Redes Neuronales y la Gestión de Localización en Sistemas de Comunicaciones Móviles (página 2)

Con datos útiles de la observación del usuario móvil en los nodos de entrada, es posible obtener como salida el resultado esperado, que es la información de la celda del usuario móvil en observación, es decir, la lista de celdas para un usuario móvil.  Así que, después que el proceso de aprendizaje termina, se obtiene el comportamiento de un usuario móvil asociado a Location Areas conocidas y a continuación, se crea un perfil para cada usuario.

Algoritmo ANFIS

En el problema planteado, el proceso de aprendizaje tiene como objetivo elaborar una lista con la que podemos encontrar en la celda en la que el móvil se localiza a cualquier hora del día con gran precisión, después de haber observado el comportamiento del usuario móvil durante un período determinado, por ejemplo, un mes. 

Tabla 1. Ejemplo de registros de entrenamiento

En la figura siguiente se presenta el uso de ANFIS para este enfoque. Para calcular el valor de las unidades de salida, la probabilidad de ubicación, se colocan los valores del día y hora en las unidades de la capa de entrada. 

Fig. 22. Arquitectura del sistema Neuro-Fuzzy

En primer lugar, calculamos el valor de la unidad de capa oculta. El primer paso de este cálculo es buscar en cada unidad de nivel inferior. Para cada una de estas conexiones, encontrar el valor de la unidad y se multiplica por el peso y la suma de todos los resultados. 

Se considera un modelo Neuro-Fuzzy tipo Sugeno [22] de primer orden con dos entradas de día y hora, y una probabilidad de salida de la celda según dos reglas comunes fuzzy IF-THEN.

Conclusiones

Los artículos presentados permiten apreciar el potencial de uso de las redes neuronales en la gestión de localización de las redes celulares, reduciendo el tráfico de señalización y los costos asociados mediante el aumento de la inteligencia del sistema. Los métodos propuestos utilizan distintas técnicas y enfoques con un mismo objetivo. Los resultados son alentadores y de acuerdo a lo observado en la literatura, existen muchas nuevas técnicas desarrolladas con este propósito. Tal como se comentó previamente el desarrollo potencial de nuevos métodos de gestión de localización se vio fuertemente influenciado por la normativa E-911 de la FCC americana, la cual, si bien planteó objetivos relacionados a la necesitad de localización en casos de emergencia, impulsó el desarrollo de todo un nuevo mundo de aplicaciones y servicios a partir de la localización precisa de un móvil.

Referencias

[1] "Cerebro". Enciclopedia Médica Ferato. http://www.ferato.com/wiki/index.php/Cerebro

[2] "Neurona", http://es.wikipedia.org/wiki/Neurona

[3] "Sinapsis", http://es.wikipedia.org/wiki/Sinapsis

[4] List of animals by number of neurons, http://en.wikipedia.org/wiki/List_of_animals_by_number_of_neurons

[5]. A. Patnaik, D.E. Anagnostou, R.K. Mishra, C.G. Christodoulou an J.C Lyke, "Aplicattions of Neural Networks in Wireless Communication". IEEE Antennas and Propagation Magazine, Vol. 46, No. 3. June 2004.

[6] W.S. McCulloch and W. Pitts, "A logical calculus of ideas immanent in nervous activity". Bulletin of Mathematical Biophysics, 5:115-113, 1943.

[7] R. Salas, "Redes Neuronales Artificales" , Universidad de Valparaiso, 2000

[8] H.Karaanen, A. Ahtiainen, L. Laitinen, S. Naghian and V. Niemi, "UMTS Networks: Architecture, Mobility and Services", Second Edition, Jhon Wiley & Sons, 2005

[9] J. Banister, P. Mather and S. Coope, "Covergence Technologies for 3G Networks: IP, UMTS, EGPRS and ATM, 3:47-51, 2004.

[10] C.Rubio, "Apuntes GSM Overview". Entel PCS, 2008

[11] FCC, "Enhanced 9-1-1 – Wireless Services" , Federal Communications Commission, 1996.

http://www.fcc.gov/pshs/services/911-services/enhanced911/Welcome.html

[12] A. Küper, "Location-based Services, Fundamentals and Operation, Jhon Wiley & Sons, 2005.

[13] "Timing Advance", http://en.wikipedia.org/wiki/Timing_advance

[14] BACKPROPAGATION, Algoritmo de Levenberg – Marquardt, http://ohm.utp.edu.co/neuronales/Capitulo2/Backpropagation/LevMarqB.htm

[15] E. Belandría, J.L. Paredes and F.Viloria, "Localización de Móviles en Telefonía Celular Usando Redes Neuronales", INCI Vol. 31 No. 4, Abril 2006

[16] trainlm function, http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/trainlm.html

[17] Series de Taylor, http://es.wikipedia.org/wiki/Serie_de_Taylor

[18] S. Liou and Y. Huang, "Trajectory Predictions in Mobile Networks", Intrenational Journal of Information Technology, Vol. 11, No. 11, 2005

[19] RSSI – Receive Signal Strength Indicator, BroadBand Acronims, Bird-Eye.Net

http://www.birds-eye.net/definition/r/rssi-receive_signal_strength_indicator.shtml

[20] J. Amar Prathap and M. Karnan, "Intelligent Location for UMTS Networks Using Fuzzy Neural Networks", Journal of Engineering and Technology Research, Vol 2, 1:1-12, Enero, 2010.

[21] G. Ferreira "Modelos Neuro-Fuzzy y sus Aplicaciones", Curso Redes Neuronales, Facultad de Ciencias, Universidad de la Republica, Uruguay, 2007

[22] N. Moya "Sistemas Neuro-Fuzzy", Curso de Inteligencia Artificial II, RIAII, Vol 4, No 2, 2007

Autor:

Carlos Manosalva Uhart

Universidad de Santiago de Chile, Departamento de Ingeniería Eléctrica, Santiago, Chile.

Programa de Postítulo en Telecomunicaciones y Redes