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