| KEYWORD |
Area Ingegneria
Monitoraggio invisibile: implementazione di un algoritmo per l’imaging tramite radar FMCW per la classificazione del movimento
Parole chiave MACHINE LEARNING, PROCESSAMENTO DI SEGNALI, RADAR
Riferimenti DANILO DEMARCHI, PAOLO MOTTO ROS
Riferimenti esterni Irene Buraioli (irene.buraioli@polito.it)
Gruppi di ricerca MiNES (Micro&Nano Electronic Systems)
Tipo tesi SPERIMENTALE
Descrizione Il monitoraggio delle attività umane è da sempre una necessità in moltissime applicazioni. Basti pensare a tutte le più recenti HMIs (Human Machine Interface) con applicativi nei più svariati ambiti industriali, o ai sistemi di monitoraggio di pazienti a rischio in ambito medico, o ai sistemi di monitoraggio di autisti e piloti. Le soluzioni attualmente in uso prevedono l’utilizzo di sistemi a contatto indossabili che sicuramente limitano il soggetto nelle sue funzioni risultando talvolta scomodi, irritanti, e quindi meno efficaci. Lo sviluppo di sistemi ‘invisibili’ supera molti di questi limiti, e sicuramente le tecnologie radar miniaturizzate sono tra le più promettenti.
Lo scopo di questa tesi è l’analisi di dati radar in modalità MIMO (Multiple Input Multiple Output) con la consegeunte implementazione di un algortimo di machine learning per la corretta classificazione delle attività umane.
Il lavoro di tesi proposto si articolerà nel seguente modo:
1) Al candidato sarà richiesto di effettuare un’analisi sullo stato dell’arte riguardante gli algoritmi maggiormente utilizzati per l’analisi di dati radar e dei corrispettivi algortimi di machine learning per la classificazione delle attività umane.
2) Successivamente il candidato dovrà implementare le soluzioni proposte per l’analisi dei dati radar con la conseguente acquisizione di un dataset definendo un gruppo di attività da identificare.
3) Infine, il candidato dovrà validare l’algortimo di machine learning proposto sul dataset acquisito, e valutare l’efficacia e le performance dello stesso.
Tale processo permetterà al candidato di dimostrare l’efficacia nella classificazione di attività umane con una soluzione ‘invisibile’, riutilizzabile in svariate applicazioni industriali.
Conoscenze richieste Elaborazione di segnali, programmazione in Matlab, conoscenze base di ML
Scadenza validita proposta 14/12/2024
PROPONI LA TUA CANDIDATURA