, 1991.
[15] J. A. Corrales Ramón, F. Torres Medina, and F. A. Candelas Herías, “Tecnologías en la inteli-
gencia ambiental,” 2006.
109
[16] A. Discant, A. Rogozan, C. Rusu, and A. Bensrhair, “Sensors for obstacle detection-a survey,”
in Electronics Technology, 30th International Spring Seminar on. IEEE, 2007, pp. 100–105.
[17] A. Riener and H. Hartl, “Personal radar: a self-governed support system to enhance envi-
ronmental perception,” in Proceedings of the 26th Annual BCS Interaction Specialist Group
Conference on People and Computers. British Computer Society, 2012, pp. 147–156.
[18] J. Faria, S. Lopes, H. Fernandes, P. Martins, and J. Barroso, “Electronic white cane for blind
people navigation assistance,” in World Automation Congress (WAC), 2010. IEEE, 2010, pp.
1–7.
[19] E. B. Kaiser and M. Lawo, “Wearable navigation system for the visually impaired and blind
people,” in Computer and Information Science (ICIS), 2012 IEEE/ACIS 11th International
Conference on. IEEE, 2012, pp. 230–233.
[20] T. Ifukube, T. Sasaki, and C. Peng, “A blind mobility aid modeled after echolocation of bats,”
IEEE Transactions on biomedical engineering, vol. 38, no. 5, pp. 461–465, 1991.
[21] S. Shoval, I. Ulrich, and J. Borenstein, “Navbelt and the guide-cane [obstacle-avoidance
systems for the blind and visually impaired],” IEEE Robotics & Automation Magazine, vol. 10,
no. 1, pp. 9–20, 2003.
[23] S. Cardin, D. Thalmann, and F. Vexo, “A wearable system for mobility improvement of visually
impaired people,” The Visual Computer, vol. 23, no. 2, pp. 109–118, 2007.
[24] P. B. Meijer, “An experimental system for auditory image representations,” IEEE Transactions
on biomedical engineering, vol. 39, no. 2, pp. 112–121, 1992.
[25] J. Zelek, R. Audette, J. Balthazaar, and C. Dunk, “A stereo-vision system for the visually
impaired,” University of Guelph, vol. 1999, 1999.
[27] A. Hub, J. Diepstraten, and T. Ertl, “Design and development of an indoor navigation and
object identification system for the blind,” in ACM SIGACCESS Accessibility and Computing,
no. 77-78. ACM, 2004, pp. 147–152.
110
[28] N. Bernini, M. Bertozzi, L. Castangia, M. Patander, and M. Sabbatelli, “Real-time obstacle
detection using stereo vision for autonomous ground vehicles: A survey,” in Intelligent
Transportation Systems (ITSC), 2014 IEEE 17th International Conference on. IEEE, 2014, pp.
873–878.
111