DISCA.

Universidad Politcnica de Valencia

Instrumentacin Inteligente.
2 Parte: Integracin y fusin de datos.
Jos Enrique Sim Ten.
Departamento de Informtica de Sistemas y Computadoras.
Universidad Politcnica de Valencia.
Espaa.
1.

INTRODUCCIN.................................................................................................................................... 2
1.1. CONCEPTOS ......................................................................................................................................... 2
1.1.1.
Sensacin y percepcin .............................................................................................................. 2
1.1.2.
Agentes y procesos...................................................................................................................... 3
1.1.3.
Autonoma................................................................................................................................... 3
1.1.4.
Autosuficiencia ........................................................................................................................... 4
1.1.5.
Autopoiesis ................................................................................................................................. 4
1.1.6.
Inteligencia ................................................................................................................................. 5
1.2. PROCESAMIENTO DE LOS SENSORES. ................................................................................................... 6
1.3. EVOLUCIN DE LOS SISTEMAS DE SENSORES. ...................................................................................... 7
1.3.1.
Sistemas de un solo sensor ......................................................................................................... 7
1.3.2.
Sensores replicados. ................................................................................................................... 7
1.3.3.
Sensores dispares ....................................................................................................................... 8
1.3.4.
Sensores distribuidos espacialmente .......................................................................................... 8
1.3.5.
Sensores inteligentes................................................................................................................... 8
1.4. REDES DE SENSORES DISTRIBUIDOS..................................................................................................... 9
1.4.1.
Redes en la industria .................................................................................................................. 9

2.

INTEGRACIN DE SENSORES......................................................................................................... 11
2.1. SENSOR ABSTRACTO.......................................................................................................................... 11
2.2. TIPOS DE INTEGRACIN DE SENSORES ............................................................................................... 12
2.3. ORGANIZACIN DE LOS SISTEMAS DE PROCESAMIENTO DE SENSORES. .............................................. 13
2.3.1.
Niveles de integracin .............................................................................................................. 13
2.3.2.
Especificacin de entrada/salida.............................................................................................. 13
2.3.3.
Estructura de rbol................................................................................................................... 14
2.3.4.
Integracin multisensor ............................................................................................................ 14
2.3.5.
Agrupaciones de sensores......................................................................................................... 15
2.3.6.
Arquitecturas ............................................................................................................................ 15

3.

FUSIN ESTADSTICA ....................................................................................................................... 18

3.1. FUSIN BAYESIANA .......................................................................................................................... 18
3.1.1.
Reduccin del espacio muestral ............................................................................................... 18
3.1.2.
Teorema de la particin ........................................................................................................... 19
3.1.3.
Teorema de Bayes..................................................................................................................... 19
3.1.4.
Mapas de ocupacin................................................................................................................. 20

4.

INTEGRACIN DE SENSORES REDUNDANTES.......................................................................... 26

4.1. ALGORITMOS PARA LA TOLERANCIA A FALLOS. ................................................................................ 26
4.1.1.
Marzullo ................................................................................................................................... 26
4.1.2.
PIMK ........................................................................................................................................ 26

GII

Pgina 1

DISCA. Universidad Politcnica de Valencia

1. Introduccin
Intuitivamente el procesamiento de sensores hace referencia al tratamiento de los datos crudos producidos por
los sensores para obtener informacin (datos tiles). Su origen y aplicacin lo podemos encontrar en materias
tan dispares como los sistemas medioambientales, sistemas de fabricacin inteligente, aplicaciones
aerospaciales, inspeccin mdica, robtica, teleoperacin... por ello, esencialmente, el procesamiento de
sensores es interdisciplinar y su avance se ve ligado a los avances en multitud de reas.

Matemticas
Estadstica
Procesamiento de la seal
Procesamiento de imgenes
Teora de la informacin
Teora de la decisin
Teora de control
Sistemas distribuidos
Sistemas autnomos

No obstante, los avances en la ciencia de los computadores y las tecnologas de comunicacin han hecho que
el procesamiento de sensores se forme como una disciplina con teoras y enfoques propios.

1.1. Conceptos
Veamos ahora algunos conceptos cuya aclaracin resulta til para la ubicacin de la "Instrumentacin
Inteligente"

1.1.1. Sensacin y percepcin

Entenderemos por sensacin a aquellos datos crudos que son medidos por los sensores. As, sensores de
ultrasonidos o lser, miden distancia, una cmara CCD mide intensidad luminosa, un micrfono mide sonido
etc. Un sensor es un dispositivo que capta la magnitud de una variable fsica en un sistema fsico o entorno.
Cualquier dispositivo que es alterado por las variaciones de una magnitud fsica de una forma predecible y
medible es un sensor para esta magnitud. As, un sensor viene caracterizado por su funcin de transferencia,
que relaciona el valor de la magnitud fsica con el valor que ste suministra en su salida.
Sea P[E , t ] el valor suminstrado por un sensor en el entorno E en el instante t. Para realizar operaciones con
el valor de un sensor, es necesario establecer una abstraccin en la forma de un sensor lgico que nos
permita caracterizar un determinado sensor fsico. Las abstracciones ms comunes son:
1.
2.
3.

P[E , t ] = v
P[E , t ] = v v
P[E , t ] vlow ...vhigh

En la primera v es el valor ledo por el sensor, en la segunda se define una tolerancia v en la forma de un
intervalo alrededor de v, e la tercera se define tambin un intervalo vlido, pero en esta ocasin el valor
medido no tiene que ser necesariamente el centro del intervalo.
Las caractersticas que definen un sensor son:

GII

Accesibilidad. Es la zona del entorno fsico en la que las variaciones de la magnitud a medir afectan al
sensor.
Dimensin. segn el valor sea escalar, vectorial, n-dimensional...

Pgina 2

DISCA. Universidad Politcnica de Valencia

Rango de operacin. Los sensores operan slo en un determinado rango de valores de la magnitud a
medir e incluso de otras magnitudes.
Datos. Formato de los datos. Discretos o continuos, procesamiento local, ancho de banda, capacidades de
compresin de la informacin...
Sensibilidad. Especificaciones sobre exactitud y precisin.
Localizacin. Local o remoto al lugar de procesamiento.
Inteligencia. Se dice que un sensor es inteligente si tiene capacidades de procesamiento o decisin. El
uso de sensores inteligentes permite establecer un compromiso entre computacin y comunicacin. Las
capacidades de procesamiento local pueden reducir las necesidades de ancho de banda para una red de
sensores.
Activo o pasivo.
De contacto o sin contacto.
Tecnologa.

Percepcin es el resultado de la elaboracin de la sensacin. La sensacin producida por un sensor tctil,

puede ocasionar la percepcin de un obstculo. Lgicamente la percepcin puede estar relacionada con una o
ms sensaciones y en cualquier caso, ser necesaria la existencia de procesos de "fusin de datos" que usando
sensores, conocimiento y otras percepciones sean capaces de elaborar nuevas percepciones.
La percepcin resulta ambigua en la mayor parte de los casos ya que depende de la situacin y de las
intenciones del agente.

1.1.2. Agentes y procesos

En la literatura sobre inteligencia artificial no hay siempre una distincin clara entre agente y proceso, ambos
conceptos se usan para indicar algn tipo de mecanismo ejecutndose e interactuando concurrentemente con
otros. En inteligencia artificial distribuida un agente puede ser un mecanismo abstracto que existe en un
entorno software con una complejidad o autosuficiencia que lo distinga de un proceso. Sin embargo una
distincin ms til consiste en que un agente es una unidad englobada en su entorno que opera en el mundo
real (p.e. un robot) que puede consistir entonces, en varios procesos internamente distribuidos a lo largo de un
nmero de sensores y actuadores.
El trmino agente se usa para denotar connotaciones fsicas. Smithers se refiere a un agente como una
organizacin coherente o arquitectura de procesos y sus interacciones dinmicas con el mundo. Se puede
argumentar que un proceso es simplemente un trmino ms abstracto que puede cubrir adecuadamente la
descripcin de agente. Un agente, como es un objeto fsico, est sujeto a las leyes fsicas. Lo que distingue a
un agente de otros objetos es que un agente puede controlar, dentro de ciertos mrgenes, su propio destino.
Una piedra, por ejemplo, es un objeto simple sujeto a la ley de la gravedad que no puede decidir cuando ni a
que velocidad caer. Un simple organismo unicelular es capaz de moverse hacia reas con ms nutrientes o
lejos de ambientes hostiles. La independencia de las leyes fsicas es relativa, as una persona tiene poco que
hacer si su automvil sufre un aparatoso accidente.
Un agente debe tener la capacidad de sentir y/o percibir aspectos de su entorno y una va de actuacin sobre el
mismo (p.e. variar su posicin o manipular objetos). Todo esto debe llevarse a cabo por medio de mecanismos
automticos, es decir, mecanismos que no requieran para su funcionamiento la intervencin de otro agente.

1.1.3. Autonoma
El mundo real es infinitamente rico en cambios dinmicos. Un agente, para mantenerse viable, debe ser algo
ms que automtico. La autonoma es un requerimiento adicional importante. Para definir la autonoma,
Brooks y Steels han recurrido a las definiciones suministradas por los etlogos Smithers y McFarland
mediante comunicaciones personales. La definicin de Smithers dice:
La idea central del concepto de autonoma se identifica en la etimologa del trmino: autos (propio) y
nomos (ley o regla). Se aplic por primera vez en la antigua Grecia para referirse a aquellas ciudades o
estados que se regan por leyes propias en lugar de vivir acorde al poder de un gobierno externo. Es til
contrastar el concepto de autonoma con el de sistema automtico... Los sistemas automticos se autoregulan

GII

Pgina 3

DISCA. Universidad Politcnica de Valencia

pero ellos no establecen las leyes que sus reguladores intentan satisfacer. Estas leyes les son suministradas o
estn inmersas en su construccin. Los sistemas automticos son capaces de conducirse a lo largo de un
camino corrigiendo y compensando los efectos de las perturbaciones externas. Los sistemas autnomos son
capaces de generar por ellos mismos las leyes y estrategias con las que regularan su comportamiento: se
autogobiernan y se autoregulan. Determinan el camino a seguir y se conducen sobre l. (Smithers,
Septiembre 1992).
Esta definicin recoge la cuestin esencial, para ser autnomo primero hay que ser automtico. Esto implica
sentir el entorno y ejercer acciones sobre l de manera beneficiosa para el agente y las tareas que debe
desarrollar. Pero la autonoma va ms all que el automatismo, porque se supone que la base de
autoregulacin se genera desde la propia capacidad del agente de componer y adaptar sus principios de
comportamiento. Ms an, el proceso de construccin y adaptacin es algo que tiene lugar mientras el agente
opera en su entorno. No es el caso de un agente que dispone del tiempo necesario para estudiar un gran
nmero de ejemplos o "razonar" profundamente sobre cmo debera actuar en circunstancias no previstas. En
lugar de esto, debe actuar y responder continuamente para sobrevivir.

1.1.4. Autosuficiencia
La autonoma se identifica a veces con la autosuficiencia. La autosuficiencia es un requerimiento de un agente
capaz de funcionar sin ninguna asistencia externa. Si el agente es capaz de recargar sus bateras sin asistencia
externa, podr llevar a cabo tareas durante un largo perodo de tiempo y as ser capaz de adquirir ms
experiencia para funcionar de forma independiente.
Como afirma McFarland la autonoma y la autosuficiencia son conceptos muy diferentes que pueden
distinguirse fcilmente mediante un ejemplo: Un perro faldero no podra sobrevivir sin el alimento que le
proporcionamos sus dueos, sin embargo no hay duda en considerarlo autnomo.
Es deseable obtener un robot autosuficiente en el sentido de que pueda renovar su energa y mantenerse a s
mismo viable durante largos perodos de tiempo sin intervencin humana. Sin embargo el robot tendr una
dependencia indirecta de los humanos. Al haber sido diseado para un entorno particular y artificialmente
generado por los humanos, donde la energa se provee gratuitamente, el robot no sobrevivir fuera de este
entorno.
No es fcil alcanzar la autosuficiencia en un ecosistema generado por humanos, los mismos humanos
dependen muchsimo de otros humanos como para poderlos considerar autosuficientes, pero no hay duda
acerca de que los humanos son autnomos.

1.1.5. Autopoiesis
Los animales son las entidades autnomas ms claras que conocemos. Se debe hacer un esfuerzo para
entender qu es lo que les hace autnomos sin caer en la tentacin de replicarlos completamente incluso sin
considerar que esto resulta imposible con la tecnologa actual.
Cuando observamos la autonoma animal, no se puede evitar el concepto de autopoiesis. Este concepto se
cre para superar las dificultades existentes en la definicin de lo que se considera un sistema vivo. La
autopoiesis es aquello que diferencia un sistema vivo de uno que no lo sea: es la capacidad que tienen los
sistemas vivos de estar continuamente produciendo y que el productor no pueda ser separado del producto
La autonoma se incluye normalmente en las caractersticas que definen la vida, pero como otras
caractersticas se puede ver como una consecuencia de la autopoiesis. Los animales se producen a ellos
mismos y haciendo esto, producen las leyes por las que actan. Su comportamiento es el resultado de
correlaciones internas autoproducidas entre las sensaciones y las acciones.
Con la tecnologa actual, el concepto de autopoiesis no puede aplicarse al hardware, pero podemos intentar
aplicarlo al software. La idea podra ser obtener un "cerebro" altamente autopoitico con un "cuerpo" que
actuara como una restriccin del entorno.

GII

Pgina 4

DISCA. Universidad Politcnica de Valencia

1.1.6. Inteligencia
La IA ha tratado desde el principio sobre qu es lo que se considera como inteligencia y as poder caracterizar
los logros de la IA. Veamos algunas definiciones comunes.
El primer grupo de definiciones se realizan en trminos de comparacin de prestaciones con la inteligencia
humana. El ejemplo ms famoso es el test de Turing. Turing propona que un humano realizara una evolucin
de un sistema realizando preguntas a travs de una terminal. Si el humano confunda frecuentemente al
sistema de IA con un humano, podra considerarse al sistema de IA como inteligente.
El segundo grupo de definiciones se realizan en trminos de conocimiento y su explotacin. Por ejemplo.
Newell ha trabajado sobre la nocin de nivel de descripcin de conocimiento . Una descripcin de este tipo
puede realizarse si el comportamiento del sistema puede describirse coherentemente en trminos de posesin
de conocimiento y aplicacin de este (principio de racionalidad). De esto se desprende que la IA est, al
menos por definicin, relacionada con la extraccin del conocimiento, su formalizacin y su correcta
codificacin en un computador. Esta definicin tiene dos puntos problemticos. Primero, el nivel de
descripcin de conocimiento puede construirse para muchos objetos (termostatos, interruptores automticos)
que se consideran carentes de inteligencia. Segundo, esta definicin asume una frontera brusca y discontinua
entre lo que se considera inteligente y lo que no y por lo tanto no ayuda a entender como la inteligencia puede
emerger de los sistemas fsicos ni la relacin entre el conocimiento y el razonamiento con la neurofisiologa.
Hay otras muchas definiciones que no se usan en el campo de la IA. As, Roger Penrose promulga que la
inteligencia est ntimamente ligada con la consciencia y la autoconsciencia que las define como la capacidad
de intuir estrategias matemticas o realizacin de juicios estticos.
Recientemente Luc Steels ha introducido una definicin alternativa basada en la biologa, observando a los
sistemas vivos. Los sistemas vivos se definen en trminos de su capacidad activa de mantenerse a ellos
mismos usando esencialmente dos mecanismos:

Reemplazan continuamente sus componentes. Esto asegura la existencia en el caso de componentes

averiados o de corta duracin.
Adaptarse para permanecer viable cuando el entorno cambia dentro de ciertos lmites.

Como vemos esta definicin se basa en la autopoisis como medio de preservacin. Esta necesidad de
supervivencia se encuentra en todos los niveles: gentico, estructural, individual y de grupo. Esta definicin
de inteligencia se centra en la interaccin de un sistema vivo con su entorno que incluye otros sistemas vivos.
Esta interaccin es lo que se conoce como comportamiento. La caracterstica principal para que un
comportamiento pueda considerarse inteligente es que contribuya directa o indirectamente a la continuidad de
la supervivencia del sistema. La ventaja de esta definicin es que es objetiva y puede ser fcilmente
cuantificada.
La definicin biolgica de inteligencia resulta poco restrictiva, se puede argumentar que la existencia de un
buen mecanismo de defensa es tambin crtico para la supervivencia (el equivalente en sistemas artificiales
sera: el tiempo de vida de las bateras, la tolerancia a fallos de los microprocesadores, la robustez de la
estructura...). As el propio Steels acota la definicin de inteligencia considerando las funcionalidades que se
usan para alcanzar la viabilidad y autopreservacin y as llega al concepto de representacin. Aqu se
considera la representacin de la manera ms general posible, explcita o implcita, simblica o no, de manera
que este concepto est fuera de la controversia sobre el papel que juega la representacin en la inteligencia e
incluye el proceso no simblico que se realiza en las redes neuronales.
Resumiendo, se puede considerar que la inteligencia se centra en la habilidad de un sistema de mantenerse a s
mismo mediante la creacin y uso de representaciones.

GII

Pgina 5

DISCA. Universidad Politcnica de Valencia

1.2. Procesamiento de los sensores.

El procesamiento de los sensores puede verse como compuesto por cuatro actividades: adquisicin,
procesamiento, integracin y anlisis. La relacin entre estas actividades aparece en la Figura 1.1.

Figura 1.1
Cuando alguna de estas actividades tenga lugar en un entorno distribuido, nos referiremos a un Sistema
Distribuido de Procesamiento de Sensores
Supongamos que hay un nmero limitado de recursos en el SDPS (p.e. sensores y procesadores). Sea un
sistema que tiene N sensores y P procesadores. Los sensores son del mismo tipo y son capaces de seguir
objetos en el espacio de observacin (p.e. radar), son sensores fsicamente replicados. Los sensores se
organizan el P clusters de N/P sensores cada uno. La tarea principal es el seguimiento de los objetos en el
espacio de observacin. Consideremos dos posibilidades:
1.
2.

El espacio de observacin es muy grande y no puede ser cubierto por un solo cluster.
El espacio de observacin puede ser cubierto por cada cluster, pero es necesaria la respuesta en tiempo
real para realizar el seguimiento de los objetos.

En el primer caso podemos asignar clusters para que cubran partes del espacio de observacin.
Colectivamente cubrirn la totalidad del espacio de observacin. En el segundo caso, podemos configurar el
sistema para que cada cluster realice el seguimiento de un determinado nmero de objetos. As, la tarea de
seguimiento se ha visto dividida en subtareas ms sencillas cuyas soluciones parciales se combinarn para
formar la solucin global. En ambos casos se ha realizado una descomposicin de tareas que se ejecutarn
en un entorno distribuido. La configuracin y el resultado de la ejecucin de las subtareas deber ser
coordinado por un mdulo observador central que ser el responsable de la integracin.
Procesamiento local: Cada cluster consiste en un procesador y un conjunto de sensores replicados. El
procesador se encarga del procesamiento local y del control; gua los sensores de su cluster para observar el
fenmeno fsico y proporcionar los valores. Supongamos que un cluster slo cubre parte del espacio de
observacin, pero los objetos pueden moverse libremente a lo largo de todo el espacio de observacin, en este
caso, durante el procesamiento local, los clusters deben comunicarse para intercambiar el conocimiento de
que un objeto se ha movido de un rea a otra.
Integracin: El observador central es responsable de la combinacin de los datos de los sensores y/o sus
abstracciones. En el caso comentado anteriormente hay P clusters, cada uno de ellos encargado del
seguimiento de un objeto. El observador central debe comunicarse con los clusters, recopilando el resultado
del procesamiento local para establecer una representacin de los P objetos a seguir.

GII

Pgina 6

DISCA. Universidad Politcnica de Valencia

Anlisis: Suponemos que el sistema dispone de una base de conocimiento. Usando el conocimiento sobre el
dominio, el sistema puede analizar los datos y tomar las decisiones apropiadas. En el ejemplo del problema de
vigilancia, el sistema debe monitorizar la posicin velocidad y trayectoria de los objetos, clasificarlos como
amigos o enemigos y tomar las acciones pertinentes en funcin del estado del espacio de observacin.

1.3. Evolucin de los sistemas de sensores.

La evolucin de los sistemas de sensores ha seguido los siguientes pasos:

Sistemas de un solo sensor.

Sensores replicados.
Sensores dispares.
Sensores espacialmente distribuidos.
Sensores inteligentes.

1.3.1. Sistemas de un solo sensor

Como su nombre indica, son sistemas que utilizan un solo sensor (p.e. radar). Las desventajas de estos
sistemas son:
1.
2.
3.

Tienen un limitado campo de aplicaciones. Por ejemplo, un robot mvil autnomo tiene la necesidad de
varios sensores (tctiles, cmaras CCD, sonar...), no es posible construirlo como un sistema de un solo
sensor.
El fallo del sensor es catastrfico. Esto nos lleva a aplicaciones no demasiado robustas, inadecuadas para
sistemas crticos.
Un solo sensor no puede garantizar la entrega de una informacin precisa en cualquier momento, esto es
debido a su rango de operacin y a la relacin seal-ruido.

Resumiendo, un sistema de un solo sensor es til para aplicaciones no crticas, teniendo que desarrollar
tcnicas encaminadas a hacerlo ms robusto.

1.3.2. Sensores replicados.

Asociada con cada sensor se define una curva de fallo (que tiene forma de U) que proporciona la probabilidad
de fallo del sensor a lo largo del tiempo. El fallo es ms probable cuando el sensor es nuevo (fallos en la
fabricacin) y cuando el sensor es viejo (los materiales se deterioran). La solucin ms comn adoptada para
los sistemas de un solo sensor es utilizar sensores que han pasado ya su etapa de fallos en la infancia, pero
an as no es posible garantizar que no se van a producir fallos intermitentes o permanentes durante la
operacin. Como consecuencia es necesario validar las lecturas de los sensores, rechazando aquellas lecturas
que se consideren fuera de la realidad.
La redundancia mejora la confianza del sistema al hacerlo tolerable a un nmero determinado de fallos. El uso
de componentes redundantes para mejorar la confianza en el sistema es muy comn.
Debido a las variaciones que son comunes en la naturaleza, las lecturas ofrecidas por los sensores replicados
son a menudo dispares. Por lo tanto son necesarias tcnicas que nos permitan componer de una forma eficaz
las lecturas de los sensores. Algunas formas de realizar esta combinacin son:
Voto por mayora: esta tcnica es vlida cuando los valores medidos por los sensores son discretos. Los
valores de n sensores se introducen en un sistema de votacin que ofrece a su salida el valor ms votado. Se
supone que los sensores fiables son mayora.
Media simple: esta tcnica se usa cuando los valores son continuos. Como su nombre indica consiste en
calculas la media aritmtica de los valores suministrados por los sensores.

GII

Pgina 7

DISCA. Universidad Politcnica de Valencia

n

f ( x1 ,.... x n ) =
i =1

xi
n

Media ponderada: es la generalizacin del mtodo anterior cuando es posible asignar un valor de
importancia o fiabilidad a cada sensor.
n

f ( x1 ,.... xn ) =

w x
i =1
n

w
i =1

1.3.3. Sensores dispares

Un sistema con un solo sensor generalmente no es confiable. La introduccin de sensores replicados puede
mejorar la tolerancia a fallos. Incluso as, un grupo de sensores replicados tiene un rea de accin limitada y
es posible que no puedan medir completamente el fenmeno que se debe monitorizar. Esto hace que el uso de
sensores replicados no sea adecuado para algunas aplicaciones (robtica, imgenes mdicas, GIS en tiempo
real, aeronutica...).
Las ventajas de la introduccin de sensores dispares son:
1.
2.
3.

Aumenta la confiabilidad.
Aumenta la tolerancia a fallos
Mejora la deteccin (y eliminacin) de ruido.

El ruido recogido por sensores dispares tiende a no estar correlado, mientras que la seal de inters tiende a
estar correlada. Adems, los sensores pueden elegirse de forma que se complementen y que un sensor
compense las deficiencias de otro.

1.3.4. Sensores distribuidos espacialmente

Algunas aplicaciones requieren que la observacin de un objetivo tenga lugar desde diferentes puntos de vista
(p.e. visin N-ocular). Los sensores pueden distribuirse en una regin limitada o extenderse a lo largo de una
amplia regin. No se establecen restricciones sobre si los sensores son iguales o dispares, de hecho, un
sistema de sensores distribuidos puede usar combinaciones de sistemas de sensores replicados y dispares.
Los datos recogidos varan en tiempo y espacio. Por lo tanto la integracin temporal y la integracin espacial
son las alternativas para la combinacin de la informacin adquirida por un sistema de sensores distribuidos.

1.3.5. Sensores inteligentes

Recordemos que el procesamiento de sensores consiste en cuatro actividades: adquisicin, procesamiento,
integracin y anlisis. En un sistema con un solo sensor, el procesamiento y la integracin no son necesarios.
En los sistemas de sensores replicados, el procesamiento puede ser mnimo mientras que la integracin es
fundamental. En los sistemas de sensores dispares el procesamiento es necesario para hacer las medidas
compatibles (p.e. usando una representacin independiente del sensor) y la integracin es necesaria para
obtener una visin global.
Para los sensores distribuidos, en los que se pretende realizar un integracin de datos competitivos o
complementarios, se debe tener en cuenta la comunicacin y la sincronizacin. Supngase un sistema con un
gran nmero de sensores y un solo centro de integracin. Enormes cantidades de datos deben trasmitirse
desde los sensores hasta el centro de integracin, esto requiere un gran ancho de banda en el canal de
comunicaciones y mucha carga computacional en el nodo de integracin.

GII

Pgina 8

DISCA. Universidad Politcnica de Valencia

El uso de sensores inteligentes permite reducir el ancho de banda necesario, realizando procesamiento local
para obtener una abstraccin de la informacin que es la que ser comunicada al centro de integracin. Los
datos crudos son procesados antes de ser compartidos con otros sensores.
Un sensor se puede convertir en inteligente proporcionndole capacidad de procesamiento y/o control. Es
bastante comn disponer de combinaciones sensor/procesador con un coste razonable.

1.4. Redes de sensores distribuidos.

El uso de sensores inteligentes, dispares y distribuidos espacialmente ha aumentado en aplicaciones tales
como robtica, radar, fsica de partculas, imagen mdica y otras. En estas aplicaciones los sensores se
organizan en redes de sensores distribuidos (RSD).
Una red de sensores distribuidos puede verse como un grafo G=(S,E) donde S es el conjunto de los vrtices
que representan los sensores inteligentes y E, los arcos que describen la conectividad de los nodos.
Una RSD es un conjunto de sensores inteligentes, repartidos espacialmente, diseado para extraer datos del
entorno, abstraer informacin de los datos recogidos, y derivar de la informacin obtenida las inferencias
apropiadas.
El uso de sensores inteligentes ofrece varias ventajas:
Reducir el ancho de banda requerido. Por el procesamiento local y la abstraccin de informacin.
Informes. Un sensor inteligente puede proporcionar informacin sobre las condiciones locales en las que est
operando y, posiblemente estimar la certidumbre de la informacin proporcionada.
Flujo de informacin bidireccional. Un sensor puede ejecutar rdenes generadas por niveles ms altos en la
jerarqua.
Mejora la tolerancia a fallos. Al usar sensores replicados y dispares.
Integracin de sensores eficiente. Es posible sacar provecho de las capacidades de procesamiento
distribuido que ofrecen las redes de sensores inteligentes.
Procesamiento distribuido. Un sistema con mltiples nodos de procesamiento puede organizarse segn
posea:

Control y procesamiento centralizado

Control centralizado y procesamiento distribuido
Control y procesamiento distribuidos

En las RSD se utilizan tcnicas de procesamiento distribuido y tcnicas de resolucin distribuida de

problemas. En el procesamiento distribuido nos centraremos en aspectos tales como, el balance de la carga,
planificacin de tareas, interconexin de procesadores, sincronizacin, y prevencin de interbloqueos. En el
procesamiento distribuidos nos interesaremos por encontrar mtodos para la descomposicin de tareas,
reduccin y comprobacin de hiptesis, e integracin de los datos.

1.4.1. Redes en la industria

La introduccin de los sistemas distribuidos de control en la industria, junto con el desarrollo de redes de
comunicacin de alta velocidad ha desencadenado, durante los ltimos aos, la elaboracin de directivas de
normalizacin para la especificacin de sistemas de comunicacin para la fabricacin (Instruments Society of
America, International Electromechanical Commission).

GII

Pgina 9

DISCA. Universidad Politcnica de Valencia

El estudio de las necesidades de comunicacin industriales puede estructurarse en capas atendiendo a los
diferentes requerimientos (fundamentalmente de tiempo real) impuestos por las condiciones de operacin de
cada mdulo conectado. Esta estratificacin puede seguir el modelo ISO-RM-FA (modelo de referencia ISO
para la fabricacin):

Gestin corporativa
Fbrica
rea
Clula
Mquina
Dispositivos

En general, el esfuerzo est dirigido hacia la elaboracin de una infraestructura comn para los sistemas de
comunicacin industriales a todos los niveles.
Para las capas ms bajas se han propuesto redes de tiempo real para los dispositivos., entre las que destacan:

CAN (Control Area Network): DeviceNet, SDS, CAL...)

Interbus-S
LON (Local Operation Network)

Para las capas intermedias se han desarrollado propuesta abiertas para redes de Bus de Campo:

Profibus
FIP
Fieldbus Foundation
ISA-SP50

Para el desarrollo de aplicaciones industriales en las capas ms altas, se propone el uso de la especificacin
MAP (Manufacturing Automation Protocol) que define la infraestructura de mensajes de fabricacin y facilita
el desarrollo de aplicaciones distribuidas mediante la metodologa orientada al objeto y el modelo clienteservidor.
Por otra parte, el enorme crecimiento de Internet ha favorecido el desarrollo de modelos de programacin
distribuida, as como nuevos conceptos de comunicacin y cooperacin entre aplicaciones distribuidas. Nos
referimos al NC (Network Computing) . Destacan en este mbito la introduccin de las siguientes
tecnologas:

GII

Mquina virtual: JAVA

Modelos de objetos distribuidos: CORBA, DCOM ActiveX, JavaRMI y JavaBeans.

Pgina 10

DISCA. Universidad Politcnica de Valencia

2. Integracin de sensores
La integracin de sensores es el proceso de combinar o fundir las lecturas de varios sensores. Una RSD usa
sensores dispares y distribuidos. Cada sensor proporciona el valor de una variable fsica del entorno, estas
seales obtenidas directamente de los sensores no pueden ser usadas por las razones siguientes:
1.

Cada sensor tiene una precisin limitada. Hay una incertidumbre asociada a la seal, esta
incertidumbre aumenta con los retrasos en las comunicaciones. Seales de sensores diferentes tienen
asociados valores diferentes de incertidumbre.

2.

El centro de fusin de informacin puede estar interesado en un valor en un momento en el que el

sensor no ha sido muestreado. El valor puede ser interpolado, pero esto requiere un conocimiento
completo sobre la fsica del proceso.

3.

El sensor puede tener propiedades muy tiles que pueden ser extradas mediante el procesamiento de
la seal.

Por estas razones es necesario obtener una abstraccin de la medida fsica. A esta abstraccin se le llama
sensor abstracto que se distingue del dispositivo fsico que realiza la medida al que llamaremos sensor
concreto.

2.1. Sensor abstracto

Suponemos que existen varios sensores abstractos y queremos combinarlos. Para ello deberemos resolver
varias cuestiones:

Sensores diferentes proporcionan diferentes rdenes de informacin. Deberemos decidir cmo

representar y relacionar esta informacin dinmica. Un representacin apropiada es la clave en la
resolucin de problemas en general, y de la integracin de sensores en particular.

Sensores diferentes realizan la medida desde diferentes puntos, debemos decidir cmo registrar estas
medidas. Esto puede realizarse mediante transformaciones, pero el problema es cmo superar la
incertidumbre en la transformacin entre espacios de accin de sensores.

Las medidas de los sensores estn afectadas de ruido. Es posible reducir los errores usando mltiples
medidas, pero esto puede introducir contradicciones.

Los sensores y los programas de interpretacin asociados tienen fuertes restricciones temporales que
varan considerablemente. El problema es decidir cundo y dnde explotar la informacin de un
sensor.

Los sensores fallan o violan sus parmetros de operacin. El conjunto de sensores operativos puede
variar dinmicamente. Es necesario desarrollar una tcnica robusta para la integracin de estos
sensores.

Una posible especificacin para la definicin de un sensor abstracto es la propuesta por Henderson y Shilcrat
(1984) que se representa en la figura 2.1.

GII

Pgina 11

DISCA. Universidad Politcnica de Valencia

Entradas
de control

Vector de salida

Nombre lgico

Selector

Prog. 1

.....
Entradas

.....

Intrprete
de rdenes
Prog. n

.....
Entradas

.....
rdenes a
sensores lgicos

Figura 2.1.
La definicin del sensor abstracto puede usarse como un marco uniforme de integracin de sensores.
Mediante el uso de una definicin abstracta, los innecesarios detalles fsicos del sensor, se separan de su uso
funcional en el sistema y puede proporcionar portabilidad y capacidad de incorporacin de nuevas
tecnologas. Cada sensor lgico puede considerarse como un elemento en una red de sensores lgicos, que en
s misma, puede considerarse como un sensor lgico.
Segn esta definicin cada sensor tiene los siguientes elementos:

Nombre del sensor lgico. Es un identificador nico del sensor lgico.

Vector de caractersticas de salida. Describe el tipo de datos o el flujo de salida del sensor lgico.
rdenes de control. Las rdenes de entrada al sensor consisten en comandos de control del propio
sensor y en comandos que se pasan hacia los sensores situados en niveles ms bajos en la red.
Intrprete y control de rdenes. Procesa las rdenes que llegan y enva rdenes a los sensores situados
en niveles ms bajos en la red.
Selector. Monitoriza las rdenes de control adecuadas para el sensor lgico y los resultados de las
unidades de programa. El selector acta como un pequeo sistema experto que conoce las funciones
requeridas y que aporta el sensor lgico.
Unidades de programa. Cada unidad de programa realiza el cmputo requerido sobre sus entradas.
Entradas del sensor lgico. Las entradas de un sensor lgico son el vector de salida de otros sensores
lgicos situados en niveles ms bajos en la red.

2.2. Tipos de integracin de sensores

Los sensores pueden proporcionar informacin competitiva, complementaria, cooperativa, o independiente.
Integracin competitiva. La informacin redundante permite construir sistemas de sensores tolerantes a
fallos y por lo tanto ms fiables. La integracin competitiva requiere lecturas replicadas de sensores que son
idealmente idnticos, pero que en realidad, estn sujetos a variaciones estadsticas y a perturbaciones por el
ruido. Incluso si varios sensores han fallado, la informacin de los sensores errneos ser ignorada durante el
proceso de integracin
Integracin complementaria. Se produce cuando los sensores proporcionan informacin parcial y solapada.
La informacin parcial debe ser integrada para obtener una visin global. La informacin puede obtenerse por
medio de sensores dispares o desde diferentes puntos de vista. Si algn sensor falla el resultado de la
integracin puede ser errneo.
Integracin cooperativa. Se produce cuando los sensores proporcionan informacin parcial y no solapada.
Integracin independiente. Se produce cuando los sensores proporcionan informacin independiente o no
correlada. La integracin se realiza simplemente aadiendo nuevos campos al registro de datos.

GII

Pgina 12

DISCA. Universidad Politcnica de Valencia

Integracin temporal. Se requiere la integracin de la informacin sobre el tiempo. Los datos muestreados
en los intervalos de tiempo deben ser procesados para recrear la nocin de secuencia temporal.
Integracin espacial. Se requiere la integracin de la informacin sobre un espacio dado. Cualquier
conclusin alcanzada despus de la integracin es lo que se llama inferencia espacial.

2.3. Organizacin de los sistemas de procesamiento de sensores.

Las actividades que se deben realizar en el procesamiento de sensores (adquisicin, procesamiento,
integracin y anlisis) pueden organizarse de diferentes formas:

Por niveles de integracin.

Por especificacin de entrada/salida.
Organizacin en rbol.
Integracin multisensor.
Agrupaciones de sensores.

2.3.1. Niveles de integracin

Si un sistema debe adquirir una gran cantidad de datos y procesarlos para convertirlos en informacin til, es
conveniente usar una jerarqua de transformaciones. En bastante frecuente organizar el procesamiento en tres
niveles: bajo nivel, nivel intermedio y nivel alto. Por ejemplo en un sistema de visin se puede establecer la
siguiente correspondencia:

Bajo nivel: Conversin del mapa de bits en caractersticas como lneas y fronteras.
Nivel intermedio: Reconocimiento de patrones.
Nivel alto: Identificacin de objetos.

En general, el esquema de integracin es el siguiente (ver figura 2.2):

Bajo nivel: Integracin de datos.

Nivel intermedio: Integracin de caractersticas.
Nivel alto: Integracin de decisiones.
D1

D2

Fusin
de datos

D3

D4

Fusin
de datos

F12

D5

D6

Fusin
de datos

F34

Fusin de
caractersticas

D7

D8

Fusin
de datos

F56

F78

Fusin de
caractersticas

Fusin de
decisin

Figura 2.2.

2.3.2. Especificacin de entrada/salida

Si especificamos el proceso de integracin en trminos de pares ordenados <entrada, salida>, son posibles
cinco combinaciones:

GII

Pgina 13

DISCA. Universidad Politcnica de Valencia

<datos, datos>
<datos, caractersticas>
< caractersticas, caractersticas>
< caractersticas, decisin>
< decisin, decisin >

2.3.3. Estructura de rbol

Otra variante es la mostrada en la figura 2.3. Los sensores s1 hasta s7 (del mismo tipo y caractersticas) estn
organizados en forma de rbol. Hay cuatro nodos hoja, dos nodos intermedios y un nodo raz. Los nodos
intermedios y raz son inteligentes ya que pueden realizar procesamiento de tres entradas (la suya propia y la
de dos hijos) y pasar el resultado a su nodo padre.

t3

Nodo raz
t1

t2
S7

Nodos intermedios
S5

S6

Nodos hoja
S1

S2

S3

S4

Figura 2.3.
En el ejemplo el procesamiento tiene lugar en tres pasos secuenciales:
t1=F(s1,s2,s5)
t2=F(s3,s4,s6)
t3=F(t1,t2,s7)
Es decir, t3=F(F(s1,s2,s5),F(s3,s4,s6),s7).
La organizacin en forma de rbol es adecuada para paralelizar el procesamiento de sensores.

2.3.4. Integracin multisensor

En la figura 2.4 se muestra la integracin de cuatro sensores de diferente tipo. Supongamos que s1 y s2 son
del mismo tipo s3 de un segundo tipo y s4 de un tercer tipo. Este problema requiere algn tipo de preproceso
que asegure que los datos de los sensores son compatibles.

GII

Pgina 14

DISCA. Universidad Politcnica de Valencia

t3

t2

t1

S1

S2

S3

S4

Figura 2.4.
El proceso de los sensores requiere tres pasos:
t1=F1(s1,s2)
t2=F2(t1,s3)
t3=F3(t2,s4)
Es decir: t3=F3(F2(F1(s1,s2),s3),s4)
Ntese que F1 usa datos competitivos mientras que F2 y F3 usan datos complementarios.

2.3.5. Agrupaciones de sensores

Una coleccin de sensores organizados en una configuracin particular se llama agrupacin de sensores. En
general, los sensores se pueden agrupar en serie, paralelo y combinaciones serie/paralelo. Estas posibilidades
se reflejan en la figura 2.5.

S1

S1

S2

S2
S11

S21

S11

S21

S12

S22

S12

S22

Figura 2.5.

2.3.6. Arquitecturas
Una arquitectura queda establecida cuando se consigue realizar una abstraccin del hardware subyacente en
trminos de definicin de una "mquina virtual" o modelo de programacin. En general, en lo que se refiere a

GII

Pgina 15

DISCA. Universidad Politcnica de Valencia

las arquitecturas para el procesamiento de sensores, estas dependen fuertemente de la aplicacin para la cual
han sido concebidas. Una posible organizacin es la que aparece en la figura 2.6.

Figura 2.6.
Un grupo de n sensores provee de unas medidas al proceso de integracin. El modelo de sensor representa la
incertidumbre y error de cada sensor, proporcionando una medida de calidad utilizable en posteriores
integraciones. Una suposicin comn es que la incertidumbre en los datos puede ser modelada de forma
adecuada como una distribucin Gaussiana. Posteriormente cada una de las medidas puede pasar unos de los
tres procesos integrados en bloque de procesamiento sensorial: fusin, separacin o guiado.
La fase de registro tiene como objeto adecuar la medida para su uso con otras, convirtindolas a espacio
comn. El proceso de fusin se divide en cuatro niveles. El proceso de separacin tiene por objeto detectar
disparidades en las medidas, haciendo que la influencia de estas sea indirecta. El proceso de guiado se lleva a
cabo cuando la informacin de un sensor es utilizada por otro. Por ejemplo: la informacin visual puede
utilizarse en el control de sensores tctiles.
El resultado de este proceso de sensorizacin sirve como entrada al modelo del mundo, el cual almacena el
estado del entorno en el que el sistema esta operando. Este modelo del mundo puede contener conocimiento a
priori. Dependiendo de las necesidades de la aplicacin el modelo del mundo puede adoptar distintas formas.
Algunos de los mtodos de integracin multisensorial son:
Sensores Lgicos
Redes Neuronales.
Programacin orientada a objetos.
Comportamientos Lgicos.
Combinados con las estructuras de control:
Redes Bayesianas y Sistemas basados en reglas
Blackboards distribuidos
Aprendizaje adaptativo
En la fusin algunas de las tcnicas utilizadas son:
A nivel de seal:
Media ponderada.
Filtro de Kalman
Estimaciones Bayesianas por consenso de sensores.

GII

Pgina 16

DISCA. Universidad Politcnica de Valencia

Teora de la decisin.
A nivel de pixel:
Filtros lgicos.
Morfologas matemticas.
Algebra de imgenes.
Simulated Annealing
A nivel de caractersticas:
Estimaciones de Gauss-Markov
Filtro de Kalman extendido.
A nivel simblico:
Estimacin Bayesiana
Teora de Dempster-Shafer
Lgica Fuzzy

Como podemos ver estamos ante un campo extenso y variado.

GII

Pgina 17

DISCA. Universidad Politcnica de Valencia

3. Fusin estadstica
La integracin multisensorial podemos definirla como la synergia por el uso de la informacin de varios
sensores para la ayuda en la realizacin de una tarea. La fusin multisensorial sera cualquier estado en el
proceso de integracin, donde hay una combinacin de los datos (fusin) de distintas fuentes y estn
representados en formato conocido. La informacin a fusionar puede provenir de varios sensores en un
instante dado, o de un solo sensor en distintos instantes de tiempo.
La distincin entre integracin y fusin multisensorial no es gratuita, ya que nos permite separar los aspectos
ms relacionados con el sistema de sensores, arquitectura, control etc, de aquellos ms matemticos y
relacionados con la fusin de seales, algoritmos de interpretacin etc.
En los problemas de fusin de datos, se empieza por determinar un estado de la naturaleza en la que estamos
interesados. El objetivo es inferir el verdadero estado basado en informacin, a menudo incompleta y algunas
veces conflictiva, obtenida va una variedad de fuentes y tambin gestionar y optimizar la manera en la que
esta informacin es adquirida.
Son indispensables descripciones probabilsticas cuando pretendemos tratar cuantitativamente con la
incertidumbre. El modelo probabilstico de la informacin proporciona un marco para la operacin de la
metodologas de fusin de datos y gestin de mltiples sensores. En general se deben estudiar aspectos de la
teora de la probabilidad, mtodos bayesianos, teora de la estimacin, teora de la decisin y teora de la
informacin. El enfoque de estos conceptos se dirige hacia la obtencin de:

Incertidumbre en el proceso de observacin sensorial.

Fusin de informacin sensorial diversa.
Estimacin e inferencia del estado de la naturaleza subyacente.
Realizacin de las decisiones necesarias para la gestin de los sensores.

3.1. Fusin Bayesiana

Un grupo bsico de tcnicas para la realizacin de la fusin de informacin es el relacionado con la teora
estadstica. En particular, la ms popular es la derivada del teorema de Bayes.

3.1.1. Reduccin del espacio muestral

Sea un espacio muestral E. En este espacio se distinguen dos sucesos A y B. Se pretende estudiar cmo se
modifica la probabilidad de un suceso cuando se tiene informacin de la ocurrencia de otro suceso en el
espacio muestral. Ver figura 3.1.

E
A

Figura 3.1.
Si se sabe que ha ocurrido el suceso A, la probabilidad del suceso B se ve modificada. La probabilidad de que
ocurra B, se reduce a que ocurra A interseccin con B. La probabilidad hay que dividirla por la probabilidad
de A para que la probabilidad de A sea 1 (sabemos que ha ocurrido).

GII

Pgina 18

DISCA. Universidad Politcnica de Valencia

P( B / A) =

P( A B )
P( A)

3.1.2. Teorema de la particin

Una particin del espacio muestral es un conjunto de sucesos disjuntos Ai del tal manera que E =

UA .
i

i =1

E
B
A1
A2
A3
A4
A5
A6

Figura 3.2.
En la figura 3.2 se representa una particin A1..A6 del espacio E. La probabilidad de que ocurra el suceso B
se puede escribir:

n
n
P ( B ) = P U B Ai = P ( B Ai )
i =1
i =1
Aplicando la ecuacin de reduccin del espacio muestral tenemos:
n

P( B ) = P( Ai ) P( B / Ai )
i =1

Que es el enunciado del teorema de la particin.

3.1.3. Teorema de Bayes

El teorema de Bayes pretende determinar la probabilidad de una causa sabiendo el efecto que ha producido.
De la ecuacin de reduccin del espacio muestral

P ( Ai / B ) =

P( Ai B )
P( B )

se puede escribir, aplicando el teorema de la particin:

P ( Ai / B ) =

P ( Ai ) P ( B / Ai )
n

P( A ) P( B / A )
j

j =1

Que es el enunciado del teorema de Bayes.

Donde:

GII

Pgina 19

DISCA. Universidad Politcnica de Valencia

P( Ai / B ) es la probabilidad del suceso Ai despus de la informacin obtenida (suceso B).

P( Ai ) es la probabilidad a priori del suceso Ai
P( B / Ai ) es la probabilidad de que se produzca el suceso B suponiendo que se ha producido el suceso Ai
Se puede aplicar de forma recursiva haciendo:

P( Ai ) k = P( Ai / B ) k 1
obteniendo:

P ( Ai / B ) =

P( Ai / B ) k 1 P ( B / Ai )

P( A
j =1

/ B ) k 1 P ( B / A j )

3.1.4. Mapas de ocupacin

Una aplicacin tpica del teorema de bayes es la fusin de informacin de sensores de distancia en un mapa de
grid. El objetivo es obtener para cada celda del mapa la probabilidad de que sta est ocupada. As, el espacio
muestral quedar definido segn la siguiente particin:

A = {A1 , A2 } = {ocupado, libre}

Inicialmente no hay informacin en el mapa:

P( Ai ) = {P ( A1 ), P( A2 )} = {0.5,0.5}
Supongamos que un sensor (p.e. de ultasonidos) con una determinada apertura angular, suministra
informacin en la forma de una distancia a la cual se encuentra un obstculo. Ver figura 3.3

Probabilidad muy baja

Figura 3.3
Para poder aplicar el teorema de Bayes necesitamos una expresin para P(B/Ai). Una posible opcin es:

0.5

si r [r0 , r0 + ] [1 , 2 ] 0.5 + k d

P ( B / A1 ) = si r < r0 [1 , 2 ]
0.0
otro caso
0.5

GII

Pgina 20

DISCA. Universidad Politcnica de Valencia

Siendo [ 1 , 2 ] la apertura angular del sensor, r0 la distancia suministrada por el sensor y

un

nmero

arbitrariamente pequeo.
La ejecucin de esta frmula se puede comprobar con el siguiente programa (figura 3.4):
#include <stdio.h>
#include <math.h>
int main(int argc, char** argv)
{
int k;
double PAB,PA1,PBA1,PBA2;
PA1=0.5;
PBA1=(0.5+0.5/5);
PBA2=(0.5-0.5/5);
for (k=0;k<10;k++)
{
PAB=(PA1*PBA1)/(PA1*PBA1+(1-PA1)*PBA2);
printf("%d
%f\n",k,PAB);
PA1=PAB;
}
return(0);
}

0
1
2
3
4
5
6
7
8
9

0.600000
0.692308
0.771429
0.835052
0.883636
0.919294
0.944708
0.962447
0.974647
0.982954

Figura 3.4.
La aplicacin del teorema de Bayes se puede ver representada en el espacio
como resultado de la aplicacin del siguiente programa MatLab:

,r

en las figuras 3.5 y 3.6

DIM=100;
d=linspace(0.001,0.999,DIM);
b=linspace(0.001,0.999,DIM);
[dd,bb]=meshgrid(d,b);
apertura=0.1;
espesor=0.05;
centro_distancia=0.5;
centro_angulo=0.5;
for I=1:DIM,
for J=1:DIM,
func1(I,J)=0.0;
if (dd(I,J)>centro_distancia) & (dd(I,J)<centro_distancia+espesor)
func1(I,J)=0.5+(0.5/5);
end
if dd(I,J)>centro_distancia+espesor
func1(I,J)=0.5;
end
if (bb(I,J)>(centro_angulo+apertura)) | (bb(I,J)<(centro_angulo-apertura))
func1(I,J)=0.5;
end
end
end
for I=1:DIM,
for J=1:DIM,
func(I,J)=0.5;
end
end
colormap(winter);

GII

Pgina 21

DISCA. Universidad Politcnica de Valencia

for k=1:10,
func(1,1)=1.0;
mesh(bb,dd,func);
grid;
view([30 30]);
xlabel('ngulo');
ylabel('Distancia');
zlabel('Densidad de probabilidad');
for I=1:DIM,
for J=1:DIM,
func(I,J)=func(I,J)*func1(I,J)/((func(I,J)*func1(I,J))+((1-func(I,J))*(1-func1(I,J))));
end
end
disp 'Pulsa una tecla'
pause;
end
disp 'Terminado'

Figura 3.5.

Figura 3.6.
Como alternativa al uso de la funcin escaln para obtener P(B/Ai) podemos usar expresiones del tipo:

P( B / Ai ) = f exp ( d rcelda )
En particular, si consideramos que la existencia del obstculo es ms probable en el centro del cono de
influencia del sensor (apertura angular), podemos usar la ecuacin de la campana de Gauss:

GII

Pgina 22

DISCA. Universidad Politcnica de Valencia

p( r, ) =

( r z )2
1
exp

2
2
2

cuya expresin normalizada, representada en la figura 3.7, es la siguiente:

( r z )2
p( r, ) = exp

2
2

Figura 3.7.
En el caso bidimensional (en el espacio

, r ) podemos escribir:

1 ( r r0 ) 2 ( 0 ) 2

p ( r, , r , ) = exp
+
2
2
2 r
cuya representacin grfica aparece en la figura 3.8

Figura 3.8.
Restringiendo la ecuacin a la zona de influencia del sensor, la distribucin de probabilidades toma la forma
representada en la figura 3.9.

GII

Pgina 23

DISCA. Universidad Politcnica de Valencia

Figura 3.9.
Cuya aplicacin en la fusin Bayesiana mediante el siguiente programa Matlab aparece en la figura 3.10.
DIM=100;
d=linspace(0.001,0.999,DIM);
b=linspace(0.001,0.999,DIM);
[dd,bb]=meshgrid(d,b);
apertura=0.1;
sigma1=0.1;
sigma2=apertura;
centro_distancia=0.5;
centro_angulo=0.5;
for I=1:DIM,
for J=1:DIM,
func1(I,J)=exp( (-0.5)*( (((dd(I,J)-centro_distancia)^2)/sigma1^2) +
(((bb(I,J)-centro_angulo)^2)/sigma2^2) ));
if dd(I,J)>centro_distancia
func1(I,J)=0.5;
end
if (bb(I,J)>(centro_angulo+apertura))
func1(I,J)=0.5;
end
if (bb(I,J)<(centro_angulo-apertura))
func1(I,J)=0.5;
end
end
end
for I=1:DIM,
for J=1:DIM,
func(I,J)=0.5;
end
end
colormap(cool);
for k=1:10,
mesh(bb,dd,func);
grid;
view([30 30]);
xlabel('ngulo');
ylabel('Distancia');
zlabel('Densidad de probabilidad');

GII

Pgina 24

DISCA. Universidad Politcnica de Valencia

for I=1:DIM,
for J=1:DIM,
func(I,J)=func(I,J)*func1(I,J)/((func(I,J)*func1(I,J))+((1-func(I,J))*(1-func1(I,J))));
end
end
disp 'Pulsa una tecla'
pause;
end
disp 'Terminado'

Figura 3.10
De la misma forma en la que hemos modificado la distribucin de probabilidad en la frontera del cono de
influencia del sensor (uniforme) considerando que es ms probable la existencia de un obstculo en el centro
de dicho cono (Gaussiana), podemos pensar en la modificacin de dicha distribucin atendiendo a otros
criterios. Estos otros criteros pueden venir definidos por algn tipo de conocimiento previo sobre el entorno o
bien por informacin suplementaria que pueda suministrar el sistema de sensores. Por ejemplo, midiendo la
cantidad de energa acustica reflejada por el obstculo (adems del tiempo de vuelo), podemos determinar el
tamao del objeto o su disposicin espacial en planos oblicuos a la seal emitida (efecto de especularidad de
la seal acustica).

GII

Pgina 25

DISCA. Universidad Politcnica de Valencia

4. Integracin de sensores redundantes

4.1. Algoritmos para la tolerancia a fallos.
4.1.1. Marzullo
Consideremos N sensores unidimensionales abstractos de los cuales F pueden fallar ( F = f (N ) ).
Sensores abstractos

S1 , S2 ,..., S N

Si (li , ri )

Ordenacin de estimaciones de sensor

Si S j

li < l j (li = l j ri rj )

Se puede representar una coleccin de N sensores abstractos competitivos como un grafo de intervalos. Cada
sensor abstracto representa un intervalo, se asocia a cada vrtice un intervalo. Dos vrtices estn unidos sii los
correspondientes intervalos intersectan. El algoritmo proporciona Is que se define como el intervalo ms
pequeo que contiene el valor actual de la variable fsica. Ver figura 4.1.
N=5
A

F=2

C
A

E
C

E
D

Is
Figura 4.1.
Begin

End

Ordenar los N sensores

Construir el grafo de intervalos correspondiente
Encontrar todos los posibles (N-F)-bucles en el grafo
Encontrar el intervalo conexo ms pequeo que contenga todos los posibles
(N-F)-bucles.

4.1.2. PIMK
Ente algoritmo sigue el modelo de M1. En lugar de considerar que todos los fallos son del mismo tipo (como
Marzullo) considera que hay dos tipos de fallo:
Fallo salvaje: el intervalo suministrado por el sensor no intersecta con ningn intervalo suministrado
por un sensor correcto.
Fallo dcil: el intervalo suministrado por el sensor intersecta con algn intervalo suministrado por un
sensor correcto.

GII

Pgina 26

DISCA. Universidad Politcnica de Valencia

Suposiciones: N es grande (sensores redundantes), pueden fallar F sensores (como mximo), la mayor parte
de los fallos son dciles.
N=8
F=3

Is
Figura 4.2.
Cuando el nmero de sensores es muy grande , el algoritmo de Marzullo suministra un intervalo de
estimacin muy amplio (figura 4.2). Con el algoritmo PIKM se logra reducir este efecto aplicando la
heurstica de los fallos dciles.
Algoritmo:
Entrada: I1 , I 2 ,..., I n Intevalos para n sensores y
Salida: intervalo integrado de estimacin I
Begin

f nmero mximo de fallos.

*
p

1.- Tomar todas las (N-F)-intersecciones de los intervalos Ii y formar

intervalos Li para cada interseccin

L1 , L2 ,..., Lk {L j = [a j , b j ]}

2.- Para cada i entre 1 y k

2.1.- Contar el nmero de intervalos que intersectan con cada Ij (1
j n) que tenga interseccin no vaca con Li.
2.2.- Sumar estos nmeros para obtener el nmero ri (ri proporciona
la suma del nmero de intervalos que intersectan con intervalos
relacionados con la formacin de Li. Es una medida de la
confiabilidad de Li.
3.- Elegir el mximo ri (1 i k) y llamarlo r.
4.- Calcular m y M as:

m = min{i | ri = r}

M = max{i | ri = r}
5.- Asignar la estimacin integrada as:

I *p = [am , bM ]
End

GII

Pgina 27