ENFOQUE HOLISTICO PARA RFID DE NUEVA GENERACION

NEXTID SE CENTRA EN RESOLVER ALGUNOS DE LOS PROBLEMAS EXISTENTES EN LA TECNOLOGIA UHF-RFID QUE LIMITAN SU RENDIMIENTO CON EL FIN DE CONSEGUIR MAYOR PENETRACION EN LA SOCIEDAD Y DESDE UN PUNTO DE VISTA INTERDISCIPLINARIO: COMBINANDO UN ENFOQUE BASADO EN HARDWARE (ANTENAS Y DISPOSITIVOS ELECTROMAGNETICOS AVANZADOS) CON UN ENFOQUE BASADO EN SOFTWARE (IA Y PROCESAMIENTO DE DATOS). ADEMAS, SE EXPLORARAN NUEVAS APLICACIONES, POR EJEMPLO, DE SENSADO EN ENTORNOS AGRICOLAS (GESTION DEL AGUA), DE CONTROL DE ACCESO Y DE ANTIRROBO PRECISAS. POR EL LADO DEL HARDWARE, UTILIZAREMOS DOS ESTRATEGIAS PARA ABORDAR ESTOS DESAFIOS. LA PRIMERA ESTRATEGIA SE CENTRARA EN LA OPTIMIZACION DE LAS ETIQUETAS RFID, MIENTRAS QUE LA SEGUNDA ESTRATEGIA SE CENTRARA EN EL CONTROL DEL COMPORTAMIENTO ELECTROMAGNETICO DE LOS TRANSDUCTORES CONECTADOS A LOS LECTORES. EN EL CASO DE LA OPTIMIZACION DE ETIQUETAS RFID, LA ESTRATEGIA PRINCIPAL SERA MEJORAR LA RESPUESTA DE FRECUENCIA DE LOS DISPOSITIVOS ACTUALES. NUESTRA PROPUESTA ES CONTINUAR CON EL TRABAJO ANTERIOR SOBRE LOS LIMITES DE ANCHO DE BANDA DE RFID EN ETIQUETAS RESONANTES SIMPLES Y EXTENDERLO A RESPUESTA RESONANTE DUAL DE LAS ETIQUETAS RFID, PARA LOGRAR ETIQUETAS RFID CON RESPUESTAS DE FRECUENCIA CONTROLABLES DE SEGUNDO ORDEN. PARA EL CASO DE LOS LECTORES RFID, CONSIDERAREMOS DOS ESCENARIOS. UNO EN EL QUE EL OBJETO A IDENTIFICAR SE ENCUENTRA EN LA REGION DE CAMPO LEJANO DEL TRANSDUCTOR CONECTADO AL LECTOR RFID, DONDE UTILIZAREMOS ANTENAS DE ALTA DIRECTIVIDAD Y DE LOBULO LATERAL REDUCIDO, Y EL OTRO CUANDO EL OBJETO SE ENCUENTRA EN LA REGION DE CAMPO CERCANO (COMO POR EJEMPLO EN UN PUNTO DE VENTA), DONDE SE UTILIZARAN DISPOSITIVOS DE CONFINAMIENTO DE CAMPO. EN ESTE PROYECTO, EL TRABAJO PREVIO DEL EQUIPO SE AMPLIARA PARA DESARROLLAR NUEVOS DISPOSITIVOS CON UN RENDIMIENTO MEJORADO. DESDE EL PUNTO DE VISTA DEL SOFTWARE, NUESTRA HIPOTESIS ES QUE EL USO DE CONOCIMIENTO TANTO ESTADISTICO COMO FISICO AUMENTA EL RENDIMIENTO DE LAS APLICACIONES OBJETO DE ESTUDIO, QUE UTILIZAN MEDIDAS RSSI Y TRABAJAN CON POCOS DATOS. CONSIDERAMOS DOS SITUACIONES: EL CASO ESTATICO (LAS ETIQUETAS RFID NO SE MUEVEN) Y EL CASO DINAMICO. PARA EL CASO ESTATICO CONSIDERAMOS DOS LINEAS DE INVESTIGACION: I) REDES BAYESIANAS Y II) REDES NEURONALES BASADAS EN LA FISICA (PINN). LAS REDES BAYESIANAS OFRECEN LA POSIBILIDAD DE MODELAR LAS DEPENDENCIAS ESTADISTICAS ENTRE VARIABLES Y EL OBJETIVO ES DISEÑAR LOS MODELOS QUE MEJOR SE AJUSTEN A LAS APLICACIONES EN ESTUDIO. LAS PINN OFRECEN UN ENFOQUE (RECIENTE) QUE COMBINA MODELOS FISICOS DESCRITOS POR MEDIO DE ECUACIONES DIFERENCIALES PARCIALES CON REDES NEURONALES PARA OBLIGARLAS A CUMPLIR LAS LEYES FISICAS SUBYACENTES. EN EL CASO DINAMICO, NECESITAMOS ADOPTAR MODELOS SECUENCIALES. EN EL CONTEXTO DEL MARCO BAYESIANO, LOS MODELOS OCULTOS DE MARKOV (HMM) Y LOS SISTEMAS DINAMICOS LINEALES (LDS) SON LAS TECNICAS MAS CONOCIDAS. EL OBJETIVO DE ESTOS MODELOS ES ESTABLECER ADECUADAMENTE LAS RELACIONES PROBABILISTICAS ENTRE ESTAS VARIABLES PARA ESTIMAR LAS VARIABLES OCULTAS A PARTIR DE LAS OBSERVACIONES. EN ESTE PROYECTO, NOS CENTRAREMOS EN HMM PARA ABORDAR ESCENARIOS DINAMICOS DONDE LA PRESENCIA/AUSENCIA DE DISPOSITIVOS RFID SERAN LAS VARIABLES OCULTAS (DISCRETAS). NUESTRA HIPOTESIS ES QUE SE PUEDE PROPONER UN MARCO BAYESIANO (PURO) PARA RESOLVER ESCENARIOS DINAMICOS COMPLEJOS BASADOS EN RFID QUE INVOLUCRAN ENTORNOS DE MULTIPLES ETIQUETAS Y MULTIPLES LECTORES, SIEMPRE TRABAJANDO CON UN VOLUMEN DE DATOS BAJO.