Application of algorithms for system performance increasing in ICT

Different algorithms used in ICT are described in this dissertation regarding artificial intelligence, deep learning, and genetic algorithms to process signals in communication technologies with the purpose of increasing system performance. Advances in microwave and millimeter-wave systems have enabled remote sensing techniques previously utilized in long-range applications to be utilized in relatively close-range applications such as detection and categorization of human presence and measurement of human attributes thank to the huge bandwidth and the short time of signal transmission. The design of a WSN homogeneous network with hierarchical structure is demonstrated with the priority of covering an environment with minimal cost, high connection, and maximum longevity. In the first part will be presented different techniques to process the micro-Doppler signals coming from automotive radars regarding classification and tracking of the objective gained from the information of the target. The second part will present the comparison between machine learning and deep learning algorithm used for human activity classification purpose and getting the best results in terms of performance, accuracy etc. The last part is the demonstration of an enhanced genetic algorithm for improving performance in customizable hierarchical wireless sensor networks choosing weight combination to generate the most performable topology conceivable.

In questa dissertazione vengono descritti diversi algoritmi utilizzati nell'ICT riguardanti l'intelligenza artificiale, il deep learning e gli algoritmi genetici per elaborare i segnali nelle tecnologie di comunicazione con lo scopo di aumentare le prestazioni del sistema. I progressi nei sistemi a microonde e a onde millimetriche hanno consentito di utilizzare tecniche di telerilevamento precedentemente utilizzate in applicazioni a lungo raggio in applicazioni a raggio relativamente ravvicinato come il rilevamento e la categorizzazione della presenza umana e la misurazione degli attributi umani grazie all'enorme larghezza di banda e alla breve momento della trasmissione del segnale. La progettazione di una rete WSN omogenea con struttura gerarchica è dimostrata con la priorità di coprire un ambiente con costi minimi, connessione elevata e massima longevità. Nella prima parte verranno presentate diverse tecniche per elaborare i segnali micro-Doppler provenienti dai radar automobilistici riguardanti la classificazione e il tracciamento dell'obiettivo ricavato dalle informazioni del bersaglio. La seconda parte presenterà il confronto tra l'apprendimento automatico e l'algoritmo di deep learning utilizzato ai fini della classificazione delle attività umane e l'ottenimento dei migliori risultati in termini di prestazioni, accuratezza, ecc. L'ultima parte è la dimostrazione di un algoritmo genetico avanzato per migliorare le prestazioni in gerarchie personalizzabili reti di sensori wireless che scelgono la combinazione di peso per generare la topologia più performante possibile.