IoT and Big Data Sensing, Compression and Communications

Il corso si propone di fornire le conoscenze di base e gli strumenti metodologici necessari per comprendere e progettare l'intera filiera relativa alla generazione, acquisizione, compressione e trasmissione delle grandi quantità di dati prodotte dai sistemi dell'Internet of Things (IoT). Il corso affronterà la definizione, le caratteristiche e la tassonomia dei Big Data, nonché la struttura e i formati dei dati generati in diversi scenari applicativi rappresentativi, tra cui il monitoraggio ambientale, l'e-health, le smart city, gli ambienti veicolari e marittimi, insieme alle principali operazioni effettuate su tali dati.

In particolare, il corso tratterà i fondamenti della codifica di sorgente e delle tecniche di compressione senza perdita e con perdita applicate a dati provenienti da sensori, immagini, audio e video. Gli argomenti includeranno la codifica entropica, le tecniche basate su trasformate, quali la Trasformata Coseno Discreta (DCT) e le trasformate wavelet, i principali standard di codifica multimediale, tra cui JPEG, JPEG2000, MPEG e H.26x, nonché il compressive sensing. Il corso esaminerà inoltre tecnologie, architetture e protocolli di accesso per le comunicazioni di Big Data negli ambienti loT, tra cui IEEE 802.15.4 e ZigBee, Bluetooth e Bluetooth Low Energy (BLE), 6LoWPAN, IEEE 802.11, LoRa/LoRaWAN, Sigfox, MQTT e i protocolli per le reti veicolari, quali CAN bus, DSRC, IEEE 802.11p e le tecnologie correlate. Sarà inoltre fornita un'introduzione ai sistemi basati su Software-Defined Radio (SDR).

Una parte specifica del corso sarà dedicata agli scenari di sensing e comunicazione in ambienti sottomarini, ossia all'Internet of Underwater Things (IoUT). In tali scenari, i vincoli imposti dal canale di comunicazione acustico rendono particolarmente critica la scelta delle tecniche di compressione dei dati e dei protocolli di comunicazione. Il corso introdurrà i fondamenti teorici delle comunicazioni subacquee e fornirà una panoramica dello stato dell'arte della ricerca attuale.

Nel corso delle lezioni, gli studenti saranno introdotti all'utilizzo di strumenti software, tra cui MATLAB e ambienti di simulazione di rete, per l'analisi dei dati, la valutazione delle prestazioni degli algoritmi di compressione e la simulazione dei sistemi di comunicazione loT.

Il corso comprenderà esercitazioni pratiche e un progetto di gruppo finalizzato allo sviluppo di competenze pratiche, capacità di analisi critica dei risultati e abilità di problem solving. Gli studenti svilupperanno inoltre la capacità di collaborare e coordinarsi efficacemente con i propri colleghi, documentare il proprio lavoro e presentare pubblicamente i risultati ottenuti. Sarà inoltre organizzata una competizione tra i gruppi, che consentirà al gruppo più meritevole di ottenere un bonus da aggiungere al voto dell'esame finale.

Il corso è erogato in lingua inglese e utilizza materiale didattico in lingua inglese (english friendly).

Il corso prevede sia lezioni frontali in presenza (49 ore, corrispondenti a 7 CFU) sia attività esercitative e di laboratorio (30 ore, corrispondenti a 2 CFU), finalizzate all'applicazione pratica dei concetti teorici.

La didattica frontale è dedicata alla presentazione dei fondamenti teorici relativi alla generazione, compressione e trasmissione dei Big Data, comprendendo una parte specifica dedicata agli scenari sottomarini e al relativo stato dell'arte.

La didattica interattiva comprende esercitazioni guidate mediante strumenti software per l'analisi e la simulazione e, per la maggior parte delle ore, un'attività progettuale svolta in gruppo. Il progetto è articolato in percorsi differenziati dedicati, rispettivamente, ai sistemi basati su Software-Defined Radio e agli scenari di comunicazione sottomarina, e si conclude con la presentazione pubblica dei risultati ottenuti.

Le modalità didattiche sopra descritte sono coerenti con gli obiettivi formativi del corso, che mirano sia a fornire conoscenze relative alle tecniche di codifica, compressione e trasmissione dei dati e alle tecnologie loT, sia a sviluppare la capacità di applicare tali conoscenze in scenari realistici di progettazione e sperimentazione.

Qualora il corso venga erogato in modalità blended o a distanza, potranno essere apportate le necessarie modifiche alle modalità organizzative sopra descritte, al fine di garantire la coerenza con il programma previsto dal presente syllabus.

Conoscenze indispensabili

• Fondamenti di analisi matematica (derivate, integrali, notazione esponenziale)

• Algebra lineare: vettori, matrici e relative operazioni

• Nozioni di base di teoria della probabilità e variabili aleatorie

• Rappresentazione binaria dell'informazione e sistemi numerici

Conoscenze importanti

• Teorema del campionamento e quantizzazione

• Rappresentazione di un segnale nel dominio della frequenza e trasformata di Fourier

• Nozioni di base di teoria dell'informazione ed entropia

• Architettura a livelli di una rete di telecomunicazioni e concetto di protocollo

Conoscenze utili

• Utilizzo dell'ambiente MATLAB e/o del linguaggio Python

• Nozioni di base sulla propagazione radio e sulle reti wireless

• Scala logaritmica e decibel

• Elementi di programmazione e scripting

La frequenza è obbligatoria: per essere ammessi all'esame, gli studenti devono frequentare almeno il 70% delle ore di lezione e almeno il 70% delle ore dedicate all'attività progettuale.

Tale requisito è motivato dalla natura fortemente applicativa e sperimentale degli argomenti trattati e dal fatto che la partecipazione attiva alle attività pratiche e al progetto di gruppo costituisce parte integrante del processo di apprendimento e contribuisce direttamente al raggiungimento degli obiettivi formativi attesi.

Il docente si riserva la facoltà di valutare individualmente, mediante un colloquio, i casi di frequenza leggermente inferiore alle soglie sopra indicate, qualora adeguatamente motivati e purché sia comunque garantito il raggiungimento degli obiettivi formativi attesi.

Gli studenti lavoratori, previa presentazione di idonea certificazione attestante tale condizione, possono richiedere al docente, entro le prime tre settimane di lezione, in alternativa tra loro, una delle seguenti modalità:

• una deroga formale ai requisiti di frequenza sopra indicati, che possono essere ridotti al 40% delle ore, in cambio di un percorso di studio individuale comprendente un progetto individuale di impegno equivalente;

• l'esonero dall'attività progettuale, che comporta l'eliminazione di qualsiasi obbligo di frequenza e prevede un voto massimo conseguibile pari a 24/30, come specificato nella sezione relativa alle modalità di verifica dell'apprendimento.

Parte 1: Introduzione al corso (1 ora)

[Lezioni: 1 ora - Esercitazioni e laboratorio: 0 ore]

• Obiettivi del corso

• Modalità di svolgimento dell'esame

• Materiale didattico

Parte 2: Internet of Things e Big Data: scenari e definizioni (5 ore)

[Lezioni: 5 ore - Esercitazioni e laboratorio: 0 ore]

• Introduzione all'Internet of Things: architetture, tecnologie abilitanti e applicazioni

• Definizione, caratteristiche e tassonomia dei Big Data

• Tipologie di Big Data e operazioni di elaborazione dei Big Data

• Scenari applicativi: monitoraggio ambientale, e-health, smart city, ambienti veicolari e marittimi

Parte 3: Sensing dei Big Data: sorgenti, tipologie e formati dei dati (13 ore)

[Lezioni: 10 ore - Esercitazioni e laboratorio: 3 ore]

• Tipologie e sorgenti dei dati; meccanismi di generazione dei dati

• Sorgenti di immagini: fondamenti della codifica delle immagini e formati dei file immagine (JPEG, bitmap e altri)

• Sorgenti video: fondamenti della codifica video e formati dei file video

• Trasmissione multimediale: fondamenti, jitter e sincronizzazione, formati dei contenitori multimediali (MPEG e H.26x)

Parte 4: Compressione dei Big Data (16 ore)

[Lezioni: 12 ore - Esercitazioni e laboratorio: 4 ore]

• Fondamenti della codifica di sorgente e della teoria dell'informazione

• Tecniche di compressione senza perdita: codifica di Huffman, codifica di Shannon-Fano, codifica aritmetica e tecniche basate su dizionario

• Tecniche di compressione con perdita e misure di distorsione; curve rate-distortion

• Codifica basata su trasformate: trasformate DCT e wavelet; standard JPEG e JPEG2000

• Compressive sensing: sparsità, matrici di misura, condizioni e algoritmi di ricostruzione

• Esempi di tecniche di compressione applicate a diverse tipologie di dati

Parte 5: Comunicazione dei Big Data: tecnologie e architetture per l'loT (21 ore)

[Lezioni: 15 ore - Esercitazioni e laboratorio: 6 ore]

• Architetture e requisiti dei sistemi di comunicazione per i Big Data

• IEEE 802.15.4, ZigBee, Bluetooth e BLE, 6LoWPAN, MQTT

• IEEE 802.11 e Wi-Fi

• Low-Power Wide-Area Networks (LPWAN): LoRa/LoRaWAN, Sigfox, NB-IoT

• Reti veicolari, DSRC, CAN bus, LIN

• Software-Defined Radio (SDR)

• Esempi di comunicazione nodo-nodo mediante le tecnologie trattate nel corso

Parte 6: Sensing e comunicazione in ambienti sottomarini: Internet of Underwater Things (6 ore)

[Lezioni: 6 ore - Esercitazioni e laboratorio: 0 ore]

• Motivazioni e scenari applicativi: monitoraggio marino, sorveglianza e infrastrutture offshore

• Tecnologie di comunicazione sottomarina: collegamenti acustici, ottici e magneto-induttivi; modem acustici

• Il canale acustico sottomarino: attenuazione, rumore, banda dipendente dalla distanza, propagazione multipath ed effetti Doppler

• Protocolli MAC, di routing e di localizzazione per reti di sensori sottomarine

• Dati sottomarini come Big Data: sorgenti dei dati, compressione ed elaborazione in situ

Italian books

[1] A. Rezzani, Big Data Analytics: II manuale del data scientist, Apogeo Maggioli Editore.

[2] V. Lombardo, A. Valle, Audio e multimedia, 4a edizione, Apogeo Maggioli Editore.

[3] Diapositive proiettate a lezione.

English books

[3] Lecture slides.

[4] D. Salomon, Data Compression: The Complete Reference, 4th edition, Springer.

[5] Z. Li, M. Drew, Fundamentals of Multimedia, Pearson.

[6] Z. Han, H. Li, W. Yin, Compressive Sensing for Wireless Networks, Cambridge University Press.

[7] F. Wu, Advances in Visual Data Compression and Communication: Meeting the Requirements of New Applications, CRC Press.

Scientific papers

[8] U. Raza, P. Kulkarni, M. Sooriyabandara, "Low Power Wide Area Networks: An Overview", IEEE Communications Surveys and Tutorials, vol. 19, no. 2, pp. 855-874, 2017.

[9] J. Lin, W. Yu, N. Zhang, X. Yang, H. Zhang, W. Zhao, "A Survey on Internet of Things: Architecture, Enabling Technologies, Security and Privacy, and Applications", IEEE Internet of Things Journal, vol. 4, no. 5, October 2017.

[10] M. Stojanovic, J. Preisig, "Underwater Acoustic Communication Channels: Propagation Models and Statistical Characterization", IEEE Communications Magazine, vol. 47, no. 1, pp. 84-89, January 2009.

[11] I. F. Akyildiz, D. Pompili, T. Melodia, "Underwater Acoustic Sensor Networks: Research Challenges", Ad Hoc Networks, vol. 3, no. 3, pp. 257-279, 2005.

[12] N. Jahanbakht, W. Xiang, L. Hanzo, M. R. Azghadi, "Internet of Underwater Things and Big Marine Data Analytics: A Comprehensive Survey", IEEE Communications Surveys & Tutorials, vol. 23, no. 2, pp. 904-956, 2021.

[13] R. J. Urick, Principles of Underwater Sound, 3rd edition, McGraw-Hill.

[14] Scientific papers and reference standards indicated by the lecturer during the course.

Modalità di verifica dell'apprendimento

L'esame consiste in una prova orale e nella realizzazione di un progetto di gruppo svolto durante il corso. II progetto è obbligatorio per tutti gli studenti, fatto salvo quanto specificamente previsto per gli studenti lavoratori nella sezione seguente.

La prova orale consiste generalmente in tre domande: una relativa alle sorgenti dei dati, una relativa alle tecniche di codifica e compressione e una relativa alle tecnologie e ai protocolli di comunicazione per l'loT. La prova orale ha generalmente una durata di circa 30-40 minuti. Il voto finale, espresso in trentesimi, è determinato dalla prova orale ed è basato sulla pertinenza delle risposte, sulla correttezza e completezza dei contenuti, sulla capacità di stabilire collegamenti con gli altri argomenti trattati nel programma, sulla capacità di fornire esempi pertinenti e sull'uso appropriato della terminologia tecnica.

Il progetto si conclude con una presentazione pubblica, durante la quale i gruppi illustrano e confrontano il rispettivo lavoro. Il progetto contribuisce alla valutazione finale mediante l'assegnazione di un punto aggiuntivo al voto d'esame ai componenti del gruppo che presenta il progetto migliore. La valutazione si basa sulla correttezza e originalità della soluzione proposta, sulla qualità della sua implementazione e della relativa valutazione sperimentale e sull'efficacia della presentazione. Il punto aggiuntivo può concorrere anche all'assegnazione della lode (30/30 e lode).

Studenti lavoratori

Gli studenti lavoratori possono richiedere al docente, entro le prime tre settimane di lezione e previa presentazione di idonea documentazione attestante tale condizione, una delle seguenti due opzioni:

• esonero formale dall'obbligo di frequenza, subordinato alla definizione di un piano di studio individuale concordato con il docente, comprendente un progetto individuale che preveda un livello di impegno equivalente e attività di verifica intermedie, che potranno essere svolte anche a distanza. Questa opzione consente di conseguire il voto massimo di 30/30 e lode senza alcuna limitazione;

• esonero dall'attività progettuale, che comporta anche l'eliminazione dell'obbligo di frequenza. In questo caso, l'esame consiste esclusivamente nella prova orale e il voto massimo conseguibile è pari a 24/30, poiché, in assenza del progetto e della relativa presentazione, non è possibile valutare le competenze pratiche e comunicative incluse tra gli obiettivi formativi attesi.

Il docente si riserva la facoltà di valutare individualmente, mediante un colloquio, i casi in cui la frequenza risulti leggermente inferiore alle soglie indicate, purché le circostanze siano adeguatamente motivate e sia comunque garantito il raggiungimento degli obiettivi formativi attesi.

Al fine di garantire pari opportunità e in conformità alla normativa vigente, gli studenti interessati possono richiedere un colloquio individuale per concordare eventuali adeguate misure compensative e/o dispensative, sulla base degli obiettivi formativi e delle specifiche esigenze individuali. Gli studenti possono inoltre rivolgersi al referente CinAP (Centro per l'Integrazione Attiva e Partecipata - Servizi per gli studenti con disabilità e/o Disturbi Specifici dell'Apprendimento) del proprio Dipartimento.

La verifica dell'apprendimento potrà essere svolta anche a distanza, qualora richiesto dalle circostanze e previa opportuna autorizzazione.

1. Loss Less compression techniques, entropy considerations

2. Lossy compression techniques, entropy considerations

3. Huffman encoding

4. Shannon Fano encoding

5. Arithmetic encoding techniques

6. Transform encoding techniques (DCT and Wavelet)

7. Audio encoding

8. Video encoding and standards

9. Image encoding (JPEG and JPEG2000)

10. IEEE 802.11 and WiFi

11. IEEE 802.15.4 and ZigBee

12. Bluetooth and BLE

13. SigFox

14. LoRa