En una red de sensores inalámbrica la comunicación entre los nodos se realiza
mediante canales de radiofrecuencia, por lo general de poco ancho de banda, y
asignados en bandas de frecuencia compartidas con otras tecnologías y estándares
de comunicación. Esto hace que los enlaces de radio varíen en tiempo y espacio,
donde el ruido e interferencia pueden comprometer el desempeño en la transferencia
de los datos, razón por la cual se requiere el establecimiento de mecanismos de
cognición, que les permitan ser conscientes del ambiente de radio cercano, tomar
decisiones sobre cambios en sus parámetros de operación y comunicarlos a los
demás nodos de la red, con el objetivo de lograr un mejor desempeño en la
transmisión de los datos sobre los canales de radio.
En esta tesis se presenta un modelo de redes de sensores inalámbricas cognitivas
que incorpore las funciones de sensado, aprendizaje y razonamiento, y propone un
motor de aprendizaje que lo implemente; el cual es soportado por una red neuronal
con alimentación hacia delante.
The communication between nodes in a wireless sensor network is done through
radiofrequency channels. They have low bandwidth and are allocated in frequency
bands shared with others technologies and communication standards. This implies
that the radio links fluctuate in time and space, and the performance on transfer data
is degraded by noise and interference. Therefore it is required to incorporate novel
cognition mechanisms to the nodes of the sensor network. It can allow awareness of
close radio environment, to make decisions about changes on operating parameters
and send messages for signaling and coordinating to other nodes of the network. The
goal is to get an improved performance.
This work presents a model of cognitive wireless sensor network that incorporates
functions of sensing, learning and reasoning, and proposes a learning engine for its
implementation; it is supported through the use of a feed forward neural network.