No abstract

No abstract

ResumenEn este artículo se presenta una revisión bibliográfica y un análisis comparativo de implementaciones en hardware de técnicas de Radiogoniometría, también conocidas como Radio Direction Finding (RDF), que permiten identificar la mejor opción para implementar estas funcionalidad en actividades de gestión del espectro en países en vía de desarrollo. Dentro de las implementaciones tratadas se incluyen técnicas clásicas como Pseudo-Doppler y técnicas avanzadas de alta resolución como MUSIC. Se presentan diferentes alternativas de hardware para realizar las implementaciones las cuales incluyen SDR (Software Defined Radio), FPGA (Field Programmable Gate Array) y DSP (Digital Signal Processor); a la vez que se incluyen algunas configuraciones híbridas dónde se mezcla el software y el hardware con el fin de optimizar recursos de tiempo y dinero. Adicionalmente se muestran algunas aplicaciones comerciales que emplean técnicas de geolocalización basadas en información de ángulos de llegada, tiempos de llegada u otros parámetros que permiten realizar el proceso de triangulación o trilateración según sea el caso.Palabras clave: Radiogoniometría; radiolocalización; ángulo de llegada (AoA); diferencia de tiempos de llegada (TDoA); implementación, radio definido por software (SDR); arreglos de compuertas programables por campo (FPGA); procesador digital de señales (DSP). AbstractThis paper presents a survey and a comparison between different radio direction finding implementations, leading to identify the best option for implementation of this feature in spectrum management activities for developing countries. The implementations analyzed include classic techniques like Pseudo-Doppler and advanced high-resolution techniques like MUSIC. Different hardware alternatives to implement the algorithms are presented, including SDR (Software Defined Radio), FPGA (Field Programmable Gate Array) and DSP (Digital Signal Processing). Also some hybrid configurations are included, where software and hardware are Revista Ingeniería y Región. 2015;14(2): 23-33

This article presents the development and implementation of an artificial neural network (ANN) and a support vector machine (SVM) on a 32-bit ARM R ⃝ Cortex R ⃝ M4 microcontroller core from Freescale Semiconductor and on a FPGA Spartan R ⃝ 6 from Xilinx TM , looking for real-time detection of ventricular tachycardia (VT) and ventricular fibrillation (VF). They were compared in terms of accuracy and computational cost. A Fast Wavelet Transform (FWT) was used, and the energy in each sub-band frequency was calculated in the feature extraction stage. For the training and validation algorithms, labeled signals from MIT-BIH database with normal sinus rhythm, VF and VT in a time window of 2 seconds were used. Test results achieve an accuracy of 99.46% for both ANN and SVM with execution time less than 0.6 ms in microcontroller and 30 µs in FPGA for ANN and less than 30 ms in a microcontroller for SVM. The test was done with a 32 MHz clock.

Partiendo de los principios geométricos de Triangulación y Trilateración se presentan algunas técnicas de estimación de ubicación como lo son ToA (Tiempo de llegada), TDoA (Diferencia en Tiempo de llegada) y AoA (Ángulo de llegada). Para estas técnicas de estimación diferentes algoritmos son analizados incluyendo el método Analítico, el método por Mínimos Cuadrados y el método por Series de Taylor para ToA y TDoA y Capon, Bartlett y MUSIC para AoA. Éste artículo pretende presentar una revisión del estado del arte sobre algunas técnicas de estimación de ubicación y su descripción matemáticamente.