Il corso esplora tecniche di stima atte a determinare la posizione di ricevitori dedicati e/o a geolocalizzare emettitori di intereferenza in radiofrequenza. Questo corso combina conoscenze teoriche con competenze pratiche, concentrandosi sulla teoria del rilevamento, l'elaborazione del segnale e delle misure osservabili in problemi modellati come Hidden Markov Model (HMM) e aspetti fondanti della teoria della stima. Il corso espone e fornisce strumenti implementativi per i metodi di geolocalizzazione a sensore singolo e multiplo e tecniche ibride basate su stimatori Maximum Likelihood (ML). I limiti teorici saranno definiti per diversi problemi di posizionamento e geolocalizzazione e verranno discussi e confrontati con le prestazioni effettive degli stimatori in condizioni non ideali. Sessioni pratiche di MATLAB saranno svolte durante tutto il corso, coniugando la teoria e la pratica e consentendoti di sviluppare e valutare soluzioni innovative in varie applicazioni in modo autonomo. Una libreria di metodi di posizionamento e geolocalizzazione sarà sviluppata durante il corso in ambiente MATLAB. Il contenuto del corso si applica a: • Posizionamento e navigazione veicolare • Localizzazione di obbiettivi e navigazione di dispositivi in ambito robotico (veicoli con e senza pilota) • Rilevamento e localizzazione di interferenze in radiofrequenza, ad es. segnali di disturbo e spoofing • Sistemi di Navigazione Satellitare e tecnologie complementari di Posizionamento, Navigazione e Timing • Sistemi di Guida, Navigazione e Controllo (GNC) a bordo di veicoli aerospaziali e sistemi di tracciamento da terra • Metodi matematici per l'ingegneria, ad es. metodi di Maximum Likelihood (ML) per la stima di stato • Localizzazione e tracciamento di dispositivi IoT all'interno di reti di comunicazione moderne, ad es. 5G NR Questo corso di terzo livello adotta un approccio didattico sperimentale, suddiviso tra: • ~50% lezioni frontali su argomenti predefiniti • ~50% attività pratiche autonome, in cui gli studenti implementano ed esplorano tecniche specifiche legate ai contenuti teorici del corso (con il supporto dei docenti) Ogni argomento introduce gli strumenti teorici fondamentali, che gli studenti applicheranno immediatamente durante attività pratiche svolte in aula. Regole d’esame Per la valutazione finale, ogni studente selezionerà un argomento sviluppato durante le sessioni pratiche, ne identificherà ed esplorerà un uso avanzato (eventualmente riconducibile ai propri temi di ricerca) e lo presenterà al termine del corso. Un processo di valutazione basato su peer review potrà inoltre essere adottato, in funzione della partecipazione al corso.

- Elaborazione del Segnale: Familiarità con le tecniche per analizzare, modificare e sintetizzare i segnali, inclusi il filtraggio, le trasformate di Fourier e l'analisi spettrale. - Teoria del Rilevamento: Conoscenze di base dei principi della rilevazione dei segnali affetti da rumore, il test delle ipotesi e i processi decisionali. - Teoria della Stima: Conoscenza dei metodi statistici per stimare parametri sconosciuti, inclusi metodi come la stima di Maximum Likelihood (ML) e la stima bayesiana. - MATLAB: Esperienza pratica con MATLAB per il calcolo numerico, lo sviluppo di algoritmi e la visualizzazione dei dati.

0. Introduzione al problema della stima di stato e Hidden Markov Model (HMM) 1. Determinazione di osservabili a partire da segnali in radio-frequenza 1.1 Cross-correlazione tra osservazioni indipendenti del medesimo segnale 1.2 Determinazione delle misure di input per sistemi di localizzazione 2. Background su Estimation Theory 3. Geoposizionamento e Geolocalizzazione di emetittori in radiofrequenza 3.1 Metodi basati su angolo di arrivo (AOA) 3.2 Metodi basati su tempo di arrivo (TOA) 3.3 Metodi basati su differenza dei tempi di arrivo (TDOA) 3.4 Metodi basati su differenza degli offset di frequenza (FDOA) 3.5 Metodi basati su intensità di segnale ricevuto (RSSI) 3.5 Metodi ibridi 4. Adattamento dei metodi a problemi di posizionamento

In presenza

Presentazione orale - Presentazione report scritto - Prova di laboratorio di natura pratica sperimentale o informatico

P.D.2-2 - Maggio