Development and application of innovative sensor networks for the Active and Assisted living environment

This Ph.D. thesis investigates the development and application of innovative sensor networks designed to enhance Active and Assisted Living (AAL) environments, with a focus on supporting the aging population. By addressing key challenges in indoor localization and Human Activity Recognition (HAR), this work proposes non-invasive and privacy-preserving solutions that aim to improve the quality of life for elderly individuals while alleviating the burden on caregivers. The research introduces three distinct contributions: a Direction of Arrival (DOA)-based localization system employing robotic sensors for precise indoor positioning; a multi-sensor fusion technique integrating Passive Infrared (PIR) and ultrasonic sensors on a mobile robot to enable robust localization and trajectory reconstruction; and a novel HAR approach using a multi-domain sensor network, which combines ultrasonic and environmental sensors for accurate activity classification while ensuring user privacy. The thesis emphasizes the trade-offs in sensor integration, particularly the complexity of fusion algorithms, reliability, and uncertainty management, and explores their implications for practical deployment. Experimental results demonstrate significant advancements in localization and activity recognition performance. However, challenges remain in maintaining accuracy across variable environments, ensuring scalability, and addressing multi-resident scenarios. By aligning these technologies with their current Technology Readiness Level (TRL) and identifying pathways for further development, this work lays the foundation for future research and practical implementations, fostering a supportive ecosystem that promotes independent living for aging populations and enhances caregiving efficiency.

Questa tesi di dottorato indaga lo sviluppo e l'applicazione di reti di sensori innovative progettate per migliorare gli ambienti di Active and Assisted Living (AAL), con un focus sul supporto alla popolazione anziana. Affrontando le principali sfide nella localizzazione indoor e nel riconoscimento delle attività umane (HAR), questo lavoro propone soluzioni non invasive e rispettose della privacy, con l'obiettivo di migliorare la qualità della vita degli anziani e ridurre il carico sui caregiver. La ricerca introduce tre contributi distinti: un sistema di localizzazione basato sulla Direzione di Arrivo (DOA), che utilizza sensori robotici per un posizionamento preciso in ambienti interni; una tecnica di fusione multi-sensore che integra sensori a infrarossi passivi (PIR) e sensori a ultrasuoni su un robot mobile, permettendo una localizzazione robusta e la ricostruzione delle traiettorie; e un nuovo approccio al riconoscimento delle attività umane, che utilizza una rete di sensori multi-dominio combinando sensori a ultrasuoni e ambientali per una classificazione accurata delle attività, garantendo al contempo la privacy degli utenti. La tesi pone l'accento sui compromessi nell'integrazione dei sensori, in particolare sulla complessità degli algoritmi di fusione, sull'affidabilità e sulla gestione dell'incertezza, analizzando le implicazioni per l'implementazione pratica. I risultati sperimentali dimostrano progressi significativi nelle prestazioni di localizzazione e riconoscimento delle attività. Tuttavia, permangono sfide nel mantenere l'accuratezza in ambienti variabili, garantire la scalabilità e affrontare scenari con più residenti. Allineando queste tecnologie con il loro attuale livello di maturità tecnologica (Technology Readiness Level, TRL) e identificando percorsi per ulteriori sviluppi, questo lavoro pone le basi per future ricerche e implementazioni pratiche, promuovendo un ecosistema di supporto che favorisce l'autonomia degli anziani e migliora l'efficienza dell'assistenza.