Programa del congreso

The Internet of Things (IoT) has revolutionized device interconnectivity in both industrial and home environments. However, the lack of interoperability between proprietary solutions has hindered its widespread adoption. To address this, open standards such as MQTT and later Matter have emerged as leading protocols for smart home applications. This paper presents a comparative analysis of MQTT and Matter, focusing on their architectures and performance in terms of communication latency through an experimental setup designed to measure the response time of both protocols in a real-world domestic scenario.

Hardware acceleration has gained renewed interest recently due to its great potential to solve the computational burdens associated with SW based implementation of real time communication systems. This approach considers SW based implementation of most of the communication functions due to its fast development cycles and great flexibility compared to HW development. However, those functions that are computationally demanding are implemented in HW to greatly reduce the computational time. Due to its iterative nature, channel encoding and decoding is related to high computational costs. This motivated us to develop a solution to this problem by offloading the encoding function to an FPGA. To minimize communication time between the computer and the FPGA, the PCIe interface is used, which achieves high transfer speeds. The results show the encoding of the message both in the computer and in the FPGA, along with their corresponding validation and performance metrics.

En los últimos años, el uso de constelaciones de satélites en Órbita Terrestre Baja (LEO, por sus siglas en inglés) para navegación ha ganado una atención significativa debido a sus ventajas sobre los sistemas tradicionales en Órbita Terrestre Media (MEO), como señales más fuertes, menor latencia y mayor resiliencia. Este artículo presenta el desarrollo de un receptor definido por software de extremo a extremo que aprovecha las señales de Iridium Next en LEO como Señales de Oportunidad (SoOp, por sus siglas en inglés). El flujo de trabajo comienza con la captura de señales en vivo utilizando un Radio Definido por Software (SDR) como interfaz de RF, seguido del procesamiento de las señales capturadas mediante un receptor basado en software. El receptor implementa algoritmos de adquisición y seguimiento para extraer mediciones de Doppler y la intensidad de las señales. Estas observables son evaluadas para determinar su idoneidad en aplicaciones de estimación de posicionamiento, navegación y tiempo (PNT, por sus siglas en inglés), comparándolas con las mediciones esperadas obtenidas mediante la simulación de la dinámica de los satélites. Al aprovechar los desplazamientos dinámicos del efecto Doppler inducidos por el rápido movimiento de los satélites en LEO, este enfoque demuestra su potencial para proporcionar soluciones robustas de navegación en entornos donde las señales tradicionales del GNSS pueden estar indisponibles o degradadas.

Las vocalizaciones de Orcinus orca han sido estudiadas durante mucho tiempo por la comunidad científica. Muchos de estos estudios dependen del monitoreo acústico pasivo, que a menudo implica el procesamiento manual de datos. Automatizar estas tareas podría mejorar el análisis de datos y proporcionar una comprensión más profunda del comportamiento vocal de la especie.

Con el auge de la inteligencia artificial en los últimos años, se han realizado esfuerzos para automatizar tareas clave, principalmente la detección y clasificación.

Este artículo presenta los avances recientes en el sistema desarrollado en Orca Ocean, Loro Parque. Introducimos una infraestructura basada en GStreamer con elementos de inteligencia artificial, capaz de detectar, discriminar y clasificar transmisiones de audio provenientes de hidrófonos en tiempo real durante largos períodos.

Este sistema podría permitir el uso de datos del comportamiento vocal como un indicador adicional del bienestar animal. Además, el estudio de los patrones de secuencias podría mejorar nuestra comprensión de la comunicación de Orcinus orca.

Los sistemas actuales de monitorización acústica pasiva proporcionan grabaciones durante periodos de varios meses, como en el caso de los soundtraps. Estos sistemas pueden provocar una pérdida de contexto en el entorno sonoro y, además, incrementar los costes de fabricación e instalación. Por lo tanto, se ha desarrollado un nodo modular que permite el despliegue de plataformas para la monitorización acústica submarina, capaces de realizar mediciones de energía de banda de larga duración y monitorización en tiempo real, además de permitir la localización y detección de fuentes sonoras.

Estas plataformas se pueden fabricar a bajo coste y los módulos están diseñados para una fácil instalación, flexibilidad y aplicación en diferentes escenarios. La modularidad del diseño se ha aplicado tanto al hardware como al software.

Esta comunicación trata sobre una aplicación de informática forense aplicada a imágenes (vídeo en este caso), donde se utiliza un patrón de ruido característico del sensor de imagen para identificar la cámara fuente (SCI: Source Camera Identification) en vídeos de cámaras web/teléfonos inteligentes. La identificación se basa en el cálculo del ruido intrínseco que siempre está presente en este tipo de dispositivos debido a imperfecciones de fabricación. Esta es una característica inevitable que vincula cada sensor con su patrón de ruido. El patrón PRNU (Photo Response Non-Uniformity) se ha convertido en la técnica más utilizada para realizar identificación de cámaraa. Hoy en día, existen muchas aplicaciones que tratan con patrones de PRNU para la identificación de cámaras utilizando imágenes fijas. En este trabajo, nos centramos en el vídeo, primero en vídeo de cámaars Web y después en vídeo de teléfonos inteligentes. Las cámaras Web y los teléfonos inteligentes son las cámaras de vídeo más utilizadas en la actualidad. En este trabajo, se implementan y evalúan tres posibles métodos para la SCI.