This thesis presents contributions to node localization in mobile sensor networks. Considering the importance of localization algorithms in identifying the location of an event in order to better determine the action to be taken by the user, a new localization algorithm to operate in mobile networks was designed, assuming an uncontrollable movement of the nodes. This algorithm, which we call CentroidM, has the Centroid method as a stand. Positive features of the Centroid algorithm were kept while their limitations due to the dynamic characteristcs of the network movement were mitigated. Besides the concern regarding the accuracy of the method, the power consumption of the algorithm was addressed too. The design of an dedicated integrated circuit to deal with the localization task in a mobile network is justified given the high activity of such a subsystem in the given scenario. This way, the focus of this Thesis relies on a low power localization algorithm for mobile networks, with characteristics to allow raising calculated coordinates accuracy in both static and mobile scenarios. The results show that the CentroidM is 30% more accurate than the Centroid on a static scenario, and 40% when we consider a node movement without actuators. These benefits have some computational overhead, increasing 2.76 times the time spent by the CentroidM to run a localization process. However, simulation results showed it is possible to remove such overhead and still keep the achieved estimation gains near 10%. The implementation of the localization method was accomplished through an integrated circuit, which reduced the energy expended during the computation of the coordinates by an order of magnitude when comparing with the execution of the algorithm in a low power commercial microcontroller. / Esta Tese apresenta contribuições ao processo de localização de nodos em redes de sensores móveis. Considerando a importância de algoritmos de localização em uma rede para identificar o local do evento sob estudo e determinar a ação a ser tomada pelo usuário, é desenvolvido um novo algoritmo de localização para operar em redes de sensores móveis, focando o aspecto da mobilidade não controlada dos nodos. Este algoritmo, ao qual denominamos CentroidM, teve como base de desenvolvimento o método Centroid. Foram mantidas as características positivas do Centroid e exploradas as limitações do método para a sua execução em uma rede que considera o movimento. Além do objetivo em reduzir o erro das estimativas de posicionamento calculadas pelo algoritmo, o consumo de potência do método apresentado neste trabalho é enfatizado. O projeto de um circuito integrado dedicado que desempenhe o processo de localização em uma rede móvel é justificado pela intensa utilização de tal subsistema neste tipo de rede, além dos benefícios que um hardware dedicado traz face à redução da energia gasta nesta operação. Desta forma, o foco deste trabalho recai sobre um algoritmo de localização para redes móveis e as características desta abordagem que permitiram aumentar a precisão das estimativas de posicionamento tanto em um cenário com ausência de movimento dos nodos, quanto em outro onde o aspecto da mobilidade sem atuadores foi considerada. Os resultados obtidos nesta Tese demostraram que o CentroidM é 30% mais preciso que o Centroid para um cenário estático e 40% considerando a mobilidade da rede. O ganho alcançado em precisão teve um custo computacional que elevou em 2, 76 vezes o tempo gasto pelo CentroidM para realizar um procedimento de localização. Contudo, os resultados de simulação mostraram que é possível eliminar a sobrecarga computacional e ainda assim atingir ganhos em precisão próximos a 10%. O desenvolvimento do método de localização é complementado pela sua implementação em um circuito integrado dedicado, reduzindo a energia gasta no processo de estimativa da posição em uma ordem da magnitude face à execução do algoritmo em um microcontrolador comercial de baixo consumo.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / Applications that use sensor networks depends on knowing which position where each node is arranged in a particular geographic area. For this, there are algorithms that perform location calculations to estimate the exact position of each node. These algorithms use a different techniques and metrics to make it, for example: the measure of intensity of signal transmission between two nodes. In a sensor network with high density, it becomes infeasible to manually configuring each node positioning. To optimize this task, was developed different types of localization algorithms, with application in several areas, such as tracking, routing protocols, network density control, self organizing, monitoring remote areas, precision agriculture, among others. The basis for localization algorithms is to have a number of reference points, where from these, is calculated the position of each node. A network of sensors with a greater number of reference points, one can consider a network with higher accuracy for calculating the position of its nodes. This is due to being closer to the reference points. However, may result in a higher processing, thereby having a higher energy consumption. Developing a location algorithm with fewer reference points is not a trivial problem. This, because will increase the distance between the node and the reference point and may thereby inserting errors in the measurement of the criteria for the calculation of positioning. For calculation purposes, there are two types of algorithms, algorithms for centralized processing and distributed processing algorithms. Each with its advantages and disadvantages that will be discussed in this paper. The location algorithm is based on a calculation according to data coordinates in a coordinate system, which is raised according to the technique used to denote the distance between the sensor node and the reference points. The importance of knowing the location of each node, there is the need to know exactly where a particular event is occurring. For example, a forest that occupies a large geographic area is to principles of fire at different locations. / Aplicações que utilizam redes de sensores dependem de saber qual a posição onde cada nó encontra-se disposto em uma determinada área geográfica. Para isto, existem algoritmos de localização que efetuam cálculos a fim de estimar a posição exata de cada nó. Estes algoritmos utilizam-se de diferentes técnicas e medidas para realizar tal tarefa, como por exemplo: a medida de intensidade de sinal de transmissão entre dois nós. Em uma rede de sensores com alta densidade, torna-se inviável a configuração manual do posicionamento de cada nó. Para otimizar esta tarefa, foram desenvolvidos diferentes tipos de algoritmos de localização, com aplicação nas mais diversas áreas, como: rastreamento, protocolos de roteamento, controle de densidade da rede, auto organização, monitoramento de áreas remotas, agricultura de precisão, entre outros. A base para algoritmos de localização é possuir um número de pontos de referência, onde a partir destes, será calculado a posição de cada nó. Uma rede de sensores com maior número de pontos de referência, pode-se considerar uma rede com maior precisão para o cálculo de posição de seus nós. Isso, é devido aos nós estarem mais próximos aos pontos de referência. Porém, pode acarretar em um maior processamento, assim, tendo um maior consumo de energia. Projetar um algoritmo de localização com um menor número de pontos de referência não é um problema trivial. Isto porque irá aumentar a distância entre o nó e o ponto de referência, podendo desta forma, inserir erros na medição dos critérios para o cálculo de posicionamento. Para fins de cálculo, existem dois tipos de algoritmos, os algoritmos de processamento centralizado e os algoritmos de processamento distribuído. Cada um com suas vantagens e desvantagens que serão abordadas no decorrer deste trabalho. O algoritmo de localização baseia-se em um cálculo de acordo com as coordenadas em um dado sistema de coordenadas, que será levantada de acordo com a técnica utilizada para estipular a distância entre o nó sensor e os pontos de referência. A importância de conhecer a localização de cada nó, dá-se a necessidade de saber exatamente onde está ocorrendo determinado evento. Por exemplo, uma floresta que ocupa uma grande área geográfica está com princípios de incêndio em diferentes locais. É preciso avaliar quais são estes locais e qual significa um maior risco de destruição, para isto, é preciso saber a posição exata de cada local e assim tomar as devidas decisões de qual princípio deverá ser combatido primeiro. Neste caso, os nós sensores estariam estáticos, porém seria uma rede de sensores de alta densidade para cobrir uma área significativa de floresta. Pode-se também ter uma rede de sensores com nós móveis, onde então o objetivo é realizar o rastreamento da locomoção destes nós. A partir deste rastreamento, pode-se identificar o comportamento de um rebanho de animais por exemplo, verificando seu deslocamento, velocidade e direção. Com estes dados de comportamento, dependendo do animal pode-se deduzir se ele está doente, alimentando-se ou até mesmo morto se imóvel por um longo período de tempo.

Sofisticadas técnicas para estimação de modelos baseadas em simulação, os filtros de partículas ou métodos de Monte Carlo Seqüenciais, foram empregadas recentemente para solucionar diversos problemas difícieis no campo da robótica móvel. No entanto, o sucesso dos fitros de partículas limitou-se à computação de parâmetros em espaços de baixa dimensionalidade. Os atuais esforços de pesquisa em robótica móvel têm comecado a explorar certas propriedades estruturais de seus domnios de aplicação que envolvem a utilização de filtros de partculas em espacos de maior dimensão, aumentando consideravelmente a complexidade da simulação envolvida. Simulações estatsticas dessa natureza requerem uma grande quantidade de numeros pseudo-aleatorios que possam ser gerados eficientemente e atendam a certos criterios de qualidade. O processo de geração de numeros pseudo-aleatorios torna-se o ponto crtico de tais aplicações em termos de desempenho. Neste contexto, a computação reconguravel insere-se como uma tecnologia capaz de satisfazer a demanda por alto desempenho das grandes simulações estatsticas pois sistemas baseados em arquiteturas reconguraveis possuem o potencial de mapear computação em hardware visando aumento de eficiência sem comprometer seriamente sua exibilidade. Tecnologias reconguraveis também possui o atrativo de um baixo consumo de energia, uma caracterstica essencial para os futuros robôs moveis embarcados. Esta dissertação apresenta a implementação um sistema embarcado baseado em FPGA e projetado para solucionar o problema de localização de robôs por meio de tecnicas probabilsticas. A parte fundamental de todo este sistema e um veloz gerador de numeros aleatorios mapeado ao hardware reconguravel que foi capaz de atender rígidos criterios estatsticos de qualidade / Sophisticated techniques for estimation of models based on simulation, particle filters or Sequential Monte Carlo Methods, were recently used to solve many difficult problems in the field of mobile robotics. However, the success of particle filters was limited to the computation of parameters in low dimensionality spaces. The current research efforts in mobile robotics have begun to explore some structural properties of their application\'s domain involving the use of particle filters in spaces of a higher dimension, greatly increasing the complexity of the involved simulation. Statistical simulations of this nature require a lot of pseudorandom numbers that can be generated efficiently and meet certain quality criteria. The process of generating pseudorandom number becomes the critical point of such applications in terms of performance. In this context, reconfigurable computing is a technology capable of meeting the demand for high performance of large statistical simulations because systems based on reconfigurable architectures have the potential to map computation to hardware aiming to increase eficiency without a serious drawback in exibility. Reconfigurable technologies are also attractive because of their low energy consume, a essential feature for the future mobile robots. This dissertation presents an implementation of a FPGA based embedded system designed to solve the robot localization problem by the means of probabilistic technics. The fundamental part from the whole system is a fast random number generator mapped to reconfigurable hardware wich atends a rigid quality criteria

Sofisticadas técnicas para estimação de modelos baseadas em simulação, os filtros de partículas ou métodos de Monte Carlo Seqüenciais, foram empregadas recentemente para solucionar diversos problemas difícieis no campo da robótica móvel. No entanto, o sucesso dos fitros de partículas limitou-se à computação de parâmetros em espaços de baixa dimensionalidade. Os atuais esforços de pesquisa em robótica móvel têm comecado a explorar certas propriedades estruturais de seus domnios de aplicação que envolvem a utilização de filtros de partculas em espacos de maior dimensão, aumentando consideravelmente a complexidade da simulação envolvida. Simulações estatsticas dessa natureza requerem uma grande quantidade de numeros pseudo-aleatorios que possam ser gerados eficientemente e atendam a certos criterios de qualidade. O processo de geração de numeros pseudo-aleatorios torna-se o ponto crtico de tais aplicações em termos de desempenho. Neste contexto, a computação reconguravel insere-se como uma tecnologia capaz de satisfazer a demanda por alto desempenho das grandes simulações estatsticas pois sistemas baseados em arquiteturas reconguraveis possuem o potencial de mapear computação em hardware visando aumento de eficiência sem comprometer seriamente sua exibilidade. Tecnologias reconguraveis também possui o atrativo de um baixo consumo de energia, uma caracterstica essencial para os futuros robôs moveis embarcados. Esta dissertação apresenta a implementação um sistema embarcado baseado em FPGA e projetado para solucionar o problema de localização de robôs por meio de tecnicas probabilsticas. A parte fundamental de todo este sistema e um veloz gerador de numeros aleatorios mapeado ao hardware reconguravel que foi capaz de atender rígidos criterios estatsticos de qualidade / Sophisticated techniques for estimation of models based on simulation, particle filters or Sequential Monte Carlo Methods, were recently used to solve many difficult problems in the field of mobile robotics. However, the success of particle filters was limited to the computation of parameters in low dimensionality spaces. The current research efforts in mobile robotics have begun to explore some structural properties of their application\'s domain involving the use of particle filters in spaces of a higher dimension, greatly increasing the complexity of the involved simulation. Statistical simulations of this nature require a lot of pseudorandom numbers that can be generated efficiently and meet certain quality criteria. The process of generating pseudorandom number becomes the critical point of such applications in terms of performance. In this context, reconfigurable computing is a technology capable of meeting the demand for high performance of large statistical simulations because systems based on reconfigurable architectures have the potential to map computation to hardware aiming to increase eficiency without a serious drawback in exibility. Reconfigurable technologies are also attractive because of their low energy consume, a essential feature for the future mobile robots. This dissertation presents an implementation of a FPGA based embedded system designed to solve the robot localization problem by the means of probabilistic technics. The fundamental part from the whole system is a fast random number generator mapped to reconfigurable hardware wich atends a rigid quality criteria