Predicción de Ventanas de Visibilidad de Satélites en Entornos Remotos utilizando Machine Learning para Sensores IoT
Aquest treball desenvolupa un sistema de predicció de finestres de visibilitat per a satèl·lits d‟òrbita baixa (LEO) enfocat a optimitzar la comunicació de sensors IoT en entorns remots. Davant l'absència de tecnologia GNSS per restriccions d'energia i seguretat, es fan servir tècn...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2026 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:dnet:orepositorio::4701d2460634c5e10ba8a78b37997f34 |
| Acceso en línea: | https://hdl.handle.net/10609/155021 |
| Access Level: | acceso abierto |
| Palabra clave: | Satèl·lits LEO, Finestra de visibilitat, TLE, solucions IoT-satèl·lit, Aprenentatge automàtic, NB-IoT. Satélites LEO, Ventana de visibilidad, TLE, soluciones IoT-satélite, Aprendizaje automático, NB-IoT. LEO satellites, Visibility window, TLE, IoT-satellite solutions, Machine learning, NB-IoT. |
| Sumario: | Aquest treball desenvolupa un sistema de predicció de finestres de visibilitat per a satèl·lits d‟òrbita baixa (LEO) enfocat a optimitzar la comunicació de sensors IoT en entorns remots. Davant l'absència de tecnologia GNSS per restriccions d'energia i seguretat, es fan servir tècniques de Machine Learning entrenades amb dades històriques TLE (Two-Line Elements) de CelesTrak. L'objectiu és millorar la precisió i l'eficiència energètica de les transmissions davant de mètodes tradicionals, garantint l'autonomia dels dispositius i establint una base sòlida per a futures aplicacions en comunicacions IoT-satèl·lit. |
|---|