Publications

You can also find my articles on my Google Scholar profile.

Journal Articles

Ingeniería inversa de pizarra electrónica de béisbol, desarrollo de nuevas propuestas y aplicaciones.

Published in RIELAC, 2009

Las pizarras electrónicas se utilizan en los eventos deportivos como medios de control y visualización de la información. En la mayoría de los casos, estos equipos electrónicos se encuentran regulados por las federaciones deportivas internacionales correspondientes. En Cuba los principales estadios de béisbol, disponen de una pizarra electrónica profesional. Estas pizarras necesitan mantenimiento y reparación, sin embargo no existe la suficiente información del fabricante. Igualmente, el software facilitado por el fabricante para el control de estas pizarras no satisface las necesidades de los operadores. En este trabajo se realiza la ingeniería inversa a los distintos módulos de visualización de la pizarra, así como a los protocolos de comunicaciones. Como resultados, se dispone de los esquemas electrónicos, documentación del funcionamiento, así como de los protocolos de comunicaciones. Con estos resultados, se desarrollaron herramientas para pruebas de los módulos de visualización por separado y un nuevo software de control de la pizarra ajustado a las necesidades de los operadores. Adicionalmente se propone una mejor estructura y protocolo, con su respectiva aplicación de software, que reduce la complejidad de interconexión entre los módulos de visualización de la pizarra.

Recommended citation: Bazán-Prieto, Carlos, Acuña-Pérez, Adrian, & Acosta-González, Rigoberto. (2019). Ingeniería inversa de pizarra electrónica de béisbol, desarrollo de nuevas propuestas y aplicaciones. Ingeniería Electrónica, Automática y Comunicaciones, 40(1), 96-105.
Download Paper

Conference Papers

Impacto del control de compresión en la entropía de la señal electroencefalográfica reconstruida

Published in 18th International Symposium of Electrical Engineering SIE 2019, 2019

La compresión con pérdidas en señales electroencefalográficas (EEG) se realiza generalmente para reducir el uso de memoria, reducir los tiempos empleados en la transmisión y ahorrar la carga de las baterías que alimentan a los equipos. Sin embargo, la valoración cuantitativa de la calidad de la señal reconstruida es un tema no resuelto. En este trabajo se evalúa la entropía de la señal recuperada, para valorar el impacto de dos métricas de control de la compresión. Para esto se utiliza un algoritmo de compresión con pérdidas para la señal EEG, con dos alternativas de control: mediante Percentage Root mean square Difference y Root Mean Square Error. Primeramente se utiliza un caso de estudio para mostrar el impacto de estas alternativas sobre la entropía de la señal reconstruida. Finalmente se amplía el estudio y se realiza la comparación de las dos alternativas, según la calidad de la señal reconstruida y la relación con la tasa de compresión. Como resultado, se pudo comprobar la ventaja del empleo de la métrica Root Mean Square Error para el control de la compresión con pérdidas.

Recommended citation: DR. CARLOS A. BAZÁN PRIETO; RIGOBERTO ACOSTA GONZÁLEZ; DANIEL ORAMAS OÑOZ. Efectos de la normalización en la compresión de señales electroencefalográficas. Cuba. Cayos de Villa Clara. 2019. Simposio. XVIII Simposio Internacional de Ingeniería Eléctrica. Universidad Central "Marta Abreu" de Las Villas
Download Paper

Efectos de la normalización en la compresión de señales electroencefalográficas.

Published in 18th International Symposium of Electrical Engineering SIE 2019, 2019

Comprimir señales electroencefalográficas (EEG) es vital, por el uso creciente de dispositivos portátiles, por la necesidad del ahorro de energía de estos para la transmisión de la información. El empleo de autocodificadores para comprimir requiere de varias etapas de preprocesamiento de la señal. Dentro de estas etapas la normalización de la señal EEG es de importancia pues reduce el tiempo de entrenamiento y alcanza un mejor aprendizaje. Pero la normalización introduce errores por aproximación. En esta investigación se analizan los efectos de la normalización en la compresión de señales EEG mediante autocodificadores. Se proponen dos sistemas de compresión, uno donde se emplea la normalización y otro donde se omite esta etapa dada las bondades de la base de datos seleccionada. Se utilizan las métricas RMSE y PRD para comparar ambos sistemas. Aunque la diferencia de RMSE y PRD entre ambos sistemas sea pequeña, el sistema que omite normalizar posee una cantidad de fragmentos inferior al 22% del total con un PRD mayor al 20% de distorsión. Mientras que el sistema que emplea normalización la cantidad de fragmentos es mayor al 25% del total. Por tanto la normalización influye en el proceso de recuperación introduciendo mayor distorsión. Se hace necesario otros métodos de normalización donde los errores por aproximación sean menores, pues las bases de datos de señales EEG no siempre poseen sus valores en el rango de -1 hasta 1.

Recommended citation: RIGOBERTO ACOSTA GONZÁLEZ; DR. CARLOS A. BAZÁN PRIETO; LESTER FRIAS DOMINGUEZ. Efectos de la normalización en la compresión de señales electroencefalográficas. Cuba. Cayos de Villa Clara. 2019. Simposio. XVIII Simposio Internacional de Ingeniería Eléctrica. Universidad Central "Marta Abreu" de Las Villas
Download Paper

Book Chapters

A Cooperative Multiagent Approach for Optimal Drone Deployment Using Reinforcement Learning.

Published in Wiley Online Books, 2023

The use of drones in the context of mobile networks has seen an exponential increase in the last couple of years due to the potential advantages in terms of line of sight, mobility, and agility when compared to traditional ground networks. Despite these advantages, the optimal deployment of aerial networks is still challenging, with several works proposing different implementation alternatives. In this work, we propose a Q-learning algorithm based on a cooperative multiagent approach to intelligently find the optimal positions for a set of drones. The main objective of the proposed solution is to minimize the number of users in outage, depending on the density of users, through the dynamic assignment of transmission frequencies and considering whether each drone is participating in the communication stage. We propose and compare four different strategies for the Q-learning algorithm with different action selection policies, whose algorithms differ in terms of design complexity, ability to vary the number of drones in operation, and convergence time. The results show that as the density of users in the region of interest increases, the number of frequencies in operation must increase. In addition, for a single frequency the ALL strategy obtains the best results in all scenarios. But for three and six frequencies the New strategy gets the best results in all scenarios.

Recommended citation: Acosta-González, R., Klaine, P.V., Montejo-Sánchez, S., Souza, R.D., Zhang, L. and Imran, M.A. (2021). A Cooperative Multiagent Approach for Optimal Drone Deployment Using Reinforcement Learning. In Autonomous Airborne Wireless Networks (eds M.A. Imran, Q. Abbasi, O. Onireti and S. Ansari). https://doi.org/10.1002/9781119751717.ch4
Download Paper

ragonzalez