| RESUMEN Y OBJETIVOS|

El objetivo principal del Programa Pro-Multidis es desarrollar diseños yprocedimientos inteligentes en ámbitos de procesamiento distribuidoy redes móviles, para una codificación multimedia de la información ypercepción del entorno.

A través de este avance en la incorporación de inteligencia de procesa-miento y ambiental en entornos distribuidos avanzados y redes de comu-nicaciones, se pretende además desarrollar una serie de subproductos rela-cionados con otros ámbitos TIC.

Se prevé una aplicación directa de los diseños máquina a los ámbitos aso-ciados de Ayuda a la Decisión, Minería de Datos / Inteligencia de Nego-cio o la aplicación de algoritmos de fusión de datos, colaborando en elaumento de la productividad de los casos específicos de negocio en losque se apliquen. Igualmente, los desarrollos previstos tienen relevantesaplicaciones en los ámbitos de la salud, medio ambiente o seguridad.

| SOCIOS|

Coordinador general

ANÍBAL FIGUEIRAS VIDALGrupo de Gestión y Procesamiento de la Información(G2PI)Universidad Carlos III de Madrid

Socios

Grupo de Tratamiento de Señal (GTS)Universidad Carlos III de MadridCoordinador: ANTONIO ARTÉS RODRÍGUEZ

Grupo de Tratamiento de Imágenes (GTI)Universidad Politécnica de MadridCoordinador: NARCISO GARCÍA SANTOS

Grupo de Tratamiento de Imágenes (GTI)Universidad Autónoma de MadridCoordinador: JOSÉ MARÍA MARTÍNEZ SÁNCHEZ

Grupo de Comunicaciones Inalámbricas (GCI)Universidad Rey Juan Carlos de MadridCoordinador: FRANCISCO JAVIER RAMOS LÓPEZ

| LÍNEAS DE TRABAJO DESTACADAS|

Los grupos de investigación participantes desarrollan su actividad cientí-fica y tecnológica en torno a las siguientes líneas de trabajo:

1. Crear, desarrollar, analizar y evaluar nuevos métodos máquina por super-posición de modelos en arquitecturas convencionales, y derivar posi-bles versiones adaptativas.

2. Diseñar, aplicar y analizar nuevos métodos de extracción de informa-ción a partir de nodos sensores distribuidos (tanto físicos como virtua-les) considerando los problemas de captación, fusión y comunicación.

3. Analizar, extraer, describir, indexar, adaptar, codificar y transmitircontenidos audiovisuales y multimedia, operando sobre informa-ción de varias calidades (incluyendo televisión digital y de altadefinición) y estructuras 3D.

4. Desarrollar nuevas tecnologías para optimización de redes de comuni-caciones inalámbricas, permitiendo su despliegue ubicuo con bandaancha, bajo consumo, alta tolerancia a fallos en nodos, y garantizandovariadas Calidades de Servicio.

| INFRAESTRUCTURA CIENTÍFICO-TECNOLÓGICA|

· Computador tipo Cluster con 78 nodos AMD Optaron, Apple PowerPCG5 y Apple Intel de 64 bits, capacidad de cómputo de 2 TFlops,

almacenamiento de 7 TBytes (más 6.4 TBytes distribuidos) y RAMde 312 GBytes (Departamento de Teoría de la Señal y Comunicacio-nes, Universidad Carlos III de Madrid).

· Entorno, desarrollo, prueba y simulación de sistemas de comunica-ción eficientes en inteligencia ambiental.

· Plataforma para el análisis de los sistemas actuales y la generaciónde nuevos servicios y tecnologías en comunicaciones inalámbricas.Más información: http://www.tsc.urjc.es/investigacion/ceci/

· Bastidor de comunicaciones para la recepción y distribución de seña-les de vídeo a nodos de proceso. Cada PC recibe la señal de doscámaras y el bastidor interconecta los PCs con un servidor de discoa través de una red Gigabit Ethernet (conectada a Internet y prote-gida por un Firewall).

· Un sistema de tres cámaras de visión artificial en dos accesos de laEscuela Politécnica Superior de la UAM (uno de ellos con posibilidadde estereo-visión).

· Sistema de tres cámaras PTZ situadas en el vestíbulo del edificioprincipal de la Escuela Politécnica Superior (UAM). Las cámaras seencuentran conectadas por IP, a través de una red Ehternet a 100Mbits, con el bastidor de comunicaciones situado en el laboratoriodel Grupo.

· Un sistema de cuatro cámaras móviles para configuración de diver-sos escenarios en proceso de instalación y configuración.

UniversidadRey Juan Carlos

Tecnologíasde las

Comunicacionesw

ww.

mad

rim

asd.

org

PR

OG

RA

MA

S D

E A

CT

IV

ID

AD

ES

DE

I+

D D

E L

A C

OM

UN

ID

AD

D

E M

AD

RI

DP R O C E S A M I E N T O M U L T I M E D I A D I S T R I B U I D OPP RR OO -- MM UU LL TT II DD II SS -- CC MM

http://promultidis.tsc.uc3m.es

| PUBLICACIONES Y PATENTES RELEVANTES|

Publicaciones más relevantes

• J. L. Rojo-Álvarez, M. Martínez-Ramón, J. Muñoz-Marí, G. Camps-Valls, C. M. Cruz, and A. R. Figueiras-Vidal, "Sparse Deconvolution Using Support Vector Machines",

EURASIP Journal of Advances in Signal Processing, en prensa.

• Gomez-Verdejo, V.; Arenas-García, J.; Figueiras-Vidal, A.R., "A Dynamically Adjusted Mixed Emphasis Method for Building Boosting Ensembles", IEEE Transactions on

Neural Networks, Vol. 19, No 1, pp: 3 - 17, enero 2008.

• J. Arenas-García, G. Camps-Valls, "Efficient Kernel Orthonormalized PLS for Remote Sensing Applications", IEEE Transactions on Geosicience and Remote Sensing, en

prensa.

• A. Navia-Vázquez, "Support Vector Perceptrons", Neurocomputing, Vol. 70, pp: 1089-1095, 2007.

• J. M. Leiva-Murillo, A. Artés-Rodríguez, "Maximization of Mutual Information for Supervised Linear Feature Extraction", IEEE Trans. on Neural Networks, en prensa.

• J. Míguez y A. Artés-Rodríguez, "Particle Filtering Algorithms for Tracking a Maneuvering Target Using a Network of Wireless Dynamic Sensors", EURASIP, Journal on

Applied Signal Processing, Vol. 2006, pp: 1 - 16.

• J. Míguez, "Analysis of Selection Methods for Cost-Reference Particle Filtering with Applications to Maneuvering Target Tracking and Dynamic Optimization", Digital

Signal Processing, en prensa.

• P. Mariño y J. Míguez, "On a Recursive Method for the Estimation of Unknown Parameters of Partially Observed Chaotic Systems", Physica D, Vol. 220, pp: 175-182,

sept. 2006.

• Jesús Bescós, José M. Martínez, Luis Herranz, Fabricio Tiburzi, "Content-driven Adaptation of On-line Video", Signal Processing: Image Communication, Vol. 22, Nos:

7-8, pp: 651-668, agosto-septiembre 2007.

• Daniel Márquez, Jesús Bescós, “A Model-based Iterative Method for Caption extraction in Compressed MPEG Video”, Semantic Media and Digital Media Technologies-

SAMT07, Lecture Notes in Computer Science, Vol. 4816, Springer Verlag, dic. 2007

• Víctor Valdés, José M. Martínez, “Post-processing Techniques for On-Line Adaptive Video Summarization Based on Relevance Curves”, Semantic Media and Digital

Media Technologies-SAMT07, Lecture Notes in Computer Science, Vol. 4816, pp: 144-157, Springer Verlag, dic. 2007.

• L. Herranz, J.M. Martínez, “Use cases of scalable video based summarization within MPEG-21 DIA”, Semantic Media and Digital Media Technologies-SAMT07, Lecture

Notes in Computer Science, Vol. 4816, pp. 256-259, Springer Verlag, dic. 2007.

• AG Marques, X. Wang, and G. B. Giannakis, "Resource Allocation for Cognitive Radios based on Utility Dual Prices and Quantized CSI", IEEE Transac. on Signal Proces-

sing, en prensa.

• X Wang, A. G. Marques, and G. B. Giannakis, "Power-Efficient Resource Allocation and Quantization for TDMA Using Adaptive Transmission and Limited-Rate Feed-

back", IEEE Transac. on Signal Processing, en prensa.

• AG Marques, X. Wang, and G. B. Giannakis, "Minimizing Transmit-Power for Coherent Communications in Wireless Sensor Networks with Finite-Rate Feedback", IEEE

Transac. on Signal Processing, en prensa.

• AG Marques, G. B. Giannakis, F. F. Digham, and F. J. Ramos, "Power Efficient Wireless OFDMA using Limited-Rate Feedback", IEEE Transac. on Wireless Communica-

tions, enviado para revisión.

• X Wang, G. B. Giannakis, and A. G. Marques, "A Unified Approach to QoSGuaranteed Scheduling for Channel-Adaptive Wireless Networks", Proceedings of the IEEE,

artículo invitado; en prensa.

• AG Marques, F. F. Digham and G. B. Giannakis, "Optimizing Power Efficiency of OFDM Using Quantized Channel State Information", IEEE Journal on Selected Areas in

Communications, Vol. 24, No 8, pp:1581-1592, agosto 2006

• A. Valdés, J. I. Ronda y G. Gallego, "The absolute line quadric and camera autocalibration", International Journal of Computer Vision, Vol. 66, No. 3, pp. 283-303,

marzo 2006.

• J. I. Ronda y A. Valdés, "Conic geometry and autocalibration from two images", Journal of Mathematical Imaging and Vision, en prensa.

• V. Fernández-Carbajales, J. M. Martínez y F. Morán, “High-Level Description Tools for Humanoids”, Proceedings of MRCS (Multimedia Content Representation, Classi-

fication and Security), LNCS, Springer-Verlag, Vol. 4105, pp: 387-394, 2006.

• F. Álvarez, C. Feijoo y F. Morán, “Explotación de contenidos multimedia“, Informe de vigilancia tecnológica para la Comunidad de Madrid (106 p.), abril de 2007.

Figura 1.

Figura 3.

Figura 2.

3.000

2.000

1.000

0

-1.000

-2.000

-3.000

1

0,35

0,3

0,35

0,3

0,75

0,7

0,65

0,6

0,55

0,5-3.000 -2.000 -1.000 0 3.0002.0001.000

R/L

Número de

Saltos (H)

DEaE

(54

7cc 2u)

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

0

5

10

15

20

6

5

4

3

2

1

0

Figura 5. Distribución espacial de la eficiencia de encaminamiento en una Red

Ad Hoc Inalámbrica (Vinagre-Díaz, 2007, Universidad Rey Juan Carlos).

Figura 4.

Figura 6. Evolución de la distribución de las distancias extremo a extremo de

las rutas creadas en una Red Ad Hoc Inalámbrica, en función de la eficiencia

de encaminamiento (Vinagre-Díaz, 2007, Universidad Rey Juan Carlos).

DEaE

(54

7cc 1v)

R/L

4 saltos

7 saltos

10 saltos

13 saltos

16 saltos

19 saltos

5 saltos

8 saltos

11 saltos

14 saltos

17 saltos

20 saltos

2 saltos

6 saltos

9 saltos

12 saltos

15 saltos

18 saltos

3 saltos3015

105

63

63

63

63

63

0 0,5 1 1 10,5 0,5

Adaptación AnálisisMPEG-7

MPEG-7Control / Decisión

Espacial

Temporal

Adaptaciónsemántica

Adaptaciónde señal

Etapa N

Etapa 2

Etapa 1

Onto

logí

a de

Dom

inio

Fuente de vídeoMedio adaptado

Operación Off-Line

Operación On-Line

Perfiles de adaptación

Figura 7. Ajuste de los resultados de la distribución extremo a extremo de

rutas creadas en una Red Ad Hoc Inalámbrica empíricos (Vinagre-Díaz, 2007.).

Figura 8. Análisis de secuencias de vídeo, basado en la realimentación entre

etapas y en la inclusión de información contextual, orientado a la extracción

de características de relevancia semántica para detección de eventos y adap-

tación de contenido.

PP RR OO -- MM UU LL TT II DD II SS -- CC MM