Resumen

Se muestran resultados sobre el problema del rango preciso dentro del cuerpo humano utilizando señales de banda ultra ancha. La capacidad de medir con precisión la distancia entre un sensor implantado en el cuerpo humano y un receptor externo puede permitir una serie de nuevas aplicaciones médicas, como una mejor endoscopia inalámbrica de cápsulas, sistemas de cirugía microrrobótica de próxima generación y sistemas de administración de fármacos dirigidos. Las contribuciones de este artículo son dobles. En primer lugar, proponemos dos nuevos estimadores de rango: uno basado en una implementación del algoritmo CLEAN para estimar perfiles de canal y otro basado en redes neuronales. En segundo lugar, desarrollamos modelos para describir las estadísticas del error de rango para ambos tipos de estimadores. Tales modelos son importantes para el diseño y análisis del rendimiento de sistemas de localización. Se muestra que el error de rango en ambos casos sigue una distribución de cola pesada conocida como la distribución de Valor Extremo Generalizado. Nuestros resultados también indican que el estimador basado en redes neuronales supera al estim

• Materias:Sistemas de Comunicación Inalámbricos Internet de las cosas Redes de radio Computación móvil Radio cognitiva
• Subjects:Wireless Communication Systems Internet of things Radio Networks Mobile Computing Cognitive Radio
• Palabras claves:Problema; Alcance preciso; Cuerpo humano; Señales de banda ultraancha; Aplicaciones médicas; Estimadores de alcance; Perfiles de canal; Redes neuronales; Estadística; Error de alcance; Sistemas de localización; Distribución de cola pesada; Distribución de valor extremo generalizada; Análisis de rendimiento; Estimador; Redes neuronales; Estimador basado en CLEAN; Probabilidad
• Keywords:Problem; Accurate ranging; Human body; Ultra-wideband signals; Medical applications; Range estimators; Channel profiles; Neural networks; Statistics; Ranging error; Localization systems; Heavy-tail distribution; Generalized Extreme Value distribution; Performance analysis; Estimator; Neural networks; CLEAN-based estimator; Probability