Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Esta investigación aborda el desafío de la localización de dispositivos en espacios abiertos que se comunican de manera
inalámbrica a través de redes LoRaWAN. Tradicionalmente, se emplea la tecnología GPS para la geolocalización; sin embargo,
su uso implica la adición de un recurso adicional, lo cual puede elevar los costes. Por ello, se propone aprovechar la propia
señal de comunicación de los dispositivos para fines de geolocalización, lo que reduce gastos y, además, ofrece versatilidad
al ser una solución independiente de plataformas externas.
Se desarrolló un modelo de aprendizaje profundo basado en Redes Neuronales de Grafos (GNN) para estimar coordenadas
GPS, utilizando metadatos generados durante la comunicación LoRaWAN —como RSSI e información proporcionada por los
gateways—. La propuesta presenta una metodología que combina métodos basados en datos—como técnicas de aprendizaje
automático—con métodos teóricos fundamentados en los principios de propagación de ondas. Además, integra un
enfoque mixto que reúne ambos paradigmas, aprovechando los principios físicos y las técnicas de aprendizaje automático
para capturar y modelar el ruido. Esto permite equilibrar y ampliar los conjuntos de datos de manera eficiente, seleccionando
y adaptando el método más adecuado para cada gateway.
El estudio emplea algoritmos de clusterización como Clustering Difuso o Fuzzy C-Means (FCM), Clustering Sustractivo y Clustering
Subjetivo para analizar y estructurar los datos. Los resultados destacan la efectividad del método híbrido, especialmente
en gateways con mayor cantidad de datos disponibles para el desarrollo de la metodología propuesta, logrando un
equilibrio entre precisión y eficiencia.
Además de ser una solución para la estimación de coordenadas GPS en entornos con cobertura LoRaWAN, esta investigación
ofrece un marco para optimizar la caracterización de la propagación de señales en escenarios de exteriores. El enfoque
planteado aborda de manera eficiente las limitaciones inherentes a datos escasos y desbalanceados. Además, ofrece soluciones
escalables para aplicaciones futuras que demanden una caracterización avanzada de la propagación de señales,
incluyendo la geolocalización inteligente como una de sus principales aplicaciones, así como la reducción de interferencias,
la optimización de la calidad del servicio y el diseño eficiente de redes inalámbricas.
