Gated Recurrent Unit Neural Networks for Automatic Modulation Classification With Resource-Constrained End-Devices

The article “Gated Recurrent Unit Neural Networks for Automatic Modulation Classification With Resource-Constrained End-Devices” by our lab member Ramiro Utrilla has just been published in the IEEE Access, a high-impact open-access journal.

This work has been carried out in collaboration with researchers from the CONNECT – Centre for Future Networks and Communications in Dublin (Ireland), where Ramiro carried out a research stay of 3 months.

In this article, they focus on the Automatic Modulation Classification (AMC). AMC is essential to carry out multiple CR techniques, such as dynamic spectrum access, link adaptation and interference detection, aimed at improving communications throughput and reliability and, in turn, spectral efficiency. In recent years, multiple Deep Learning (DL) techniques have been proposed to address the AMC problem. These DL techniques have demonstrated better generalization, scalability and robustness capabilities compared to previous solutions. However, most of these techniques require high processing and storage capabilities that limit their applicability to energy- and computation-constrained end-devices.

In this work, they propose a new gated recurrent unit neural network solution for AMC that has been specifically designed for resource-constrained IoT devices.


The proposed GRU network model for AMC.

They trained and tested their solution with over-the-air measurements of real radio signals, which were acquired with the MIGOU platform.


Dataset generation scenario set up.


Comparison of signals recorded at (a) 1 and (b) 6 meters. The signals in the bottom row are the normalized version of those in the top row.

Their results show that the proposed solution has a memory footprint of 73.5 kBytes, 51.74% less than the reference model, and achieves a classification accuracy of 92.4%.

Increasing the training set can lead to improvements in the performance of a model without increasing its complexity. These improvements allow developers to reduce the complexity of the model and, therefore, the device resources it requires. However, longer training processes can lead to fitting and gradient problems. These tradeoffs should be explored when developing neural network-based solutions for resource-constrained end-devices.

Applied Science: Special Issue “Wireless Sensor Networks: Technologies, Applications, Prospects”

The main objective of this Special Issue is to provide a common space for WSNs researchers to share their high quality research and outcomes, and disseminate them to the rest of the world. The topics include novel designs,
developments, and management of smart systems with a focus on new applications. In addition to these, notable advancements in the performance of WSN are welcome.

A Methodology for Choosing Time Synchronization Strategies for Wireless IoT Networks

This summer we have published a new article about time synchronization for wireless sensor networks, applied to the field of IoT, in Sensors Open Access Journal. This journal has these statistics:

  • 2018 Impact Factor: 3.031
  • 5-year Impact Factor: 3.302
  • JCR category rank: 15/61 (Q1) in ‘Instruments & Instrumentation’

This article belongs to the Special Issue Topology Control and Protocols in Sensor Network and IoT Applications.

This article has a direct relationship with the thesis of our colleague Francisco Tirado-Andrés. This thesis investigates a methodology, and associated tools, to make it easier for all researchers to choose time synchronization protocols for specific WSNs.

For more information about this article please visit MDPI webpage.

Jornadas sobre Ciberinteligencia

En las Jornadas sobre Ciberinteligencia organizadas por la Guardia Civil y el Instituto Universitario de Investigación sobre Seguridad Interior que tuvieron lugar el 16 y 17 de Octubre participamos en la mesa redonda “El potencial de los algoritmos para el desarrollo de herramientas de ciberinteligencia” con la ponencia “IoT en Ciberinteligencia”.

B105 Diptico-Jornada-Ciberinteligencia-GC

B105 IoT en Ciberinteligencia

VIII Reunión del Foro de Interoperabilidad en Salud

Los pasados 9 y 10 de Mayo tuvo lugar en A Coruña la VIII Reunión del Foro de Interoperabilidad en Salud organizado por la Sociedad Española de Informática de la Salud sobre el tema Interoperabilidad, Internet de las cosas y Salud Integrada en la que el B105 Electronic Systems Lab participó en la sesión Innovación e Investigación con la ponencia Retos y oportunidades de IoT en el campo de la salud bajo un punto de vista tecnológico.

En esta ponencia se pasa revista a las tecnologías que está desarrollando el Grupo de Investigación B105 Electronic Systems Lab de la Universidad Politécnica de Madrid en el campo de sistemas empotrados, radio cognitiva y nubes de sensores aplicados al campo de la salud.

En enfoque realizado se basa en dos pilares, la investigación, entendida como la inversión de dinero para obtener conocimiento y la innovación, entendida como la aplicación de ese conocimiento para obtener fondos con los que financiar la investigación. Esta estructura permite la definición de un círculo virtuoso en el que la investigación se financia en base a la innovación y la innovación utiliza el conocimiento de la investigación.

Las tecnologías tratadas son las siguientes:

  • Sensores, tanto directos (electrodos y sensores biométricos) como indirectos (temperatura, humedad y temperatura, inclinómetros y magnetómetros, acelerómetros, posición, etc.) en el campo de la innovación. Tanto en innovación como en investigación se pasa revista a la creación de sensores virtuales mediante la fusión de sensores reales con parámetros tales como espacio, tiempo, confianza, reputación, etc.
  • Medio de comunicación, se exponen algunas de las tecnologías en las que se está investigando, como redes neuronales inalámbricas y redes cuerpo humano versus redes aire.
  • Actuadores, principalmente mencionando los trabajos tanto en investigación como innovación en el campo de la estimulación nerviosa eléctrica transcutánea como interfaz electrotáctil y su posible aplicación al tacto remoto.

Finalmente, se pasa revista a un conjunto de aplicaciones de ejemplo desarrolladas bajo el modelo de innovación como un sistema de detección de fatiga de conductores mediante cámara, otro mediante monitorización del EEG con técnicas de machine learning, un detector de barreras arquitectónicas basado en realidad aumentada o una pulsera inteligente con su aplicación al móvil asociado para monitorizar las condiciones de vida de personas necesidades especiales.