Noise in Wireless Networks

Στις ασύρματες επικοινωνίες, ως θόρυβος ορίζονται διάφορες τυχαίες ενεργειακές παρεμβολές που επηρεάζουν την ποιότητα ενός ασύρματου σήματος (Κωνσταντίνου et al., 1995). Οι παρεμβολές αυτές μπορεί να είναι φυσικές (π.χ. ατμοσφαιρικές παρεμβολές) ή τεχνητές (π.χ. ηλεκτρικοί μετασχηματιστές). 

 Γενικά, ο θόρυβος μπορεί να ταξινομηθεί ως προς το ασύρματο δίκτυο ως εξωτερικός ή εσωτερικός. Ο εξωτερικός θόρυβος είναι κάθε θόρυβος που προέρχεται από πηγή εκτός του ασύρματου δικτύου. Για παράδειγμα, ας υποθέσουμε ότι γίνεται μια ασύρματη μετάδοση η οποία ωστόσο παραμορφώνεται επειδή στην ίδια περιοχή μια άλλη πηγή μεταδίδει επίσης προκαλώντας παρεμβολές. Άλλες αιτίες εξωτερικού θορύβου μπορεί να είναι οι μετεωρολογικές συνθήκες αλλά και οι ηλεκτρικές συσκευές. Ο εσωτερικός θόρυβος, από την άλλη πλευρά, αναφέρεται σε κάθε θόρυβο που παράγεται στο ίδιο το ασύρματο δίκτυο. Λόγου χάρη ενώ μια πηγή μεταδίδει, ταυτόχρονα μια άλλη πηγή που ανήκει στο ίδιο δίκτυο μεταδίδει επίσης.

Φίλτρο Kalman

To 1960 ο Rudolf Kalman ανάπτυξε ένα αλγόριθμο για τον βέλτιστο υπολογισμό της κατάστασης ενός σήματος, το οποίο υπόκειται σε θορύβους (Welch & Bishop, 1995). Το φίλτρο Kalman είναι ένα σύνολο μαθηματικών εξισώσεων που παρέχει μια αποτελεσματική υπολογιστική (αναδρομική) λύση. Με τη χρήση του φίλτρου Kalman είναι δυνατόν να εξομαλυνθούν οι λαμβανόμενες τιμές, καθώς υπολογίζει και αφαιρεί από το σήμα τον θόρυβο που το παραμορφώνει (Krumm, 2018)

Φίλτρο Μέσου όρου

Ένα από τα απλούστερα και πιο αποτελεσματικά μέσα φιλτραρίσματος του θορύβου είναι ο μέσος όρος πολλαπλών δειγμάτων (Krumm, 2018).

Η Εξίσωση 2 αντιπροσωπεύει ένα δειγματικό χώρο πλάτους n τιμών που πρέπει να χρησιμοποιηθούν για τον υπολογισμό του μέσου όρου. Αυτό το φίλτρο είναι εύκολο στην εφαρμογή και λειτουργεί καλά για την μείωση του θορύβου.

Κύριο μειονέκτημα της μεθόδου είναι ότι εισάγει καθυστέρηση στην εκτίμηση, επειδή ο μέσος όρος αναλαμβάνεται κυρίως μετρήσεις που έρχονται πριν από την τελευταία μέτρηση. Ένας τρόπος για να μειωθεί η καθυστέρηση είναι να χρησιμοποιηθεί ένας σταθμισμένος μέσος όρος του οποίου τα βάρη μειώνονται για τις παλιότερες μετρήσεις. Εκτός από την καθυστέρηση, ένα άλλο πιθανό πρόβλημα με το φίλτρο μέσου όρου είναι η ευαισθησία του στα ακραία επίπεδα τιμών. Στην πραγματικότητα αρκεί μια τιμή, τοποθετημένη αρκετά μακριά από το μέσο όρο, ώστε να αλλοιωθεί η προσαρμοσμένη μέτρηση. Ο διάμεσος είναι μια πιο ισχυρή έκδοση του μέσου όρου και εξακολουθεί να λειτουργεί εάν έως και τα μισά δεδομένα είναι ακραία.

Ο μέσος όρος και  ο διάμεσος είναι απλά αλλά αποτελεσματικά φίλτρα, για την επεξεργασία διαδοχικών δεδομένων αισθητήρων. Ωστόσο, μειονεκτούν σημαντικά εξαιτίας της υστέρησης στο χρόνο και δεν υπολογίζουν εγγενώς μεταβλητές υψηλότερου επιπέδου όπως η ταχύτητα. Θα μπορούσε κανείς να εκτιμήσει την ταχύτητα με ένα αριθμητικό παράγωγο, αλλά αυτό είναι πολύ ευαίσθητο στον θόρυβο στις αρχικές μετρήσεις.

Βιβλιογραφία