Wnlab

MODELLO MINISTERO DELL'ISTRUZIONE DELL'UNIVERSITÀ E DELLA RICERCA
DIREZIONE GENERALE DELLA RICERCA
PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE
RICHIESTA DI COFINANZIAMENTO (DM n. 1407 del 4 dicembre 2008)

PROGETTO DI UNITÀ DI RICERCA - MODELLO B
Anno 2008 - prot. 2008Z8AL34_002

1 - Area Scientifico-disciplinare

09: Ingegneria industriale e dell'informazione

100%

2 - Coordinatore Scientifico

MANARA	GIULIANO
Professore Ordinario
Università degli Studi di PISA
Facoltà di INGEGNERIA
Dipartimento di INGEGNERIA DELL'INFORMAZIONE: ELETTRONICA, INFORMATICA, TELECOMUNICAZIONI

3 - Responsabile dell'Unità di Ricerca

POTORTI'	FRANCESCO ANTONIO
Primo ricercatore	04/04/1963	PTRFNC63D04H224K
Consiglio Nazionale delle Ricerche
Istituto di scienza e tecnologie dell'informazione "Alessandro Faedo"
050 315 3058 (Prefisso e telefono)	050 315 2040 (Numero fax)	Potorti@isti.cnr.it

4 - Curriculum scientifico

Testo italiano

Nel 1991 ho conseguito la laurea in ingegneria elettronica presso l'università di Pisa. Attualmente sono primo ricercatore CNR in forza all'istituto ISTI (ex CNUCE) di Pisa, dove ho lavorato sin dal 1989 sui protocolli di trasmissione via satellite e sui sistemi di contromisura dell'attenuazione dei segnali satellitari, e dove sono membro del gruppo Wireless Networking. Sono stato rappresentante italiano per l'azione europea COST 285.

I miei interessi di ricerca comprendono i protocolli di comunicazione e la relativa implementazione, in particolare via satellite e wireless terrestre, tecnologie internet con particolare riguardo al TCP su canali wireless, simulazione di sistemi di comunicazione e localizzazione in interni basata su RSSI. Sono coautore di oltre cinquanta pubblicazioni scientifiche recensite.

Sono interessato ad incoraggiare l'uso di licenze di software libero nella comunità scientifica.

Ho implementato il software real-time del sistema FODA-IBEA per comunicazioni satellitari, di cui sono coinventore, e che è coperto da brevetto italiano. Ho partecipato alla scrittura di diversi programmi liberi di piccole e medie dimensioni che ho utilizzato nella mia attività di ricerca.

Ho insegnato come docente a contratto in corsi di informatica di base e sistemi operativi presso le facoltà di ingegneria ed informatica dell'università di Pisa.

Testo inglese

I received my electronic engineering degree from the University of Pisa, Italy, in 1991. I am a senior researcher at the ISTI-CNR institute (formerly CNUCE) in Pisa, Italy, where I have worked since 1989 in the fields of satellite communication protocols and fade countermeasure systems, and where I am a member of the Wireless Networking group. I was Italian representative in the European COST action 285.

My research interests include communications protocols and their implementation, terrestrial and satellite wireless communications, internet technology with regard to TCP over wireless channels, simulation of communications systems and RSSI-based indoor localisation. I co-authored more than fifty refereed scientific papers.

I am interested in encouraging the use of free software licenses in the research community.

I am the real-time software implementer and one of the inventors of the FODA/IBEA system for satellite communications, which has been patented in Italy. I wrote, alone or with others, many small and medium-sized free programs, most of which I have used in my research activity.

I have taught computer science and operating systems courses at the Engineering and Computer science faculties of the University of Pisa.

5 - Pubblicazioni scientifiche più significative del Responsabile dell'Unità di Ricerca

1.	TOMASO DE COLA, LUCA RONGA, TOMMASO PECORELLA, PAOLO BARSOCCHI, STEFANO CHESSA, ERINA FERRO, ALBERTO GOTTA, GABRIELE OLIGERI, POTORTÌ F., RAFFAELLO SECCHI, ARJUNA SATHIASEELAN, MARIA ÁNGELES VÁZQUEZ CASTRO, JOSÉ ANTONIO DEL PERAL ROSADO, CARLO CAINI, ROSARIO FIRRINCIELI (2009). Communications and networking over satellites: SatNEx experimental activities and testbeds. INTERNATIONAL JOURNAL OF SATELLITE COMMUNICATIONS AND NETWORKING, vol. 27; p. 1-33, ISSN: 1542-0973
2.	DRAGAN SAVIC, POTORTÌ F., FRANCESCO FURFARI, MATEVZ PUSTISEK, SASO TOMAZIC, JANEZ BESTER (2008). CostGlue: simulation data exchange in telecommunications. SIMULATION, vol. 84; p. 157-168, ISSN: 0037-5497
3.	CARLO CAINI, ROSARIO FIRRINCIELI, MARIO MARCHESE, TOMASO DE COLA, MICHELE LUGLIO, CESARE ROSETI, NEDO CELANDRONI, POTORTÌ F. (2007). Transport layer protocols and architectures for satellite networks. INTERNATIONAL JOURNAL OF SATELLITE COMMUNICATIONS AND NETWORKING, vol. 25; p. 1-26, ISSN: 1542-0973
4.	DRAGAN SAVIC, POTORTÌ F., FRANCESCO FURFARI, JANEZ BETER, SAO TOMAZIC, MATEVZ PUSTISEK (2007). Storing and exchanging simulation results in telecommunications. In: EUROSIM congress on Modelling and Simulation. Ljubljana (SI), 9-13 settembre 2007, LJUBLJANA: ARGESIM -- ARGE Simulation News, vol. 2, p. 1-7, ISBN/ISSN: 978-3-901608-32-2
5.	PAOLO BARSOCCHI, GABRIELE OLIGERI, POTORTÌ F. (2007). Frame error model in rural Wi-Fi networks. In: International Symposium on Modeling and Optimization (Wiopt). Limassol (CY), 20 apr 2007ACM, p. 4146, ISBN/ISSN: 1-4244-0961-6
6.	ALBERTO GOTTA, RAFFAELLO SECCHI, POTORTÌ F. (2006). Simulating dynamic bandwidth allocation on satellite links. In: International Conf. on Performance Evaluation Methodologies and Tools (Valuetools). Pisa (IT), 10 ottobre 2006ACM, p. 8, ISBN/ISSN: 1-59593-508-8/06/10...$$5.00
7.	PAOLO BARSOCCHI, ALAN BERTOSSI, MARIA CRISTINA PINOTTI, POTORTÌ F. (2006). Data broadcasting on error-prone wireless channels. In: International Workshop on Information Security in Wireless Networks. Suceava (RO), 4-8 settembre 2006IOS Press
8.	PAOLO BARSOCCHI, GABRIELE OLIGERI, POTORTÌ F. (2006). Packet loss in TCP hybrid wireless networks. In: Advanced Satellite Mobile Systems Conference (ASMS). Herrsching (DE), 29-31 settembre 2006, ISBN/ISSN: 1-42440119-4/06/$$20.00
9.	ERINA FERRO, POTORTÌ F. (2005). Bluetooth and WiFi wireless protocols: a survey and a comparison. IEEE WIRELESS COMMUNICATIONS, vol. 12; p. 12-26, ISSN: 1536-1284
10.	PAOLO BARSOCCHI, ALBERTO GOTTA, POTORTÌ F., FRANCISCO J. GONZÁLEZ-CASTAÑO, FELIPE GIL-CASTIÑEIRA, JOSE I. MORENO, ANTONIO CUEVAS (2005). Experimental results with forward erasure correction and real video streaming in hybrid wireless networks. In: proceedings of the International Symposium on Wireless Communication Systems (ISWCS), p. 662-666, ISBN/ISSN: 0-7803-9206-X/05/$$20.00

11.	LAURENT FRANCK, POTORTÌ F. (2002). GaliLEO: a simulation tool for LEO satellite constellations. SIMULATION, vol. 78; p. 543-551, ISSN: 0037-5497
12.	NEDO CELANDRONI, ERINA FERRO, POTORTÌ F., ANTONIO CHIMIENTI, MAURIZIO LUCENTEFORTE (2000). Dynamic rate shaping on MPEG-2 video streams for bandwidth saving on a faded satellite link. EUROPEAN TRANSACTIONS ON TELECOMMUNICATIONS, vol. 11; p. 363-372, ISSN: 1124-318X
13.	NEDO CELANDRONI, POTORTÌ F. (2000). Fade countermeasure using signal degradation estimation for demand-assignment satellite systems. JOURNAL OF COMMUNICATIONS AND NETWORKS, vol. 2; p. 230-238, ISSN: 1229-2370
14.	CELANDRONI N., FERRO E., POTORTÌ F. (1999). A simulation tool to validate and compare satellite TDMA access schemes. TELECOMMUNICATION SYSTEMS, vol. 12; p. 21-37, ISSN: 1018-4864
15.	NEDO CELANDRONI, POTORTÌ F. (1999). Modeling Ka band scintillation as a fractal process. IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS, vol. 17; p. 164-172, ISSN: 0733-8716
16.	CELANDRONI N., FERRO E., POTORTÌ F. (1997). A traffic generator for testing communication systems: presentation, implementation and performance. REAL-TIME SYSTEMS, vol. 13; p. 5-24, ISSN: 0922-6443
17.	NEDO CELANDRONI, ERINA FERRO, POTORTÌ F. (1992). Sistema per la trasmissione via satellite di dati sincroni e asincroni in grado di contrastare l'attenuazione del segnale dovuta ad agenti atmosferici. 01286585, CNR

6 - Elenco dei partecipanti all'Unità di Ricerca

6.1 - Componenti

Componenti della sede dell'Unità di Ricerca

nº	Cognome	Nome	Università/Ente	Qualifica	Disponibilità temporale indicativa prevista
nº	Cognome	Nome	Università/Ente	Qualifica	1° anno	2° anno
1.	POTORTI'	Francesco Antonio	Consiglio Nazionale delle Ricerche	Primo ricercatore	6	6
2.	FURFARI	Francesco	Consiglio Nazionale delle Ricerche	Ricercatore a tempo det.	2	2
3.	KURUOGLU	Ercan Engin	Consiglio Nazionale delle Ricerche	Primo ricercatore	1	1
	TOTALE				9	9

Componenti di altre Università / Enti vigilati
Nessuno

Titolari di assegni di ricerca

nº	Cognome	Nome	Università/Ente	Disponibilità temporale indicativa prevista
nº	Cognome	Nome	Università/Ente	1° anno	2° anno
1.	LENZI	Stefano	Consiglio Nazionale delle Ricerche	2	2
	TOTALE			2	2

Titolari di borse
Nessuno

6.1 bis Vice-responsabile

FURFARI Francesco

6.2 - Altro personale

Nessuno

6.3 - Personale a contratto da destinare a questo specifico Progetto

nº	Tipologia di contratto	Costo previsto	Disponibilità temporale indicativa prevista		Note
nº	Tipologia di contratto	Costo previsto	1° anno	2° anno	Note
1.	Assegnista	46.000	11	11	contratto biennale o due contratti annuali
	TOTALE	46.000	11	11

6.4 - Dottorati a carico del PRIN da destinare a questo specifico Progetto

Nessuno

7 - Titolo specifico del Progetto svolto dall'Unità di Ricerca

Testo italiano

Misura, simulazione, analisi di algoritmi e modelli per la localizzazione e l'identificazione della postura in ambienti chiusi

Testo inglese

Measurements, simulation, algorithm and model analysis for indoor localisation and posture identification

8 - Abstract del Progetto svolto dall'Unità di Ricerca

Testo italiano

Il lavoro dell'unità di ricerca CNR sarà centrato sulle attività di Misura, Simulazione e Analisi Numerica delle caratteristiche dei segnali ricevuti da un sensore mobile e provenienti da trasmettitori detti ancore. I proponenti hanno notevole esperienza pregressa in tali attività, avendole applicate in passato in campi vicini, come le comunicazioni satellitari e Wi-Fi. I risultati ottenuti da queste attività saranno condivisi con le altre unità di ricerca, e saranno la base per lo studio di Algoritmi Nuovi O Migliorati per scopi di localizzazione e identificazione della postura.

L'impulso a questa ricerca è dato dal fatto che molti dei risultati in letteratura suscitano i sospetti dei proponenti, in quanto questi ottengono precisioni di localizzazione eccellenti grazie all'uso di semplici metodi basati su un modello di canale approssimato o metodi che usano fingerprinting su griglie a risoluzione grossolana. Uno dei risultati che contiamo di ottenere è un limite superiore della precisione raggiungibile da un dato metodo in un dato ambiente; questo limite può essere utilizzato per validare alcuni dei risultati presenti in letteratura. Le attività sono di seguito descritte.

Le _Misure_ si concentreranno sul livello di potenza del segnale ricevuto da ancore situate nell'ambiente. Il livello di potenza sarà letto dall'RSSI (Received Signal Strength Indicator) fornito da sensori standard basati sul livello MAC dello standard Zigbee, cioè lo standard IEEE 802.15.4, che opera nella banda 2.4 GHz. Le misure saranno orientate a valutare la stabilità e l'affidabilità delle letture RSSI, con l'obiettivo di fornire una misura della sensitività delle letture rispetto a una serie di fonti di errore, come l'accuratezza del livello di potenza letto al ricevitore e generato al trasmettitore, la stabilità temporale nel breve e medio termine, variazioni ambientali dovute al movimento di persone e cose, e altre fonti di errore non controllabili come le interferenze nella stessa banda di trasmissione.

La _Simulazione_ partirà dai modelli ray-tracing forniti dall'unità di ricerca dell'Università di Pisa per ottenere mappe dell'RSSI negli stessi ambienti utilizzati per le misure o in ambienti simili, per arrivare ad una migliore comprensione delle problematiche relative. In particolare, si valuterà la sensitività delle misure rispetto a piccoli spostamenti del ricevitore mobile e a variazioni ambientali.

L'_Analisi Numerica_ sarà utilizzata per isolare le caratteristiche significative dalle serie temporali di letture RSSI. Metodi di analisi numerica saranno inoltre utilizzati per stimare la massima precisione ottenibile in un dato ambiente, usando dati simulativi. Un tale risultato sarebbe un contributo significativo allo stato dell'arte, perché molti dei metodi proposti in letteratura sono ad hoc, e molte pubblicazioni mostrano risultati troppo belli per essere veri, secondo la nostra passata esperienza in ambito di misure.

_Algoritmi Nuovi O Migliorati_ verranno studati assieme alle altre unità di ricerca, basandosi sui risultati delle precedenti tre attività, con lo scopo di ottenere una migliore accuratezza nella localizzazione e nell'identificazione della postura. Lo studio partirà dalla letteratura, suggerirà miglioramenti ed eventualmente nuovi metodi.

Testo inglese

The activity of the CNR research unit will be centred on Measurements, Simulation and Numerical Analysis of the characteristics of the signals received by the a mobile sensor from a number of transmitters (anchors). The proponents have a significant background in these activities, and have applied them in the past to nearby fields of application, such as satellite and Wi-Fi communications. The results obtained from these activities will be shared with the other research units, and New Or Improved Algorithms will be studied for localisation and body posture identification.

The reason for this kind of research is that, in the opinion of the proponents, there is much literature on the subject that presents suspicious results, that is, it promises to obtain an excellent localisation precision using very simple approximate path-loss methods or fingerprinting on coarse grids. Among other things, we plan to obtain upper bounds on the precision attainable with a given method in a given environment, and to apply this kind of analysis to some published results in order to validate them. Activities are described in the following.

_Measurements_ will mainly target the power level of signal received by a mobile sensor from a number of anchors placed in the environment. The received power level will be read from the RSSI (received signal strength indicator) provided by standard motes based on the Zigbee MAC level, that is, the IEEE 802.15.4 standard, which operates in the 2.4 GHz band. Measurements will concentrate on evaluating the stability and reliability of RSSI readings, in order to provide a measure of the sensitivity of the readings with respect to a number of error sources, such as receiver and transmitter accuracy, time stability in the short and medium term, environment changes due to movement of people and objects, and other uncontrollable sources of error such as interfering transmissions at the same radio frequencies.

_Simulation_ will involve the use of ray-tracing models provided by the Pisa University research unit to obtain a map of the RSSI in the same or similar environment as used for measurements, in order to gain a more thorough understanding of the issues involved. Specifically, the sensitivity of the measurements to small movement of the mobile receiver and environment changes will be evaluated.

_Numerical Analysis_ will be needed to extract significant features from RSSI reading time series. Numerical analysis methods will also be considered for evaluating the maximum attainable precision in a given environment using simulation data. Obtaining this result would be a significant contribution to the state of the art, because many of the methods proposed in the literature are ad hoc methods, and many papers show results that look too good to be true, based on our past measurement experience.

_New Or Improved Algorithms_ will be studied together with the other research units, based on the results of the previous three activities, in order to obtain improved accuracy for localisation and body posture identification. The study will build on the available literature, and will suggest improvements and possibly propose new methods.

9 Settori di ricerca ERC (European Research Council)

PE Mathematics, physical sciences, information and communication, engineering, universe and earth sciences

PE5 Information and communication: informatics and information systems,computer science, scientific computing, communication technology, intelligent systems

PE5_10 Modelling tools

PE6 Engineering sciences: electronics, product design, process design and control, construction methods, fluid and solid mechanics, energy systems, bioengineering

PE6_17 Simulation engineering and modelling

10 - Parole chiave

Testo italiano

LOCALIZZAZIONE INDOOR RSSI

LIMITI DI PRECISIONE DI LOCALIZZAZIONE RSSI

Testo inglese

RSSI INDOOR LOCALISATION

BOUNDS ON RSSI LOCALISATION ACCURACY

11 - Stato dell'arte

Testo italiano

La localizzazione di oggetti e persone è una delle funzionalità di base dei sistemi sensibili al contesto [1-4], il cui ambito principale di utilizzo sono le applicazioni di Ambient Assisted Living (AAL). In questi scenari non è purtroppo utilizzabile la soluzione generale basata sul Global Positioning System (GPS), che funziona solo all'aperto. Una possibile soluzione per la localizzazione al chiuso sono le reti di sensori senza fili [5]. Le soluzioni basate su reti di sensori possono stimare la posizione (incognita) di sensori mobili posizionati sugli utenti rispetto ad una serie di sensori fissi (detti ancore) la cui posizione è nota, usando uno di due approcci, detti range-based e range-free. I primi calcolano la posizione rispetto ad altri nodi basandosi su stime di quantità geometriche; questi metodi utilizzano una quantità continua per identificare la posizione, come la potenza ricevuta o l'angolo di arrivo. I metodi della seconda classe sfruttano esclusivamente la percezione della presenza di altri nodi; in altre parole, i sistemi range-free usano solo l'informazione binaria di presenza di altri nodi (ti sento / non ti sento).

L'efficacia di questi due approcci dipende dal comportamento e dai requisiti delle applicazioni che utilizzano l'informazione di localizzazione, e dall'errore desiderato. In generale le soluzioni range-free hanno scarsa precisione, per cui sono inadatte ad applicazioni dove la precisione di localizzazione è uno dei requisiti principali (come l'AAL). I metodi range-based, invece, possono in linea di principio offrire una precisione adeguata perché sfruttano misure di quantità fisiche correlate ai segnali che viaggiano fra i sensori mobili e le ancore; d'altra parte tali metodi sono più complessi. Le quantità fisiche misurate sono relative al segnale radio ricevuto, tipicamente si tratta del Received Signal Strength Indicator (RSSI), dell'angolo di arrivo (AOA), del tempo di arrivo (TOA), e della differenza dei tempi di arrivo (TDOA). Recentemente sono stati proposti metodi di localizzazione molto accurati basati su una combinazione di tecniche AOA e TDOA, che però richiedono hardware complesso e specifico. Siccome le applicazioni AAL tipiche sono correlate al controllo dell'utente, per cui l'uso di hardware complesso e troppo invasivo è da evitare, le tecniche di AOA e TOA possono risultare poco pratiche. Le tecniche basate su RSSI, invece, non richiedono hardware sofisticato né dedicato, essendo il dato disponibile su gran parte dei dispositivi standard di comunicazione senza fili. Inoltre, tecniche basate su RSSI non hanno impatto significativo sul consumo di energia dai sensori, né sul loro costo e dimensioni; queste ragioni sono alla base dell'interesse che hanno recentemente risvegliato in letteratura [6-8].

Gli approcci principali all'uso dell'RSSI per la localizzazione si basano su fingerprinting e sulla modellazione del canale di trasmissione. In entrambi i casi il sensore mobile è localizzato per mezzo di sensori fissi (le ancore) la cui posizione è nota a priori e che scambiano pacchetti col sensore mobile per registrare sequenze di letture di RSSI. Gli schemi di fingerprinting (o pattern matching) sono basati su misure statiche di RSSI in un certo numero di posizioni in cui i sensori mobili possono venire a trovarsi: ogni posizione è quindi associata con una "firma" basata sull'insieme delle misure RSSI. Durante il funzionamento dinamico la stima della posizione del mobile è effettuata confrontando la firma RSSI in quel punto con quelle memorizzate in un archivio. Le firme in archivio sono generalmente raccolte sui nodi di una griglia delle possibili posizione del mobile nell'area di interesse, dove la risoluzione della griglia è frutto di un compromesso fra prestazioni e costo di realizzazione dell'archivio. L'alternativa al fingerprinting sono le tecniche di modellazione della propagazione del segnale, tipicamente partendo da un modello di propagazione in spazio libero cui vengono aggiunte perdite dovute agli ostacoli; il modello è quindi usato per stimare la RSSI per ogni posizione. Gli ostacoli considerati negli ambienti chiusi comprendono parametri come attenuazione delle pareti e attenuazione dei solai per modellare l'effetto di tali ostacoli sulle onde radio. Purtroppo queste approssimazioni soffrono dell'effetto di riflessioni, diffrazioni e multipath, che rendono molto rumorose le misure. Per superare questi problemi, è possibile una pretaratura del modello di propagazione. Il metodo di taratura tipicamente proposto in letteratura lavora in due fasi: una fase di istruzione e una di stima. Nella prima, l'RSSI è misurato in su una griglia di punti nell'area di interesse; nella fase di stima questa informazione si usa per stimare i parametri del modello di propagazione. Fattori che influenzano l'accuratezza della procedura di taratura sono il numero di punti della grliglia e il numero di misure rilevate per ciascun punto.

Testo inglese

Localisation of devices and people has been recognised as one of the main building block of context aware systems [1-4], which have their main application field in Ambient Assisted Living (AAL) applications. In these scenarios, the general solution based on Global Positioning System (GPS) is unfortunately not available since it works only in outdoor environments. On the other hand a viable solution to indoor localisation exploits wireless sensor networks [5]. Sensor network-based solutions can estimate the (unknown) location of mobile sensors (placed on the users) with respect to a set of fixed sensor (called anchors), whose position is known, by using two different approaches, either range-based or range-free. The former are based on estimates of geometric quantities for calculating location with respect to other nodes; this class includes all methods using a continuous quantity to detect position, like received power or angle of arrival. Methods in the latter class only exploit the perceived presence of other nodes, that is, range-free algorithms only use binary presence information from known nodes (I hear it / I do not hear it).

The effectiveness of these two localisation approaches depends on the behaviour and the requirements of the applications using location information, and on the desired error magnitude. In general, the range-free solutions have a coarse accuracy, meaning that these techniques are unsuitable in applications where the location precision is one of the main requirements (such as AAL). On the other hand, range-based localisation methods can in principle provide adequate precision because they exploit measurements of physical quantities related to signals travelling between the mobile sensors and anchors, but are more complex. The physical quantities that are measured are relative to the received radio signal; typically they are the Received Signal Strength Indicator (RSSI), the angle of arrival (AOA), the time of arrival (TOA), and the time difference of arrival (TDOA). Recently, localisation based on a combination of AOA and TDOA techniques has been proposed that guarantees high accuracy location, but it requires a specific and complex hardware. Since typical AAL applications are related with users monitoring and may suffer from complex and too invasive hardware, using specific localisation hardware based on AOA and TOA may result impractical. For this reason we opt for RSSI-based localisation that does not require any special or sophisticated hardware, and is available in most standard wireless devices. Moreover, RSSI-based localisation does not have a significant impact on local power consumption, sensor size and cost; these are the reasons why it has received considerable interest in the recent literature [6-8].

The main RSSI-based localisation approaches are based on fingerprinting and on signal propagation modelling. In both cases a mobile sensor is localised by means of fixed sensors (called anchors) whose position is known in advance and which exchange beacon packets with the mobile sensor, in order to collect sequences of RSSI readings. The fingerprinting schemes, also referred to as pattern matching schemes, are based on off-line measurement of RSSI in a number of positions where the mobile sensors can be found; each position is associated with a signature based on the set of RSSI measurements. During the on-line phase, the mobile location estimation is performed by matching the current RSSI signature of the mobile with the entries stored in a database available at the anchors. The database entries are usually collected on a grid of possible mobile positions within the area of interest, where the grid spacing is chosen as a trade-off between performance and time required to build the database. On the other hand, signal propagation modelling techniques exploit a path loss model, usually one based on free-space models augmented with loss due to obstructions; the model is then used to estimate the RSSI for each mobile position. Obstructions considered in indoor environments include parameters such as the wall attenuation factor (WAF) and floor attenuation factor (FAF) to model the effect of walls and floors on the radio waves. Unfortunately such estimates of RSSI suffer from reflection, diffraction and multi-path effects that make the signal strength rather noisy. To overcome these problems wireless location systems may perform a preliminary calibration of the propagation model. Calibration as usually proposed in the literature works in two phases: a training phase and an estimation phase. In the training phase RSSI is measured at a grid of points in the area of interest; in the estimation phase this information is used to estimate the propagation model parameters. Among other factors, the accuracy of the calibration procedure depends on the number of points in the grid and on the number of measures taken per point.

12 - Riferimenti bibliografici

1. R. Want et. Al., The Active Badge Location System, ACM Transactions on Information Systems, 10(1):91-102, 1992

2. G.D. Abowd, C.G. Atkeson, J. Hong, S. Long, R. Kooper, and M. Pinkerton, Cyberguide: A mobile context-aware tour guide, Wireless Networks, 3(5): 421-433, 1997

3. Y. Sumi, T. Etani, S. Fels, N. Simonet, K. Kobayashi, and K. Mase, C-map: Building a context-aware mobile assistant for exhibition tours, Community Computing and Support Systems, Social Interaction in Networked Communities, 137-154, London, UK. Springer-Verlag, 1998.

4. K. Cheverst, N. Davies, K. Mitchell, A. Friday, and C. Efstratiou, Developing a context-aware electronic tourist guide: some issues and experiences, SIGCHI conference on Human Factors in Computing Systems, pp. 17-24, 2000.

5. Paolo Baronti, Prashant Pillai, Vince Chook, Stefano Chessa, Alberto Gotta, and Y. Fun Hu, Wireless Sensor Networks: a Survey on the State of the Art and the 802.15.4 and ZigBee Standards, Computer Communications, 30 (7): 1655-1695, 2007

6. E. Elnahrawy, X. Li, and R. Martin, The limits of localization using signal strength: a comparative study, in First Annual IEEE Communications Society Conference Sensor and Ad Hoc Communications and Networks, 2004, pp. 406-414.

7. N. Patwari, I. Hero, A.O., M. Perkins, N. Correal, and R. ODea, Relative location estimation in wireless sensor networks, IEEE Transactions on Signal Processing, vol. 51, no. 8, pp. 2137-2148, 2003.

8. P. Bergamo and G. Mazzini, Localization in sensor networks with fading and mobility, in The 13th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications, vol. 2, 2002, pp. 750-754.

13 - Descrizione del programma e dei compiti dell'Unità di Ricerca

Testo italiano

L'unità di ricerca CNR di Pisa ha notevole esperienza pregressa nel campo della misura, analisi, simulazione e modellazione di segnali senza fili e nel campo dei metodi statistici. Ha inoltre recente esperienza attiva nel campo della localizzazione in ambienti chiusi e di tecnologie relative al controllo in contesti di AAL (Ambient Assisted Living). Attualmente, l'unità è coinvolta in due progetti internazionali correlati con la localizzazione. Il NoE FP6 Intermedia (Interactive Media with Personal Networked Devices), partito a ottobre 2006, è centrato sulla convergenza di sistemi audio-video con altre applicazioni, in particolare per ambienti domotici dove la casa è lo spazio di convergenza, e per utenti nomadici dove dispositivi mobili avanzati sono i punti di convergenza. Lo scopo è l'evoluzione da approcci centrati sulla casa o sul dispositivo a un convergenza centrata sull'utente, in cui è fondamentale la conoscenza della sua posizione. L'IP FP6 Persona (Perceptive Spaces Promoting Independent Aging), partito a gennaio 2007, punta a sviluppare un piattaforma scalabile basata su standard aperti su cui costruire una vasta scelta di servizi AAL. La sfida principale è il progetto di un'infrastruttura middleware auto-organizzante che garantisca estensibilità ad hoc di insiemi di dispositivi e componenti. Uno dei suoi ruoli è la raccolta di informazione di localizzazione utente dai sensori e la sua messa a disposizione ad altri elemnti di rete ed alle applicazioni.

Partendo da queste esperienze, quest'unità di ricerca si concentrerà su una serie di passi iniziali, cioè Misure, Simulazione e Analisi Numerica. Il risultato di tali attività, assieme ai risultati iniziali delle altre unità di ricerca, sarà il punto di partenza dello studio di Algoritmi Nuovi O Migliorati per la localizzazione e l'identificazione della postura e per la loro valutazione.

1. Misure

Le misure verranno condotte principalmente usando i sensori Micaz prodotti da Crossbow, con i quali questa unità di ricerca ha avuto esperienza negli ultimi anni e che abbiamo disponibili. Abbiamo in programma l'acquisto di altri di questi dispositivi per costruire reti di ancore complesse e per poterli situare sul corpo. Le misure produrranno registrazioni di letture RSSI ottenute da un sensore mobile durante la trasmissione di diverse ancore. Saranno considerate diverse situazioni ambientali, partendo dal caso semplice di un nodo mobile statico is una stanza isolata. Il caso semplice sarà gradualmente complicato passando ad una stanza di ufficio (non isolata) e a più stanze; usando più nodi mobili; introducendo gli effetti del corpo; muovendo il corpo su percorsi prestabiliti e quindi su percorsi imprevisti. Le letture RSSI saranno registrate con tempi precisi, in maniera da permettere precise analisi delle serie temporali, e le registrazioni saranno periodicamente inviate a un ricevitore di dati. Il ricevitore potrà essere un portatile connesso ai sensori mobili, un computer connesso ai sensori mobili via protocollo IEEE 802.15.4, o la rete stessa delle ancore. Le misure potranno anche utilizzare statistiche di Frame Error Rate (FER), che potrebbero essere un utile complemento alle letture di RSSI. Appena saranno disponibili i primi risultati dell'unità di ricerca di Pisa, useremo antenne specifiche e posizioneremo i sensori sul corpo secondo tali risultati.

2. Simulazione

Gli studi simulativi saranno condotti in parallelo all'attività di misure e richiederanno fin dall'inizio una stretta interazione con l'unità dell'Università di Pisa. Gli studi saranno basati sulla potenza del segnale ricevuto calcolata dal modello ray-tracing sviluppato dell'unità dell'Università di Pisa. La simulazione verrà usata in due passi: nel primo, verificheremo quanto le tracce misurate si discostano dalle simulazioni ray-tracing, le quali necessariamente utilizzano una schematizzazione dell'ambiente. Alcuni risultati preliminari indicano che le misure sono fortemente influenzate da piccoli errori, per quanto riguarda sia il punto esatto in cui è effettuata la misura, sia le letture di RSSI e la potenza trasmessa. Ci interessa quantificare questa sensitività e valutare inoltre la sensitività relativa alla modellazione dell'antenna e la presenza, orientamento e postura del corpo. Questa verifica sarà la base per porre, nel passo successivo, limiti superiori alla precisione ottenibile con una data configurazione di sensori e dati algoritmi. Nel secondo passo, la simulazione partirà dai risultati di ray-tracing, assunti come caso specifico noto con alta precisione. Questi verranno perturbati secondo gli errori misurati al passo precedente, per costruire una piattafomra capace sia di valutare le prestazioni di un dato ambiente e algoritmi, sia di stabilire generici limiti superiori di prestazione per algoritmi di localizzazione e identificazione della postura. Attualmente riteniamo che la simulazione non sarà direttamente utile per costruire algoritmi di localizzazione e identificazione della postura. Prevediamo però che sarà utilissima per confrontarli. Nella prossima sezione descriviamo il nostro progetto di usare la simulazione e l'analisi numerica per calcolare limiti superiori per le prestazioni di un qualunque algoritmo dato l'ambiente e le fonti di informazione.

3. Analisi numerica

Sarà necessario etrarre statistiche sia dai dati misurati che da quelli simulati. In dettaglio, le registrazioni dell'RSSI saranno analizzate per valutarne la stabilità, la riproducibilità, la presenza di interferenze, la sensitività rispetto a diverse fonti di errore come sopra specificato. L'applicazione più significativa dell'analisi numerica sarà il calcolo di statistiche sui dati simulativi. Alcuni risultati preliminari mostrano la robustezza dell'uso del criterio di massima verosimiglianza per stimare la posizione del mobile partendo da simulazioni. Partendo da queste osservazioni, un obiettivo è la stima di limiti superiori alle prestazioni, per un dato ambiente e date fonti di informazione. Nel caso più semplice, possiamo disegnare una mappa dell'ambiente e simulare la distribuzione di RSSI usando il modello ray-tracing. Definite quindi le fonti di informazione, come l'RSSI ricevuto da un numero fisso di ancore senza memoria delle posizioni passate e un solo sensore mobile, saremo in grado di calcolare la massima precisione ottenibile da un algoritmo di localizzazione. L'obiettivo è verificare come questi limiti cambino cambiando o aumentando le fonti di informazione. Alcuni primi risultati ci fanno ritenere che questa procedura possa funzionare con ogni insieme di fonti informative, per sistemi sia con che senza memoria, al fine della localizzazione e dell'identificazione della postura. Si tratta di un approccio molto interessante e generale, perché sembra in grado di sfruttare ogni possibile fonte informativa per incrementare la precisione del risultato. Con un approccio Bayesiano o con l'uso di filtri di Kalman si può tener conto della storia del sistema o di informazioni statistiche a priori. La possibilità di sfruttare ogni fonte informativa significa che i risultati relativi alla sola localizzazione possono essere associati con quelli relativi alla sola identificazione posturale, arricchendo entrambe. Ad esempio, la postura corporale può arricchire l'informazione di localizzazione per distingure se piccoli cambiamenti nell'RSSI siano dovuti a rumore o a movimenti del mobile. Viceversa, la localizzazione può arricchire l'identificazione posturale restringendo il numero di possibili posture in una data posizione nella stanza (sul letto o dietro la scrivania). Quanto sopra si può riassumere dicendo che la struttura simulativa descritta può essere usata come riferimento (benchmark) per ogni possibile algoritmo di localizzazione e postura corporale.

4. Ricerca di algoritmi nuovi o migliorati per la localizzazione e l'identificazione posturale

L'ultimo argomento di ricerca è quello con il maggior potenziale di creare nuove o migliori appliaczioni nel campo delle infrastrutture AAL, nel controllo negli ambienti di pervasive and ubiquitous computing e in generale negli ambienti che necessitino localizzazione in ambienti chiusi e identificazione posturale. Quest'attività è basata sul lavoro comune di tutte le unità di ricerca, e sfrutta i risultati ottenuti da ognuna di esse nelle attività precedenti, cioè le misure effettuate dall'unità CNR e i risultati relativi alle antenne e alla propagazione prodotti dalle altre due unità. Messi insieme, questi risultati daranno una solida base per creare e valutare algoritmi che funzionino in condizioni relistiche, segnando uno stacco da quella letteratura che si fonda solo su ipotesi propagative o semplicistiche simulazioni. Gli algoritmi scelti per la valutazione saranno tratti dalla letteratura ed eventualmente inventati ex novo. Le misurazioni e i modelli sviluppati da tutte le unità saranno usati per confrontarli, tenendo in conto le sorgenti di errore che si presentano in pratica. Il modello ray-tracing fornirà un metodo per confrontare algoritmi diversi, analizzando il loro comportamento in ambienti simulati realisticamente. In più, le prestazioni di algoritmi noti, migliorati, ed eventualmente nuovi algoritmi sviluppati nel corso del progetto, saranno confrontati con i limiti superiori calcolati con l'approccio di massima verosimiglianza citato nella sezione precedente. Per quanto riguarda i tipi di algoritmi da considerare, c'è un intera gamma di possibili metodi da esaminare, a partire da quelli basati sulla verosimiglianza, i bayesiani, il filtraggio di Kalman ed eventualmente passando a reti neurali e fuzzy logic. La maggior parte di questi è interessante quando si intende sfruttare la conoscenza della storia del sistema, cioè quando il sistema ha memoria. La sinergia di localizzazione e identificazione posturale proposta in questo progetto è il palcoscenico ideale per studiare e sviluppare metodi che usino l'informazione di memoria, ad esempio quelli che tracciano il percorso dell'utente. Potremmo anche valutare l'introduzione di capacità adattive, che permettano una calibrazione dinamica dei parametri dell'algoritmo, e lo sfruttamento di informazioni di prossimità raccolte da ambienti domotici in cui numerosi dispositivi siano interconnessi e possano fornire l'informazione dell'istante in cui sono attivati, segnalando così quando l'utente è vicino al dispositivo.

Testo inglese

The Pisa CNR research unit has gained considerable experience in measurement, analysis, simulation and modelling of wireless signals and statistical methods. Additionally, it has recent active experience in indoor localisation and technologies related to monitoring and control in AAL (Ambient Assisted Living) frameworks. It is currently involved in two international projects related to localisation. The EU FP6 NoE Intermedia (Interactive Media with Personal Networked Devices) started on October 2006. It is centred on Audio Video systems and applications convergence, in particular in home environments with homes as spaces of convergence, and for nomadic users with advanced mobile devices as points of convergence. The aim is to evolve from the home-centric or device-centric approaches to a user-centric convergence, where the knowledge of the user position has a fundamental role. The EU FP6 IP Persona (Perceptive Spaces Promoting Independent Aging) started on January 2007. It aims at developing a scalable open standard technological platform for building a broad range of AAL services. The main technical challenge is the design of a self-organising middleware infrastructure that guarantees ad hoc extensibility of component and device ensembles. One of its roles is to gather localisation information of users from sensors and make it accessible to other network elements and applications.

By building on this expertise, this research unit will concentrate on a series of initial steps, namely Measurements, Simulation and Numerical Analysis. The results of these activities, together with the initial results from the other research units, will be the building base for studying New Or Improved Localisation And Posture Identification Algorithms and evaluating them.

1. Measurements

Measurements will be made primarily by using the Micaz motes produced by Crossbow, with which this research unit has had experience in the recent past and which are available to us. We plan to buy more of these devices in order to build even complex anchor networks and in order to be able to place several of them on body. Measurements will produce logs of RSSI readings registered by a mobile when several to many anchors are transmitting. Different environment conditions will be considered, starting from the simple case of a static mobile node in an isolated room. The simple case will be then gradually made more complex, by switching to an office (not isolated) room and several rooms; by using a number of mobile nodes; by introducing the effect of the body; by considering a moving body in a controlled pattern and eventually a moving body in uncontrolled pattern. RSSI readings will be logged with precise time stamping, so to allow accurate time series analysis, and the logs will be periodically transmitted to a data sink. The data sink may be a portable computer attached to the mobile sensors, a computer connected to the mobile sensors via the IEEE 802.15.4 protocol, or may be the anchor network itself. Measurements may also involve usage of Frame Error Rate (FER) statistics, which may be useful to complement the RSSI readings. As soon as first results from the Pisa University research unit are available, we plan to use specific antennas and to position the sensors on the body according to them.

2. Simulation

Simulation studies will be made in parallel with the measurement activity and require strong interaction with the Pisa University unit since the very beginning. They will be based on received signal power as computed by the ray-tracing model developed by the Pisa University research unit. Simulation will be used in two steps. As the first step, we will assess how much the measured trace logs can be predicted by using the ray-tracing simulation, which necessarily simplifies the environment. From preliminary results, we expect to find that the measured traces are highly sensitive to small errors, both in the exact location where the measurement is done, in the RSSI readings and in the transmitted power level. We want to quantify this sensitivity and additionally to assess sensitivity with respect to antenna modelling and body presence, orientation and posture. This assessment will help set higher bounds on the precision attainable using a given sensor configuration and given algorithms in the subsequent step. The second step in simulation is to start from the ray-tracing results, assumed to be a high-precision special case, to perturbate them according to the errors measured in the previous step, and thus build a platform which is able to both evaluate the performance of given environment and algorithms and to establish generic upper bounds on performance of localisation and body tracking algorithms. At the current stage, we suppose that simulation will not be directly useful to build algorithms for localisation and body posture identification. However, we anticipate that it will be precious to compare them. In the next section we detail how we envision that simulation coupled with numerical analysis can be used to compute upper bounds on the performance of any conceivable algorithm with given environment and sources of information.

3. Numerical analysis

We need to extract statistics from the measured data and from the simulation data. Data logs from measured RSSI readings will be analysed to assess stability, reproducibility, presence of interfering patterns, sensitivity to several sources of error as above detailed. The most significant application of numerical analysis will be devoted to statistics on simulation data. Preliminary results indicate that usage of a maximum-likelihood criterion to estimate the mobile position based on simulation results is very robust. One objective is to estimate, based on these findings, upper bounds of performance for a given environment and given sources of information. In the simplest case, we draw a map of the environment and we simulate the RSSI distribution using the ray-tracing model. We then define the sources of information, for example RSSI readings received by fixed number of anchors without memory of past positions and a single mobile node receiver. Given those constraints we will be able to compute the maximum precision that any localisation algorithm can attain. The objective is to change or expand the sources of information and compare the maximum theoretical performance one can attain. From preliminary results, we are confident that this procedure will work for any set of information sources, for both localisation and posture identification, and for memoryless systems as well as systems with memory. This approach is very interesting and general, because it promises to be able to exploit any source of information to increase the precision of the result. Knowledge of the history of the system or a priori statistical information on the movements of the mobile can be accounted for by using a Bayesian approach. The use of Kalman filters may also be investigated for this purpose. Notice that being able to exploit any source of information implies that results relative to localisation alone can be complemented with those relative with body posture alone, enriching both. As an example, the body posture can complement the localisation information by suggesting whether small changes in the received RSSI are due to noise or to the mobile moving. And localisation can complement body posture identification by suggesting that in a given position in a room there are only few possible postures (such as on a bed or behind a desk). In summary, the described simulation framework coupled with numerical analysis can be generally used as a benchmark for possible localisation and body posture identification algorithms.

4. Searching for new or improved localisation and posture identification algorithms

The last research item has the highest potential for new and better applications in the fields of AAL frameworks, monitoring and control in pervasive and ubiquitous computing and in general all environments benefiting from indoor localisation and body posture identification. This activity is based on common work of all research units, and will build on previous results gathered by each of them. The results used will be the measurement results produced by the CNR unit and the antenna and propagation results produced by the two other units: together, these results will be a solid foundation for devising and evaluating algorithms that work in realistic conditions, marking a difference from much literature that only relies on propagation hypotheses or unsophisticated simulation. The algorithms elected for consideration will be taken from the literature and possibly invented ex novo. The measurements and the models developed by all units will be used to compare them, keeping real-world sources of error into account. The ray-tracing model will provide a means to compare different algorithms, by analysing their behaviour in realistically simulated environments. Additionally, the performance of known, improved and possibly brand new algorithms developed during this project will be compared with the maximum attainable performance computed using the maximum likelihood approach mentioned in the previous section. As far as the kind of algorithms to be considered, there is a whole range of possible methods to be examined, starting from likelihood-based, Bayesian and Kalman filtering methods and possibly considering neural networks and fuzzy logic. Most of these methods make most sense when exploiting knowledge of the history of the system, that is, when the system has memory. The coupling of localisation and body posture identification proposed in this project is the ideal stage to investigate and develop methods using memory information, for example when tracking the user's movements. We may also consider introducing adaptive capabilities, which provide a sort of dynamic calibration of the algorithm's parameters, and exploiting proximity information gathered from domotic environments where many devices are interconnected and can provide information of the moment they are operated on, thus signalling when the user is close to the device.

14 - Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta

Testo italiano

Nessuna

Testo inglese

Nessuna

15 - Descrizione delle Grandi attrezzature da acquisire (GA)

Testo italiano

Nessuna

Testo inglese

Nessuna

16 - Mesi persona complessivi dedicati al Progetto

		Numero	Disponibilità temporale indicativa prevista		Totale mesi persona
		Numero	1° anno	2° anno	Totale mesi persona
Componenti della sede dell'Unità di Ricerca		3	9	9	18
Componenti di altre Università/Enti vigilati		0
Titolari di assegni di ricerca		1	2	2	4
Titolari di borse	Dottorato	0
	Post-dottorato	0
	Scuola di Specializzazione	0
Personale a contratto	Assegnisti	1	11	11	22
	Borsisti	0
	Altre tipologie	0
Dottorati a carico del PRIN da destinare a questo specifico progetto		0	0	0	0
Altro personale		0
TOTALE		5	22	22	44

17 - Costo complessivo del Progetto dell'Unità articolato per voci

Voce di spesa	Spesa in Euro	Descrizione dettagliata (in italiano)	Descrizione dettagliata (in inglese)
Materiale inventariabile	7.000	Computer portatile e schermo, rete di sensori Micaz della Crossbow	Portable computer with screen, network of Micaz sensors produced by Crossbow
Grandi Attrezzature	0
Materiale di consumo e funzionamento (comprensivo di eventuale quota forfettaria)	6.500	Spese generali di gestione	General expenses for management
Spese per calcolo ed elaborazione dati
Personale a contratto	46.000	Un assegno di ricerca biennale o due assegni annuali	Un assegno di ricerca biennale o due assegni annuali
Dottorati a carico del PRIN da destinare a questo specifico progetto	0
Servizi esterni
Missioni	4.000	Viaggi riguardanti l'attività di ricerca svolta.	Trips relative to the activity.
Pubblicazioni (*)
Partecipazione / Organizzazione convegni (*)	3.000	Registrazione a convegni riguardanti l'attività di ricerca svolta.	Registration to Conferences relative to the activity.
Altro (voce da utilizzare solo in caso di spese non riconducibili alle voci sopraindicate)
Subtotale	66.500
Costo convenzionale	4.000
Totale	70.500

Tutti gli importi devono essere espressi in Euro arrotondati alle centinaia

(*) sono comunque rendicontabili le spese da effettuare per pubblicazioni e presentazione dei risultati finali della ricerca nei dodici mesi successivi alla conclusione del progetto, purché le relative spese siano impegnate entro la data di scadenza del progetto e purché le pubblicazioni e la presentazione dei risultati avvengano entro nove mesi dalla conclusione del progetto.

18 - Prospetto finanziario dell'Unità di Ricerca

Voce di spesa	Importo in Euro
a.1) finanziamenti diretti, disponibili da parte di Università/Enti vigilati di appartenenza dei ricercatori dell'unità operativa	17.200
a.2) finanziamenti diretti acquisibili con certezza da parte di Università/Enti vigilati di appartenenza dei ricercatori dell'unità operativa
a.3) finanziamenti connessi al costo convenzionale	4.000
b.1) finanziamenti diretti disponibili messi a disposizione da parte di soggetti esterni
b.2) finanziamenti diretti acquisibili con certezza, messi a disposizione da parte di soggetti esterni
c) cofinanziamento richiesto al MIUR (max 70% del costo complessivo)	49.300
Totale	70.500

19 - Certifico la dichiarata disponibilità e l'utilizzabilità dei finanziamenti a.1) a.2) a.3) b.1) b.2)

SI

Firma _____________________________________

I dati contenuti nella domanda di finanziamento sono trattati esclusivamente per lo svolgimento delle funzioni istituzionali del MIUR. Incaricato del trattamento è il CINECA- Dipartimento Servizi per il MIUR. La consultazione è altresì riservata al MIUR - D.G. della Ricerca -- Ufficio IV -- Settore PRIN, alla Commissione di Garanzia e ai referee scientifici. Il MIUR potrà anche procedere alla diffusione dei principali dati economici e scientifici relativi ai progetti finanziati. Responsabile del procedimento è il coordinatore del settore PRIN dell'ufficio IV della D.G. della Ricerca del MIUR.

Firma _____________________________________

Data 09/02/2009 ore 16:07

ALLEGATO

Curricula scientifici dei componenti il gruppo di ricerca

Testo italiano

1.

FURFARI Francesco

Curriculum:

Nel 1994 ho conseguito la Laurea in Scienze dell'Informazione presso l'Università degli Studi di Pisa. Dal 2003 al 2006 ho tenuto lezioni di Jini e OSGi nel corso di Domotica del Corso d'Informatica della Facoltà di Scienze MM. FF. NN. dell'Università di Pisa.

Attualmente sono ricercatore a tempo determinato al CNR presso l'istituto ISTI di Pisa, dove ho collaborato sin dal 1999 allo studio e realizzazione di sistemi informativi basati sul web (WIS), schemi di dati basati su XML e Web Services.

I miei interessi di ricerca comprendono le architetture orientate ai servizi (SOA) e componenti (OSGi), i protocolli di discovery (UPnP, SLP), reti di sensori wireless (MicaZ, Zigbee), e applicazioni context-aware.

Ho realizzato e pubblicato diversi programmi con licenza Open Source, e sono attualmente membro del comitato direttivo del progetto Felix di Apache Software Foundation per l'implementazione di una piattaforma Open Source di OSGi, il modello a componenti per Java.

Partecipo al progetto IP FP6 IST Persona (PERceptive Spaces prOmoting iNdependent Aging) incentrato sulle tematiche del Pervasive/Ubiquitous Computing dove mi occupo dell'integrazione delle reti di sensori wireless (WSN) nel middleware per applicazioni context aware.

Pubblicazioni:

AMATO G, CHESSA S, FURFARI F., LENZI S, VAIRO C (2009). Towards Data Management in the Sensor Web: the MaD-WiSe System. ERCIM NEWS, vol. 76, ISSN: 0926-4981

BOLLA R, REPETTO M, CHESSA S, FURFARI F., DE ZUTTER S, VAN DE WALLE R, REITERER B, HELLWAGNER H, ASBACH M, WIEN M (2008). A context-aware architecture for QoS and transcoding management of multimedia streams in smart homes. In: Emerging Technologies and Factory Automation. Hamburg, Germany, 15-18 September 2008IEEE, p. 1354-1361, doi: 10.1109/ETFA.2008.4638575

CHESSA S, FURFARI F., GIROLAMI M, LENZI S (2008). SAIL: a sensor abstraction and integration layer for context awareness. In: Software Engineering and Advanced Applications. Parma, Italy, 03-05 September 2008IEEE/CS, p. 347-381, doi: 10.1109/SEAA.2008.30

FIDES-VALERO A, FREDDI M, FURFARI F., TAZARI M (2008). The PERSONA framework for supporting context-awareness in open distributed systems. In: AmI 2008 - Ambient Intelligence. European Conference (Norimberga, Germania, 19-22 November 2008). Proceedings, pp. 91 - 108. E. Aarts et al (ed.). (Lecture Notes in Computer Science, vol. 5355). Springer N.Y., 2008. Norimberga, Germania, 19-22 November 2008, NEW YORK: Springer, vol. 5355, p. 91-108, ISBN/ISSN: 978-3-540-89616-6, doi: 10.1007/978-3-540-89617-3_7

FURFARI F., TAZARI M (2008). Realizing ambient assisted living spaces with the PERSONA platform. ERCIM NEWS, vol. 74; p. 47-48, ISSN: 0926-4981

SAVI, D, POTORTÌ F, FURFARI F., PUSTIEK M, TOMAI, S, BETER J (2008). CostGlue: simulation data exchange in telecommunications. SIMULATION, vol. 84; p. 157-168, ISSN: 0037-5497

AMATO G, FURFARI F., LENZI S, CHESSA S (2007). Enabling context awareness through distributed query processing in wireless sensor networks. In: UbiComp 2007 Workshops Proceedings. INNSBRUCK,Austria, September 16-19, 2007, INNSBRUCK: Bajart,Muller,Strang, p. 104-109, ISBN/ISSN: 978-3-00-022599-4

2.

LENZI Stefano

Curriculum:

Stefano Lenzi ha conseguito nel 2006 la laurea triennale in Informatica all'Università di Pisa con 110 e Lode. La sua tesi lo ha portato a far parte della Apache Software Foundation come membro del Project Management Committee del progetto Felix. Inoltre dal 2007 collabora come Assegnista Ricercatore con il Laboratorio di Reti Wireless del Istituto di Scienza e Tecnologia dell'Informazione "A. Faedo", che fa parte del Consiglio Nazionale delle Ricerche

Pubblicazioni:

AMATO G, CHESSA S, FURFARI F, LENZI S., VAIRO C (2009). Towards Data Management in the Sensor Web: the MaD-WiSe System. ERCIM NEWS, vol. 76; p. 51-52, ISSN: 0926-4981

BARSOCCHI P, LENZI S., CHESSA S, GIUNTA G (2009). A Novel Approach to Indoor RSSI Localization by Automatic Calibration of the Wireless Propagation Model. In: 69th IEEE Vehicular Technology Conference. Barcelona, Spain, 2629 April 2009

BARSOCCHI P, LENZI S., CHESSA S, GIUNTA G (2009). Virtual Calibration for RSSI-based Indoor Localization with IEEE 802.15.4. In: International Conference on Communications. Dresden, Germany, 14-18 June 2009

BOLLA R, RAPUZZI R, REPETTO M, CHESSA S, LENZI S., FURFARI F (2009). Social Networking and Context Management for the Future 3D Internet. In: 1st International Conference on COMmunication Systems and NETworkS (COMSNETS 2009). Bangalore, India, 5 January 2009

BARSOCCHI P, LENZI S., CHESSA S (2008). Self-Calibrating RSSI-based Indoor Localization with IEEE 802.15.4, Tech. Rep. cnr.isti/2008-TR-001, 14 January 2008, CNR-ISTI, via Moruzzi, 1

CHESSA S, LENZI S., FURFARI F, BOLLA R, RAPUZZI R, REPETTO M (2008). Enabling social and distributed interaction in the future 3D Internet. In: Workshop on on Hyper-media 3D Internet. Geneva, Switzerland, 13-14 October 2008

FURFARI F, LENZI S. (2008). Felix UPnP documentation, Tech. Rep. cnr.isti/2008-TR-024, 15 April 2008, CNR-ISTI, via Moruzzi, 1

GIROLAMI M, LENZI S., FURFARI F, CHESSA S (2008). SAIL: a Sensor Abstraction and Integration Layer for Context Aware Architectures, Tech. Rep. cnr.isti/2008-TR-009, 3 March 2008, CNR-ISTI, via Moruzzi, 1

LENZI S., CHESSA S, FURFARI F, GIROLAMI M (2008). SAIL: a sensor abstraction and integration layer for context awareness. In: 34th EUROMICRO Conference on Software Engineering and Advances Applications - Special Session on Software Architecture for Pervasive Systems (SAPS). Parma, 03-05 September 2008, p. 347-381

REITERER B, CONCOLATO C, LACHNER J, LE FEUVRE J, MOISSINAC, J, CHESSA S, LENZI S., FERRÀ E, GONZALEZ MENAYA J, HELLWAGNER H (2008). User-centric universal multimedia access in home networks. THE VISUAL COMPUTER, vol. 24; p. 837-845, ISSN: 0178-2789, doi: 10.1007/s00371-008-0265-5

AMATO G, FURFARI F, LENZI S., CHESSA S (2007). Enabling Context Awareness through Distributed Query Processing in Wireless Sensor Networks. In: 2nd International Workshop on Requirements and Solutions for Pervasive Software Infrastructures. Innsbruck, Austria, 15/09/2007, p. 104-110, ISBN/ISSN: 978-3-00-022599-4

BOLCHINI C, GIUSTI A, FURFARI F, LENZI S. (2007). Logical and physical data structures for Flash memories for lightweight, portable databases, Tech. Rep. cnr.isti/2007-TR-031, 13 January 2007, CNR-ISTI, via Moruzzi, 1

3.

KURUOGLU Ercan Engin

Curriculum:

INFORMAZIONE PERSONALE

Indirizzo professionale: Istituto di Scienza e Tecnologie della Informazione
Consiglio Nazionale delle Ricerche, Area della Ricerca di Pisa
Via G. Moruzzi 1, I-56124, Pisa, Italy.

Indirizzo residenziale: via Paolo VI, no:12, int: 12, I-56120, Pisa, Italy

Data e luogo di nascita: 2 Novembre 1969, Ankara, Turchia
Nazionalità: Turca

Sesso: Maschile

E-posta: ercan.kuruoglu@isti.cnr.it

Tel: (+39) 050 315 3128 or cell: (+39) 050 328 909 9975

Fax: (+39) 050 315 2810

ESPERIENZA PROFESSIONALE

8/2007 11/2007: Visiting professor, Georgia Institute of Technology graduate program at Shanghai (Jiao Tong University)

24 Nov. 2006 - ... : Titolo: Associate Professor

1 Jan. 2006- : Primo ricercatore

2002 - 2006 : Ricercatore, Istituto di Scienza e Tecnologie dellInformazione (ISTI), CNR-Pisa, via G. Moruzzi 1, Area della Ricerca di Pisa, 56124, Pisa, Italy.

2000 - 2001 : ERCIM Fellow ad Istituto di Elaborazione della Informazione (IEI), Consiglio Nazionale delle Ricerche (CNR),

1999 - 2000: ERCIM Fellow ad INRIA - Sophia Antipolis, France.

1998 - 1999: Ricercatore a Xerox Research Center, Cambridge, UK.

1995 - 1997: Teaching assistant, Department of Engineering, Cambridge University, Trumpington Street, Cambridge, UK.

1991 - 1994: Teaching and research assistant, Department of Electrical and Electronics Engineering, Bilkent University, Bilkent, Ankara, Turchia.

FORMAZIONE

Ph.D. in Information Engineering :
University of Cambridge, U.K., March 1998.
Dissertation title : Signal Processing in alpha-Stable Noise Environments.

M.Phil. in Information Engineering :
University of Cambridge, U.K., August 1995.
Thesis title: Impulsive noise cancellation using polynomial filters

M.Sc. in Electrical and Electronics Engineering :
Bilkent University, Ankara, Turkey, August 1993.
Thesis title: Design of finite-state machines using simulated annealing

B.Sc. in Electrical and Electronics Engineering : (with high honours)
Bilkent University, Ankara, Turkey, July 1991.

ATTIVITA PROFESSIONALE

Editoriale

1. Associate Editor for IEEE Transactions on Image Processing 2005--.
Member of the editorial board of Digital Signal Processing: A Review Journal, Elsevier, 2001 -- .

2. Associate Editor for IEEE Transactions on Signal Processing, 2002--2006 .

3. Guest Editor for the special issue of IEEE Journal on Selectected Topics in Signal Processing, on Signal Processing for Astronomical and Space Research Applications, in preparation.

4. Guest Editor for the special issue of Digital Signal Processing: A Review Journal, Elsevier, on Bayesian Source Separation, September 2007.

5. Guest Editor for the special issue of EURASIP Journal on Applied Signal Processing, on Applications of Signal Processing in Astrophysics and Cosmology, August 2005.
http://www.hindawi.com/journals/asp/volume-2005/issue-15.html

6. Guest Editor for the special issue of Signal Processing, Elsevier, on Signal Processing with Heavy-Tailed Distributions, December 2002.

7. Reviewer: IEEE Transactions on Signal Processing, IEEE Transactions on Image Processing, IEEE Signal Processing Letters, IEEE Transactions on Wireless Communications, IEE Proceedings on Vision, Image and Signal Processing, Signal Processing, Journal of the Franklin Institute, Stochastic Processes and Their Applications, International Journal of Intelligent Systems, Neural Computing, ICASSP, ICIP, EUSIPCO, SIU.

Conferenze organizzate

1. Technical program co-chair of European Signal Processing Conference (EUSIPCO), 2006, Florence, Italy.
2. Special sessions chair of EUSIPCO, 2005, Antalya, Turkey.
3. Co-organizer of the special session: Signal Processing for Bioinformatics in SIU 2007, Eskisehir, Turkey.
4. Co-organizer of the special session: Bayesian Source Separation in EUSIPCO 2005, Antalya, Turkey.
5. Co-organizer of the special session: Source Separation in SIU 2003, Istanbul, Turkey.
6. Member of the program committee of IEEE Workshop on Neural Networks for Signal Processing, 2003, Toulouse, France.
7. Organiser and chair of a special session on New directions in Signal Processing with Heavy Tailed Distributions at ICASSP 2000 in Istanbul, Turkey.
8. Organiser and chair of weekly seminars at Xerox Research Centre, Cambridge, UK.

Supervisore

Tesi di PhD
1. Sequential Bayesian Modelling of non-Stationary non-Gaussian Processes, Deniz Gencaga, Bogazici University, Turkey, 2007.
2. Model selection with numerical Bayesian methods, Diego Salas, University of Granada, Spain, 2008.
3. Bayesian Image Separation, Koray Kayabol, Istanbul University, Turkey, 2008.

Tesi di Laurea
1. Separazione dei segnali con metodi statistiche Bayesiane, Paolo Milani Comparetti, Università degli studi di Pisa, 2003.
2. Bayesian Source separation of astrophysical images using Particle filtering, Mauro Costagli, Università degli studi di Pisa, 2003.
3. Separazione delle componenti indipendenti in immagini astrofisiche mediante campi aleatori Markoviani, Laura Bianchi, Università degli studi di Pisa, 2003.
4. Separazione di componenti dipendenti con applicazioni in astrofisica, Stefano Fortunati, Università degli studi di Pisa, 2008.

Tesi di Tirocinio
1. Sviluppo di software per l'analisi statistica di sequenza di DNA, Daniele Vitale, Università degli studi di Pisa, 2008.
2. GARCH-mixture of alpha-Stable Models for Financial Time Series, Diego Buoncristiani, Università degli studi di Pisa, 2008.

Insegnamento

5/2008-7/2008: Corso di dottorato: Bayesian signal processing at Department of Computer Science, University of Pisa.
8/2007-11/2007: Graduate course on Random Processes at the Graduate Program of Georgia Institute of Technology-Jiao Tong University in Shanghai.
2006-2007: Lecture series on Bayesian Signal Processing at Bogazici University, Turkey.
2005: Corso di dottorato: Bayesian signal processing at Department of Information Engineering, University of Pisa.
2005: Lecture series on Bayesian Signal Processing at Izmir Institute of Technology, Izmir, Turkey.
1995-1996: Tutorial teaching on Telecommunications at Department of Engineering, University of Cambridge.
1992-1993: Laboratory course on digital electronics, Department of Electrical and Electronics Engineering, Bilkent University, Turkey.

Organizzazioni Professionali

1. Elected member, IEEE Signal Processing Theory and Methods Technical Committee, 2004- ... .
2. IEEE, Senior Member
3. IEEE, Signal Processing Society
4. European Association in Signal and Image Processing (EURASIP), Member
5. International Society of Bayesian Analysis (ISBA), Member

LINGUE

Turco Madre lingua
Inglese Perfetto
Italiano Avanzato
Francese Principiante

PREMI E BORSE

1. 2006 Senior Member of IEEE
2. 1999-2001 ERCIM (European Research Consortium for Informatics and Mathematics) Fellowship
3. 1997 Cambridge University Lundgren Award (per la tesi di dottorato)
4. 1995-1997 Cambridge Overseas Trust Scholarship
5. 1995 Cambridge European Trust Honorary Scholarship
6. 1995-1997 UK Overseas Research Studentship Award
7. 1994-1995 British Council Scholarship
8. 1994-1997 Downing College (Cambridge) Graduate Student Scholarship
9. 1991-1994 Teaching and research assistantship at the Bilkent University, Turkey
10. 1987-1991 Bilkent University Undergraduate Scholarship
11. 1987-1991 Bilkent University, listed 7 times in the high-honour list and once in the honour list
12. 1987 Turkish Scientific and Technical Research Institute Young Scientist Encouragement Award
13. 1987 Turkish IS Bank award for scoring second highest grade in mathematics in the centralised university entrance examinations (among 600,000 participants)

PRODOTTI

PageCam: www.pagecam.com
Sistema multimediale
Sviluppato preso Xerox Research Center, Cambridge, UK (hardware by Philips).

BREVETTI

1. US2004034835, US patent, Method and apparatus for generating a summary from a document image 19-02-2004.
2. US2004034832, US patent, Method and apparatus for forward annotating a document, 19-02-2004.
3. JP2003186889, Japanese patent, Methods and Apparatus for Forward Annotating Documents and for Generating a Summary from a Document Image, 04-07-2003.
4. US7346841, US patent, Method and apparatus for collaborative annotation of a document, 18-03-2008.
5. US7024005, US patent, Method and Apparatus for Reducing Impulse Noise in a Signal Processing System, 04-04-2006.
6. EP1043872, European patent, Method and Apparatus for Reducing Impulse Noise in a Signal Processing System, 11-10-2000.

Pubblicazioni:

SALAS D, KURUOGLU E., RUIZ D.P (2009). Finite Mixtures of Alpha Stable Distributions. DIGITAL SIGNAL PROCESSING, vol. 19; p. 250-264, ISSN: 1051-2004

GENCAGA D, KURUOGLU E., ERTUZUN A (2008). Modelling of Non-Stationary Autoregressive Alpha Stable Processes with Particle Filters. DIGITAL SIGNAL PROCESSING, vol. 18; p. 465-478, ISSN: 1051-2004

GENCAGA D, KURUOGLU E., ERTUZUN A, YILDIRIM S (2008). Estimation of Time Varying AR SS Processes using Gibbs Sampling. SIGNAL PROCESSING, vol. 88; p. 2564-2572, ISSN: 0165-1684

CAIAFA C, PROTO A.N, KURUOGLU E. (2007). Long-correlated Gaussian Random Fields Parameter Estimation and Noise Reduction. DIGITAL SIGNAL PROCESSING, vol. 17; p. 819-835, ISSN: 1051-2004

COSTAGLI M, KURUOGLU E. (2007). Image separation using particle filters. DIGITAL SIGNAL PROCESSING, vol. 17; p. 935-946, ISSN: 1051-2004

ACHIM A, KURUOGLU E., ZERUBIA J (2006). SAR Image Filtering Based on the Heavy-tailed Rayleigh Model. IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 15; p. 2686-2693, ISSN: 1057-7149

ACHIM A, KURUOGLU E. (2005). Image Denoising Using Bivariate alpha-Stable Distributions in the Complex Wavelet Domain. IEEE SIGNAL PROCESSING LETTERS, vol. 12; p. 17-20, ISSN: 1070-9908

BEDINI L, HERRANZ D, SALERNO E, BACCIGALUPI C, KURUOGLU E., TONAZZINI A (2005). Separation of correlated astrophysical sources using multiple-lag data covariance matrices. EURASIP JOURNAL ON APPLIED SIGNAL PROCESSING, vol. 2005; p. 2400-2412

KURUOGLU E., ZERUBIA J (2004). Modelling Synthetic Aperture Radar Images with a Generalisation of the Rayleigh Distribution. IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 13; p. 527-533, ISSN: 1057-7149

KURUOGLU E., ZERUBIA J (2003). Skewed alpha-Stable Distributions for Modelling Textures. PATTERN RECOGNITION LETTERS, vol. 24; p. 339-348, ISSN: 0167-8655

COATES M.J, KURUOGLU E. (2002). Time-frequency Based Detection in Alpha-Stable Noise Environments. SIGNAL PROCESSING, vol. 12; p. 1917-1925, ISSN: 0165-1684

KURUOGLU E. (2002). Nonlinear Least lp-norm Filters for Nonlinear Autoregressive Alpha-Stable Processes. DIGITAL SIGNAL PROCESSING, vol. 12; p. 119-142, ISSN: 1051-2004

KURUOGLU E. (2001). Density Parameter Estimation of Skewed alpha-Stable Distributions. IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 10; p. 2192-2201, ISSN: 1053-587X

KURUOGLU E., FITZGERALD, W.J, RAYNER P.J.W (1998). Near Optimal Detection of Signals in Impulsive Noise Modelled with a Symmetric alpha-Stable Distribution. IEEE COMMUNICATIONS LETTERS, vol. 2; p. 282-284, ISSN: 1089-7798

KURUOGLU E., RAYNER P.J.W. AND W. J. FITZGERALD (1998). Least lp-norm Impulsive Noise Cancellation with Polynomial Filters. SIGNAL PROCESSING, vol. 69; p. 1-14, ISSN: 0165-1684

KURUOGLU E., RAYNER P.J.W, FITZGERALD W.J (1997). Least Lp-Norm Estimation of Autoregressive Model Coefficients of Symmetric alpha-Stable Processes. IEEE SIGNAL PROCESSING LETTERS, vol. 4; p. 201-203, ISSN: 1070-9908

KURUOGLU E., AYANOGLU E (1992). Design of Trellis Waveform Coders with Near-Optimum Structure. ELECTRONICS LETTERS, vol. 28; p. 1727-1729, ISSN: 0013-5194

Testo inglese

1.

FURFARI Francesco

Curriculum:

I obtained my Information Science degree in 1994 at the Pisa University. From 2003 to 2006 I taught Jini and OSGi as part of the Domotic course at the Informatics faculty in Pisa.

I am currently a researcher at the Pisa institute ISTI of CNR, where I have participated since 1999 in studying and realizing information systems based on web (WIS), data schemas based on XML and Web Services.

My research interests include service-oriented (SOA) and component-oriented (OSGi) archictectures, discovery protocols (UPnP, SLP), wireless sensor networks (MicaZ, Zigbee) and context-aware applications.

I wrote and released several programs using Open Source licenses, and I am currently a member of the Project Management Committee of the Felix project of the Apache Software Foundation for the implementation of an OSGi Open Source platform (the Java component model).

I participate in the IP FP6 IST Persona (PERceptive Spaces prOmoting iNdependent Aging), centred on Pervasive/ Ubiquitous Computing, where I work on integrating wireless sensor networks (WSN) with middleware for context-aware applications.

Pubblicazioni:

AMATO G, CHESSA S, FURFARI F., LENZI S, VAIRO C (2009). Towards Data Management in the Sensor Web: the MaD-WiSe System. ERCIM NEWS, vol. 76, ISSN: 0926-4981

BOLLA R, REPETTO M, CHESSA S, FURFARI F., DE ZUTTER S, VAN DE WALLE R, REITERER B, HELLWAGNER H, ASBACH M, WIEN M (2008). A context-aware architecture for QoS and transcoding management of multimedia streams in smart homes. In: Emerging Technologies and Factory Automation. Hamburg, Germany, 15-18 September 2008IEEE, p. 1354-1361, doi: 10.1109/ETFA.2008.4638575

CHESSA S, FURFARI F., GIROLAMI M, LENZI S (2008). SAIL: a sensor abstraction and integration layer for context awareness. In: Software Engineering and Advanced Applications. Parma, Italy, 03-05 September 2008IEEE/CS, p. 347-381, doi: 10.1109/SEAA.2008.30

FIDES-VALERO A, FREDDI M, FURFARI F., TAZARI M (2008). The PERSONA framework for supporting context-awareness in open distributed systems. In: AmI 2008 - Ambient Intelligence. European Conference (Norimberga, Germania, 19-22 November 2008). Proceedings, pp. 91 - 108. E. Aarts et al (ed.). (Lecture Notes in Computer Science, vol. 5355). Springer N.Y., 2008. Norimberga, Germania, 19-22 November 2008, NEW YORK: Springer, vol. 5355, p. 91-108, ISBN/ISSN: 978-3-540-89616-6, doi: 10.1007/978-3-540-89617-3_7

FURFARI F., TAZARI M (2008). Realizing ambient assisted living spaces with the PERSONA platform. ERCIM NEWS, vol. 74; p. 47-48, ISSN: 0926-4981

SAVI, D, POTORTÌ F, FURFARI F., PUSTIEK M, TOMAI, S, BETER J (2008). CostGlue: simulation data exchange in telecommunications. SIMULATION, vol. 84; p. 157-168, ISSN: 0037-5497

AMATO G, FURFARI F., LENZI S, CHESSA S (2007). Enabling context awareness through distributed query processing in wireless sensor networks. In: UbiComp 2007 Workshops Proceedings. INNSBRUCK,Austria, September 16-19, 2007, INNSBRUCK: Bajart,Muller,Strang, p. 104-109, ISBN/ISSN: 978-3-00-022599-4

2.

LENZI Stefano

Curriculum:

In 2006, Stefano Lenzi received his bachelor degree in Computer Science from the University of Pisa con 110 e Lode. As result of his thesis he became member of the Apache Software Foundation with the role of Project Management Committee for the Felix project. Since 2007, he is now working as Graduate Fellow for the Wireless Network Laboratory of the Institute of Information Science and Technologies (ISTI) that is an institute of the Italian National Research Council (CNR)