Landmine victims require an engaging and immersive rehabilitation process to maintain motivation and therapeutic adherence, such as virtual reality games. This paper proposes a virtual reality exercise game called Exogames, which works with Nukawa, a lower limb rehabilitation robot (LLRR). Together, they constitute the general Kina system. The design and development process of Exogames is reported, as well as the evaluation of its potential for physical and emotional rehabilitation. In an initial survey designed ad-hoc, 13 health professionals evaluated compliance with various requirements. They agreed that Exogames would help the user focus on rehabilitation by providing motivation; 92.3% said that the user will feel safe in the virtual world, 66.7% of them agreed or totally agreed that it presents characteristics that may enhance the physical rehabilitation of lower limbs for amputees, 83.3% stated that it would promote the welfare of landmine victims, and 76.9% responded that the graphical interface and data report are useful for real-time assessment, and would be helpful for four interventional areas in all rehabilitation stages. In a second evaluation, using standardized surveys, five physical therapists and one lower limb amputee tried the Kina system as users. They filled out the System Usability Scale (SUS), the Physical Activity Enjoyment Scale (PACES), and the Game Experience Questionnaire (GEQ). The usability of the Kina system overall score was 69 (66, 79) out of 100, suggesting an acceptable though improvable usability. The overall PACES score of 110 (108, 112) out of 126 suggests that users enjoyed the game well. Finally, users indicated a positive effect with a good sense of immersion and smooth of gameplay during the tests, as indicated by the GEQ results. In summary, the evaluations showed that Exogames has the potential to be used as a virtual reality game for the physical and emotional rehabilitation of landmine victims.

In the process of spectrum sensing applied to wireless communications, it is possible to build interference maps based on acquired power spectral values. This allows the characterization of spectral occupation, which is crucial to take management spectrum decisions. However, the amount of information both in the space and frequency domains that needs to be processed generates an enormous amount of data with high transmission delays and high memory requirements. Meanwhile, compressive sensing is a technique that allows the reconstruction of sparse or compressible signals using fewer samples than those required by the Nyquist criterion. This paper presents a new model that uses compressed multispectral sampling for spectrum sensing. The aim is to reduce the number of data required for the storage and the subsequent construction of power spectral maps with geo-referenced information in different frequency bands. This model is based on architectures that use compressive sensing to analyze multispectral images. The operation of a centralized manager is presented in order to select the power data of different sensors by binary patterns. These sensors are located in different geographical positions. The centralized manager reconstructs a data cube with the transmitted power and frequency of operation of all the sensors based on the samples taken and applying multispectral sensing techniques. The results show that this multispectral data cube can be built with 50% of the samples generated by the devices, and the spectrum cartography information can be stored using only 6.25% of the original data.

This paper presents a bridge between theory and hardware implementations of radio direction finding (RDF) techniques particularly Angle of Arrival (AoA) and radiolocalization technique namely Time Difference of Arrival (TDoA) in non-collaborative scenarios. It presents aspects that must be considered in the system design and performance tests, including antenna array features in AoA. Minimum required distance between target node (TN) and reference nodes (RN), sampling frequency, etc., in TDoA. Furthermore, the paper presents a method to calculate the experimental estimation range value in TDoA algorithms.

Contexto: Las imágenes híper-espectrales 3D de alta resolución pueden ser capturadas en una imagen 2D mediante técnicas basadas en “sensado compresivo” (compressive sensing, en inglés). Entre estas técnicas, hay una denominada Compressive Spectral Imaging (CSI), de la cual se han propuesto diversas arquitecturas en los últimos ocho años. Una cámara óptica especialmente diseñada captura la información espacio-espectral de la escena e imprime proyecciones en un plano focal 2D (Focal Plane Array, FPA). Estas muestras se pueden transmitir o almacenar; luego la imagen original puede ser reconstruida usando comúnmente un algoritmo de optimización de la norma . El tamaño en bytes del FPA es menor que la imagen original, y éste por lo tanto puede ser considerado una versión comprimida en 2D de la imagen original en 3D. Objetivo: Realizar una compresión adicional del FPA para cuatro arquitecturas CSI, para incrementar las velocidades de transmisión o disminuir tamaños de almacenamiento. Método: En este trabajo se presentan los resultados de esta compresión adicional usando la codificación aritmética y se propone una transformación inversa que se aplica al FPA con base en la estructura de los filtros ópticos y los códigos de apertura de las cámaras usadas en CSI, lo cual permite aumentar su factor de compresión. Resultados: Los resultados muestran que el factor de compresión aumenta entre 1 y 2 puntos en tres de las arquitecturas. Conclusiones: A pesar de que hay pérdidas de datos en el proceso de transformación-cuantificación-compresión-descompresión del FPA, para cada arquitectura CSI usada, la calidad del cubo de datos posteriormente reconstruido expresada en el PSNR entre la imagen original y la reconstruida, no difiere significativamente de la versión original.

En este artículo se presenta una revisión bibliográfica y un análisis comparativo de implementaciones en hardware de técnicas de Radiogoniometría, también conocidas como Radio Direction Finding (RDF), que permiten identificar la mejor opción para implementar estas funcionalidad en actividades de gestión del espectro en países en vía de desarrollo. Dentro de las implementaciones tratadas se incluyen técnicas clásicas como Pseudo-Doppler y técnicas avanzadas de alta resolución como MUSIC. Se presentan diferentes alternativas de hardware para realizar las implementaciones las cuales incluyen SDR (Software Defined Radio), FPGA (Field Programmable Gate Array) y DSP (Digital Signal Processor); a la vez que se incluyen algunas configuraciones híbridas dónde se mezcla el software y el hardware con el fin de optimizar recursos de tiempo y dinero. Adicionalmente se muestran algunas aplicaciones comerciales que emplean técnicas de geolocalización basadas en información de ángulos de llegada, tiempos de llegada u otros parámetros que permiten realizar el proceso de triangulación o trilateración según sea el caso.

La radio cognitiva es una de las técnicas más prometedoras para optimizar el uso del espectro. Sin embargo, la gran cantidad de información espectral que es necesario analizar para identificar y asignar porciones espectrales hace que se incrementen los tiempos de asignación de canal debido al previo procesamiento de los datos y, por lo tanto, no sea posible ofrecer servicio a todos los dispositivos que lo requieran. El muestreo comprimido, por su parte, es una técnica que permite la reconstrucción de señales dispersas o compresibles usando un número menor de muestras que las requeridas por el criterio de Nyquist. En este trabajo se presenta un nuevo modelo que usa muestreo comprimido multiespectral para el sensado del espectro radioeléctrico en radio cognitiva, que mejora los tiempos de sensado y asignación de canal al disminuir el tamaño de los datos necesarios para reconstruir la información espectral de potencia a distintas bandas. Este modelo se basa en arquitecturas que usan muestreo comprimido para analizar imágenes multiespectrales. Se propone la operación de un gestor espectral centralizado que mediante patrones binarios selecciona o descarta los datos de potencia de diferentes radios definidos por software ubicados en diferentes posiciones geográficas. El gestor espectral, con base en las muestras tomadas y aplicando las técnicas de muestreo comprimido multiespectral, reconstruye un cubo de datos con la información de potencia transmitida y frecuencia de operación de todos los usuarios. Los resultados muestran que es posible esta reconstrucción utilizando solo 50% de las muestras generadas por todos los dispositivos, y que la información se puede almacenar usando solo 6,25% del total de datos originales.