Sei sulla pagina 1di 89

5G

Indice

1 5G 1
1.1 Caratteristiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2.1 Antefatto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2.2 Dibattito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Progetti di ricerca & sviluppo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.8 Ulteriori letture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.9 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Wireless sensor network 14


2.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Campi di applicazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 Applicazioni militari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Applicazioni ambientali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.3 Applicazioni medico-sanitarie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.4 Applicazioni domestiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.5 Applicazioni commerciali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.6 Applicazioni energetiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Progettare una rete di sensori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.1 Protocolli di comunicazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.7 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3 Efficienza spettrale 22
3.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

i
ii INDICE

4 Latenza 23
4.1 Tipologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.1.1 Elaborazione dati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.1.2 Elaborazione audio digitale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.2 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5 Caso d'uso (informatica) 25

6 Internet delle cose 26


6.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.2 Tecnologie abilitanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6.3 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.4 Framework . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.5 Aspettative di crescita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.6 Critiche e controversie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.6.1 Privacy, autonomia e controllo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.6.2 Sicurezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.7 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.8 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.9 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6.10 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

7 Velocità di trasmissione 31
7.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7.2 Misurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.2.1 Unità di misura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.2.2 Esempio di applicazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.2.3 Test di misurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.3 Confronto tra velocità di vari sistemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.4 Teoremi di Shannon e Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
7.4.1 Decadimento con la distanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
7.5 Velocità di trasmissione e velocità di propagazione . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.6 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.7 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

8 Dynamic Spectrum Management 35


8.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
8.2 DSM nel Digital Subscribers Loop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
8.3 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
8.4 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

9 Extremely high frequency 37


INDICE iii

9.1 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9.1.1 Ricerca scientifica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9.1.2 Radioamatori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9.2 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9.3 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

10 Multiple-input and multiple-output 38


10.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
10.2 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
10.3 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

11 Ubiquitous computing 40
11.1 Cenni storici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
11.2 Caratteristiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
11.3 Opere in tema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
11.4 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
11.5 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
11.6 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
11.7 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

12 Ripetitore 42
12.1 Descrizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12.2 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12.2.1 Sistemi radio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12.2.2 Sistemi cablati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
12.3 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
12.4 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

13 Software defined radio 47


13.1 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
13.2 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
13.3 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

14 Alexandre-Théophile Vandermonde 49
14.1 La carriera matematica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
14.2 Ulteriori contributi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
14.3 Le quattro pubblicazioni matematiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
14.4 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
14.5 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

15 Dispositivo indossabile 52
15.1 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
15.2 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
15.3 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
iv INDICE

16 Intelligenza artificiale 54
16.1 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
16.2 Ricerca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
16.2.1 Deduzione, ragionamento e problem solving . . . . . . . . . . . . . . . . . . . . . . . . . 57
16.2.2 Rappresentazione della conoscenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
16.2.3 Pianificazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
16.2.4 Apprendimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
16.2.5 Elaborazione del linguaggio naturale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
16.2.6 Movimento e manipolazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
16.3 Metodi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
16.3.1 Agente intelligente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
16.4 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
16.5 Dibattito filosofico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
16.6 Fantascienza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
16.7 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
16.8 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
16.9 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
16.10Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
16.11Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

17 Smartwatch 64
17.1 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
17.2 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
17.3 Sistemi Operativi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
17.3.1 Android Wear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
17.3.2 WatchOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
17.3.3 Tizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
17.3.4 AsteroidOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
17.3.5 Ubuntu Touch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
17.3.6 Pebble OS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
17.4 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
17.5 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
17.6 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

18 Realtà aumentata 70
18.1 Storia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
18.2 Definizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
18.3 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
18.4 Tipi di realtà aumentata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
18.5 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
18.6 Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
18.7 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
INDICE v

18.8 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73


18.9 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

19 Li-Fi 74
19.1 Note . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

20 Spettro atomico 75
20.1 Gli spettri atomici tra fisica classica e fisica moderna . . . . . . . . . . . . . . . . . . . . . . . . . 75
20.2 Realizzazione di uno spettro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
20.3 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
20.4 Collegamenti esterni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

21 Onda radio 78
21.1 Caratteristiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
21.2 Bande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
21.3 Voci correlate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
21.4 Altri progetti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
21.5 Fonti per testo e immagini; autori; licenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
21.5.1 Testo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
21.5.2 Immagini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
21.5.3 Licenza dell'opera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Capitolo 1

5G

Nell'ambito della telefonia mobile, con il termine 5G (acronimo di 5th (Fifth) Generation) si indicano le tecnologie
e gli standard di quinta generazione successivi a quelli di quarta generazione, che permettono quindi prestazioni e
velocità superiori a quelli dell'attuale tecnologia 4G/IMT-Advanced.

1.1 Caratteristiche
La Next Generation Mobile Networks Alliance definisce i seguenti requisiti per le reti 5G:[1]

• velocità dati di decine di megabit al secondo per decine di migliaia di utenti

• 1 gigabit al secondo simultaneamente a molti lavoratori con gli uffici posti sullo stesso piano

• parecchie centinaia di migliaia di connessioni simultanee per massicce reti di sensori senza fili

• efficienza spettrale significativamente potenziata in confronto al 4G

• copertura migliorata

• efficienza dei segnali potenziata

• latenza significativamente ridotta in confronto all'LTE.[2]

Avviata rete 5g in America il 2 febbraio 2017 La Next Generation Mobile Networks Alliance ritiene che il 5G
dovrebbe essere presentato entro il 2020 per soddisfare le domande di imprese e consumatori.[3] Oltre a fornire
semplicemente velocità più elevate, la NGMN prevede che le reti 5G dovranno anche soddisfare le esigenze di nuovi
casi d'uso,[4] come l'Internet delle cose (dispositivi connessi a Internet) nonché servizi di trasmissione e linee di
comunicazione d'importanza vitale in occasione di disastri naturali.
Sebbene gli standard aggiornati in esame definiscano capacità superiori a quelle fissate nelle attuali norme 4G, queste
nuove capacità sono state raggruppate sotto gli attuali standard ITU-T 4G. La Federal Communications Commission
(FCC) ha approvato lo spettro per gli avanzamenti del 5G[5] il 14 luglio 2016 con un voto 5-0. La Federal Com-
munications Commission (FCC) ha cercato di creare un ambiente[6] che incoraggerà le tecnologie a diffondersi e a
guidare il mondo nella generazione del 5G.

1.2 Storia

1.2.1 Antefatto
Una nuova generazione di telefonia mobile è apparsa approssimativamente ogni 10 anni da quando il primo sistema
1G, il Nordisk MobilTelefoni, fu introdotto nel 1982. Il primo sistema 2G fu sviluppato commercialmente nel 1992
e il primo sistema 3G apparve nel 2001. I sistemi 4G pienamente conformi all'IMT Advanced furono standardizzati

1
2 CAPITOLO 1. 5G

per la prima volta nel 2012. Lo sviluppo degli standard 2G (GSM) e 3G (IMT-2000 e UMTS) richiese circa 10 anni
dall'inizio ufficiale dei progetti di R&S, e lo sviluppo dei sistemi 4G cominciò nel 2001 o 2002.[7][8] Le tecnologie
precedenti sono state presenti sul mercato alcuni anni prima della nuova generazione mobile, ad esempio il sistema
pre-3G CdmaOne/IS95 negli Stati Uniti nel 1995, i sistemi pre-4G Mobile WiMAX in Corea del Sud nel 2006 e l'LTE
prima versione in Scandinavia nel 2009. Nell'aprile 2008, la NASA si associò alla Machine-to-Machine Intelligence
(M2Mi) Corp per sviluppare la tecnologia di comunicazione 5G.[9]
Le generazioni mobili si riferiscono tipicamente a standard per cellulari non retrocompatibili che seguono i requisiti
stabiliti dalla ITU-R, come l'IMT-2000 per il 3G e l'IMT-Advanced per il 4G. In parallelo allo sviluppo delle gene-
razioni mobili ITU-R, l'IEEE e altri organismi di standardizzazione sviluppano anche tecnologie di comunicazione
senza fili, spesso per velocità dati superiori, frequenze superiori, bande di trasmissione più corte, senza supporto per
il roaming tra i punti di accesso e uno schema di accesso multiplo relativamente limitato. Il primo standard IEEE
in gigabit fu l'IEEE 802.11ac, commercialmente disponibile fin dal 2013, che fu presto seguito dallo standard in
multigigabit WiGig o IEEE 802.11ad.

1.2.2 Dibattito
In base alle suddette osservazioni, alcune fonti suggeriscono che una nuova generazione di standard 5G potrebbe essere
introdotta agli inizi degli anni 2020.[10][11] Tuttavia, è continuato un importante dibattito su ciò che il 5G riguarda
esattamente. Anteriormente al 2012, alcuni rappresentanti dell'industria espressero scetticismo verso il 5G.[12] Il
3GPP tenne una conferenza nel settembre 2015 per pianificare lo sviluppo del nuovo standard.[13]
Alle nuove generazioni mobili sono tipicamente assegnate nuove bande di frequenza e maggiore larghezza di banda
spettrale per canale di frequenza (1G fino a 30 kHz, 2G fino a 200 kHz, 3G fino a 5 MHz e 4G fino a 20 MHz), ma
gli scettici sostengono che ci sia poco spazio per larghezze di bande più ampie e nuove bande di frequenza adatte
al radiomobile terrestre.[12] Le frequenze più alte si sovrapporrebbero alle trasmissioni in banda K dei satelliti per
telecomunicazioni.[14] Dal punto di vista degli utenti, le precedenti generazioni mobili hanno implicato un sostan-
ziale aumento nella velocità di trasmissione di picco (cioè le velocità di trasmissione della rete a strati fisici per la
comunicazione a breve distanza), fino a quella di 1 gigabit per secondo offerta dal 4G.
Se il 5G appare e riflette queste prognosi, allora la principale differenza, da un punto di vista dell'utente, tra il 4G e il
5G deve esserci qualcosa di diverso dalla maggiore velocità (aumentata velocità di trasmissione di picco). Ad esempio,
un più elevato numero di dispositivi connessi simultaneamente, una più elevata efficienza spettrale di sistema (volume
di dati per unità di area), un più basso consumo delle batterie, una più bassa probabilità di interruzione (migliore
copertura), alte velocità di trasmissione in porzioni più grandi dell'area di copertura, latenze inferiori, un più elevato
numero di dispositivi supportati, costi più bassi per l'installazione delle infrastrutture, una più elevata versatilità e
scalabilità, o una più elevata affidabilità delle comunicazioni. Questi sono gli obiettivi in parecchi dei documenti e
progetti di ricerca che seguono.
GSMHistory.com[15] ha registrato tre visioni molto distinte delle reti 5G che erano emerse verso il 2014:

• Una rete mobile superefficiente che fornisce una rete con prestazioni migliori a un costo d'investimento
inferiore. Si rivolge al bisogno pressante degli operatori di rete mobile di vedere il costo unitario del trasporto
dati calare grosso modo alla stessa velocità alla quale sta salendo il volume della domanda di dati. Sarebbe un
balzo in avanti in efficienza basato sulla filosofia delle “reti attente alla domanda” (Demand Attentive Network,
DAN) della IET (Institution of Engineering and Technology).[16]

• Una rete mobile superveloce comprendente la prossima generazione di piccole celle densamente raggrup-
pate per dare una copertura continua almeno sulle aree urbane e portante il mondo alla frontiera finale della
vera “mobilità su ampia area”. Richiederebbe accesso allo spettro sotto i 4 GHz, forse attraverso la prima
implementazione globale al mondo dell'accesso dinamico allo spettro (Dynamic Spectrum Access).

• Una rete senza fili in fibra convergente che usa, per la prima volta per l'accesso senza fili a Internet, le bande
delle onde millimetriche (20 – 60 GHz) così da permettere canali radio con ampiezza di banda molto larga
capaci di supportare velocità di accesso ai dati fino a 10 Gbit/s. La connessione comprende essenzialmente
collegamenti senza fili “corti” all'estremità del cavo locale in fibra ottica. Sarebbe più un servizio “nomade”
(come il Wi-Fi) piuttosto che un servizio “mobile” su ampia area.

Nel suo libro bianco, 5G Empowering Vertical Industries (“Il 5G autorizza le industrie verticali”), il 5G PPP, il pro-
gramma collaborativo di ricerca organizzato come parte del programma della Commissione europea Horizon 2020,
1.3. PROGETTI DI RICERCA & SVILUPPO 3

suggerisce che per supportare i principali settori verticali in Europa - cioè automobili, trasporti, assistenza sanitaria,
energia, manifattura e media e intrattenimento - i più importanti requisiti prestazionali dell'infrastruttura 5G sono
una latenza sotto 5 ms, supporto per densità di dispositivi fino a 100 dispositivi/m2 e un'area di copertura affidabile,
e che un'installazione riuscita del 5G integrerà le tecnologie di telecomunicazione inclusa quella mobile, fissa, ottica
e satellitare (sia GEO che MEO).[17]

1.3 Progetti di ricerca & sviluppo

Nel 2008, fu predisposto il programma sudcoreano di R&S informatica dei “sistemi di comunicazione mobile 5G
basati sull'accesso multiplo a divisione radiale e sui ripetitori con cooperazione a gruppi”.[18]
Nel 2012, il governo britannico annunciò l'istituzione di un Centro d'innovazione sul 5G presso l'Università del Surrey
– il primo centro di ricerca al mondo creato specificamente per la ricerca sul mobile a 5G.[19]
Nel 2012, fu istituito il NYU WIRELESS come centro di ricerca multidisciplinare, con un focus per la ricerca sui
sistemi senza fili a 5G, come pure sul loro uso in campo medico e informatico. Il centro è finanziato dalla Fondazione
nazionale per le scienze e da una commissione di 10 tra le maggiori aziende della comunicazione senza fili (fino al
luglio 2014) che partecipano alla commissione del centro sulle Affiliate industriali. Il NYU WIRELESS ha condotto
e pubblicato misurazioni dei canali che mostrano che le frequenze delle onde millimetriche saranno praticabili per
velocità dati in multigigabit al secondo per le future reti 5G.
Nel 2012, la Commissione europea, sotto la guida di Neelie Kroes, destinò 50 milioni di euro alla ricerca per ottenere
la tecnologia mobile 5G entro il 2020.[20] In particolare, il progetto METIS 2020 fu il progetto guida che permise
di raggiungere un consenso mondiale sui requisiti e sulle principali componenti della tecnologia del 5G. Spinto da
parecchie aziende di telecomunicazioni, l'obiettivo tecnico complessivo del METIS è di fornire un concetto di sistema
che supporta un'efficienza spettrale mobile 1.000 volte più alta, in confronto alle attuali installazioni LTE.[11] In
aggiunta, nel 2013, è partito un altro progetto, chiamato 5GrEEn,[21] legato al progetto METIS e focalizzato sul
progetto delle reti mobili 5G verdi. Qui l'obiettivo è di sviluppare linee guida per la definizione di una rete di nuova
generazione con particolare enfasi sull'efficienza, sulla sostenibilità e sulla disponibilità energetica.
Nel novembre 2012, un progetto di ricerca finanziato dall'Unione europea nell'ambito Programma TCI FP7 fu lan-
ciato sotto il coordinamento dell'IMDEA Networks Institute (Madrid, Spagna): i-JOIN (Interworking and JOINt
Design of an Open Access and Backhaul Network Architecture for Small Cells based on Cloud Networks, “Progetto
interfunzionale e congiunto di un accesso aperto e di un'architettura di rete di adduzione per piccole celle basata
su reti a nuvola”). iJOIN introduce il concetto innovativo della rete di accesso radio (radio access network, RAN)
come servizio (RAN as a service, RANaaS), dove la funzionalità della RAN è centralizzata in modo flessibile attra-
verso una piattaforma informatica aperta basata su un'infrastruttura a nuvola. iJOIN mira a un disegno congiunto e
all'ottimizzazione dell'accesso e dell'adduzione, degli algoritmi operativi e gestionali e degli elementi architettonici,
integrando le piccole celle, l'adduzione eterogenea e l'elaborazione centralizzata. In aggiunta allo sviluppo di tecno-
logie candidate in modo trasversale per il PHY, il MAC e il livello di rete, iJOIN studierà i requisiti, i vincoli e le
implicazioni per le reti mobili esistenti, specificamente il 3GPP LTE-A.
Nel gennaio 2013, fu lanciato un nuovo progetto UE denominato CROWD (Connectivity management for eneRgy
Optimised Wireless Dense networks, “Gestione della connettività per reti dense senza fili con ottimizzazione energeti-
ca”) sotto la supervisione tecnica dell'IMDEA Networks Institute, per progettare soluzioni sostenibili per le reti e il
software finalizzate all'installazione di reti senza fili molto dense ed eterogenee. Il progetto si rivolge alla sostenibilità
espressa in termini di efficacia dei costi ed efficienza energetica. Altissima densità significa 1.000 volte più alta della
densità attuale (utenti per metro quadrato). L'eterogeneità coinvolge molteplici dimensioni, dal raggio di copertura
alle tecnologie (4G/LTE vs. Wi-Fi), alle installazioni (distribuzione pianificata vs. non pianificata delle stazioni radio
di base e degli hot spot).
Nel settembre 2013, il Cyber-Physical System (CPS) Lab presso l'Università Rutgers, NJ, iniziò a lavorare sulla
fornitura e l'allocazione dinamica nell'ambito della tecnologia emergente della rete di accesso radio a nuvola (cloud
radio-access network, C-RAN). I ricercatori hanno dimostrato che la fornitura dinamica nella nuvola basata sulla
domanda diminuirà il consumo di energia pur aumentando l'utilizzazione delle risorse.[22] Hanno implementato anche
un banco di prova per la fattibilità della C-RAN e sviluppato nuove tecniche basate sulla nuvola per la cancellazione
delle interferenze. Il loro progetto è finanziato della Fondazione nazionale delle scienze.
Nel novembre 2013, il produttore cinese di attrezzature per telecomunicazioni Huawei affermò che investirà 600 mi-
lioni di dollari in ricerche sulle tecnologie 5G nei successivi cinque anni.[23] L'iniziativa di ricerca sul 5G dell'azienda
4 CAPITOLO 1. 5G

non include investimenti per produrre tecnologie 5G per gli operatori globali di telecomunicazioni. Huawei collauderà
la tecnologia 5G a Malta.[24][25]
Nel 2015, Huawei ed Ericsson stavano collaudando tecnologie legate al 5G nelle aree rurali dei Paesi Bassi settentrionali.[26]
Nel luglio 2015, furono lanciati i progetti europei METIS-II e 5G NORMA. Il progetto METIS-II[27] si basa sul
fortunato progetto METIS e svilupperà il modello complessivo delle reti 5G ad accesso radio, per fornire gli elementi
tecnici necessari per un'integrazione e un uso efficienti delle varie tecnologie e componenti del 5G attualmente svi-
luppate. Il METIS-II fornirà anche la cornice per la collaborazione sul 5G all'interno del 5G-PPP per una valutazione
comune dei concetti di rete 5G ad accesso radio e per preparare un'azione concertata verso gli organismi regolatori e
di standardizzazione. Dall'altro lato, l'obiettivo chiave del 5G NORMA è di sviluppare un'architettura delle reti mobili
5G concettualmente innovativa, adattativa e prova di futuro. L'architettura sta consentendo livelli senza precedenti
di personalizzabilità delle reti, garantendo che siano soddisfatti requisiti stringenti di prestazione, sicurezza, costo ed
energia; nonché fornendo un'apertura architettonica guidata dall'interfaccia dei programmi applicativi (Application
Program Interface, API), alimentando la crescita economica attraverso l'innovazione spinta. Con il 5G NORMA, i
principali attori dell'ecosistema mobile mirano a essere la base della supremazia europea nel 5G.[28]
Inoltre, nel luglio 2015, fu lanciato il progetto di ricerca europeo mmMAGIC. Il progetto mmMAGIC svilupperà
nuovi concetti per la tecnologia di accesso radio (radio access technology, RAT) mobile per l'installazione della banda
delle onde mm. Questo è un concetto chiave nell'ecosistema multi-RAT del 5G e sarà usato come fondamento per la
standardizzazione globale. Il progetto consentirà servizi mobili a banda larga ultraveloci per gli utenti mobili, suppor-
tando lo streaming UHD/3D, le applicazioni immersive e i servizi di nuvola ultraresponsivi. Una nuova interfaccia
radio, che include funzioni di gestione delle reti e componenti di architettura di tipo innovativo, sarà progettata pren-
dendo come guida il KPI del 5G PPP e sfruttando l'uso di innovative tecniche adattative e cooperative di formazione
e tracciamento dei fasci per affrontare le sfide specifiche della propagazione mobile mediante onde mm. L'ambizione
del progetto è di spianare la strada a un vantaggio iniziale europeo negli standard 5G e rafforzare la competitività
europea. Il consorzio mette insieme i maggiori produttori di infrastrutture, i maggiori operatori europei, i principa-
li istituti di ricerca e università, i produttori di attrezzature di misurazione e una sola PMI. mmMAGIC è guidato
e coordinato da Samsung. Ericsson agisce come gestore tecnico, mentre Intel, Fraunhofer HHI, Nokia, Huawei e
Samsung guideranno ciascuna uno dei cinque pacchetti di lavori tecnici del progetto.[29]
Nel luglio 2015, IMDEA Networks lanciò il progetto Xhaul, come parte del Partenariato Pubblico-Privato 5G (5G
Public-Private Partnership, 5G PPP) europeo di H2020. Xhaul svilupperà una soluzione per le reti di trasporto 5G
adattativa, condivisibile ed -efficiente in termini di costi che integra il segmento di carico frontale e di ritorno della
rete. Questa rete di trasporto interconnetterà in modo flessibile le funzioni distribuite di accesso radio e di rete centra-
le del 5G, ospitate sui nodi della nuvola all'interno della rete. Xhaul semplificherà grandemente le operazioni di rete
malgrado la crescente diversità tecnologica. Consentirà quindi l'ottimizzazione a livello di sistema della qualità del
servizio (Quality of Service, QoS) e dell'uso dell'energia, nonché lo sviluppo di applicazioni basate sulla rete. Il con-
sorzio Xhaul comprende 21 partner, inclusi importanti produttori e operatori dell'industria delle telecomunicazioni,
aziende informatiche, piccole e medie imprese e istituzioni accademiche.[30]
Sempre nel luglio 2015, fu lanciato il progetto di ricerca europeo sul 5G Flex5Gware. L'obiettivo del Flex5Gware è di
ottenere piattaforme hardware (HW) altamente riconfigurabili insieme a piattaforme software (SW) non influenzate
dal tipo di hardware rivolgendosi sia a elementi della rete sia a dispositivi e tenendo conto dell'accresciuta capacità,
della ridotta impronta energetica, nonché della scalabilità e della modularità, per consentire una transizione scorrevole
dai sistemi mobili senza fili del 4G al 5G. Questo consentirà che le piattaforme HW/SW del 5G possano soddisfare i
requisiti imposti dalla prevista crescita esponenziale del traffico mobile di dati (aumento di 1.000 volte) insieme alla
grande diversità delle applicazioni (dal basso rapporto velocità di trasmissione/potenza per l'M2M alle applicazioni
interattive e ad alta risoluzione).[31]
Nel luglio 2015, fu avviato il progetto SUPERFLUIDITY, parte del Partenariato Pubblico Privato europeo H2020
(5G PPP) e guidato dal CNIT, un consorzio interuniversitario italiano. Il consorzio SUPERFLUIDITY comprende
aziende di telecomunicazioni e operatori informatici per un totale di 18 partner. In fisica, la superfluidità è uno stato
in cui la materia si comporta come un fluido con viscosità zero. Il progetto SUPERFLUIDITY mira a raggiungere la
superfluidità in Internet: la capacità di concretizzare servizi al volo, di eseguirli dovunque nella rete (nucleo, aggre-
gazione, margine) e di spostarli in modo trasparente in località diverse. Il progetto affronta carenze cruciali nelle reti
odierne: lunghi tempi di approvvigionamento, con dispendiosi approvvigionamenti in eccesso usati per soddisfare la
domanda variabile; affidamento su dispositivi hardware rigidi e inefficaci in termini di costi; sconfortante comples-
sità che emerge da tre forme di eterogeneità: traffico e fonti eterogenee; servizi e bisogni eterogenei; e tecnologie
di accesso eterogenee, con componenti di rete provenienti da molteplici produttori. SUPERFLUIDITY fornirà un
concetto di 5G convergente basato sulla nuvola che consentirà casi di uso innovativo sul versante mobile, permetterà
nuovi modelli di attività e ridurrà i costi di investimento e operativi.[32]
1.4. RICERCA 5

Nel 2017 è annunciato un progetto che coinvolge TILab (erede del prestigioso centro di ricerca CSELT)[33] nella
sperimentazione.[34]

1.4 Ricerca
La prima proposta, ampiamente citata, per l'uso dello spettro delle onde millimetriche per le comunicazioni cellu-
lari/mobili apparve nella IEEE Communications Magazine del giugno 2011.[35] I primi rapporti sulle misurazioni dei
canali radio che convalidavano la possibilità di usare le frequenze delle onde millimetriche per la comunicazione
mobile urbana furono pubblicati rispettivamente ad aprile e maggio 2013 nello IEEE Access Journal e nella IEEE
Transactions on Antennas and Propagation.[36][37]
Lo IEEE Journal on Selected Areas in Communications pubblicò un numero speciale sul 5G nel giugno 2014, che
includeva una rassegna completa delle soluzioni e delle tecnologie che consentivano il 5G.[38] IEEE Spectrum ha, nel
suo numero del settembre 2014, una storia sulle comunicazioni senza fili mediante onde millimetriche come mezzo
praticabile per supportare il 5G.[39]

• Le misurazioni della propagazione radio e i modelli dei canali per la comunicazione senza fili con onde milli-
metriche, sia in scenari all'aperto che al chiuso, nelle bande dei 28, 38, 60 e 72–73 GHz sono state pubblicate
nel 2014.[40][41]
• MIMO massivo: questo è un punto di trasmissione equipaggiato con un grandissimo numero di antenne che
servono simultaneamente utenti multipli. Con il MIMO massivo possono essere trasmessi messaggi multipli
per vari terminali sulla stessa risorsa tempo-frequenza, massimizzando il guadagno di formazione dei fasci di
segnali (beamforming) pur minimizzando l'interferenza.[42][43][44][45][46][47]
• Caricamento proattivo nella cache dei contenuti al margine: mentre la densificazione della rete (cioè, aggiungere
più celle) è un modo per ottenere più alta capacità e copertura, diventa evidente che il costo di questa operazione
potrebbe non essere sostenibile in quanto la densa installazione di stazioni di base richiede anche costose reti
di ritorno (backhauls) ad alta velocità. A questo riguardo, assumendo che la rete di ritorno abbia limitazioni di
capacità, caricare nella cache i contenuti degli utenti al margine della rete (vale a dire alle stazioni di base e ai
terminali degli utenti) si pone come una soluzione per scaricare la rete di ritorno e ridurre i ritardi nell'accesso
ai contenuti.[48][49] In ogni caso, caricare nella cache i contenuti al margine mira a risolvere il problema di
ridurre il ritardo da utente a utente, che è uno dei requisiti del 5G. Il caricamento nella cache in particolare
può essere abilitato facendo leva sulle informazioni contestuali dell'utente provenienti da fonti come la metrica
della mobilità e delle reti sociali.[50][51][52] Il prossimo numero speciale di IEEE Communications Magazine
mira a esporre argomentazioni a favore delle tecniche di recapito di contenuti massivi nelle reti senza fili del
5G abilitate per la cache.[53]
• Gestione avanzata dell'interferenza e della mobilità, ottenuta con la cooperazione di diversi punti di trasmissione
a copertura sovrapposta, e abbracciando l'opzione di un uso flessibile delle risorse per la trasmissione in uplink
e in downlink in ogni cella, l'opzione della trasmissione diretta da dispositivo a dispositivo e tecniche avanzate
di cancellazione delle interferenze.[54][55][56]
• Supporto efficiente di dispositivi simili a macchine per consentire l'Internet delle cose con numeri potenzial-
mente più alti di dispositivi connessi, nonché di nuove applicazioni, come il controllo critico per la missione o
la sicurezza del traffico, che richiedono latenza ridotta e accresciuta affidabilità.
• Uso delle frequenze delle onde millimetriche (ad es. fino a 90 GHz) per la rete di ritorno senza fili e/o l'accesso
(generazioni IEEE piuttosto che ITU)
• Reti pervasive che forniscono l'Internet delle cose, reti di sensori senza fili e computazione ubiquitaria (ubiqui-
tous computing): l'utente può essere connesso simultaneamente a parecchie tecnologie di accesso senza fili e
può muoversi uniformemente tra di esse (vedi Media independent handover o vertical handover, IEEE 802.21,
che ci si attende siano forniti anche dalle future edizioni del 4G. Vedi anche multihoming). Queste tecnologie
di accesso possono essere reti mobili 2.5G, 3G, 4G, o 5G, Wi-Fi, WPAN, o qualsiasi altra futura tecnologia di
accesso. Nel 5G, il concetto può essere ulteriormente sviluppato in percorsi per trasferimenti di dati multipli
concorrenti.[57]
• Reti a salto multiplo: un'importante questione nei sistemi oltre il 4G è di rendere le alte velocità di trasmissione
disponibili in una porzione maggiore della cella, specialmente per gli utenti in una posizione esposta in mezzo a
6 CAPITOLO 1. 5G

varie stazioni di base. Nella ricerca attuale, questa questione è affrontata mediante ripetitori cellulari e tecniche
di macrodiversità, note anche come relè cooperativo di gruppo, dove gli utenti potrebbero anche essere poten-
ziali nodi cooperativi, grazie all'uso della comunicazione diretta da dispositivo a dispositivo (device-to-device,
D2D).[18]

• Virtualizzazione delle reti senza fili: la virtualizzazione sarà estesa alle reti senza fili mobili del 5G. Con la
virtualizzazione delle reti senza fili, l'infrastruttura di rete può essere disaccoppiata dai servizi che fornisce,
dove servizi differenziati possono coesistere sulla stessa infrastruttura, massimizzando la sua utilizzazione.
Conseguentemente, molteplici reti virtuali senza fili gestite da fornitori di servizi (service providers, SPs) di-
versi possono condividere dinamicamente le reti senza fili con substrato fisico gestite da operatori di reti mobili
(mobile network operators, MNOs). Poiché la virtualizzazione delle reti senza fili consente la condivisione delle
risorse dell'infrastruttura e dello spettro radio, le spese capitali (capital expenses, CapEx) e le spese operative
(operation expenses, OpEx) delle stazioni di accesso radio (radio access networks, RANs), nonché delle reti
centrali (core networks, CNs), possono essere ridotte significativamente. Inoltre, gli operatori di reti virtuali
mobili (mobile virtual network operators, MVNOs) che possono fornire alcuni servizi di telecomunicazione
specifici (ad es., VoIP, videochiamata, servizi over-the-top) possono aiutare gli operatori di reti mobili ad atti-
rare più utenti, mentre questi ultimi possono produrre più reddito affittando agli operatori di reti virtuali mobili
le reti virtualizzate isolate e valutando alcuni nuovi servizi.[58]

• Tecnologia della radio cognitiva, nota anche come radio intelligente. Essa consente a tecnologie radio diverse
di condividere lo stesso spettro in modo efficiente trovando adattativamente porzioni di spettro inutilizzate e
adattando lo schema di trasmissione ai requisiti delle tecnologie che condividono lo spettro in quel momento.
Questa gestione dinamica delle risorse radio si ottiene in modo distribuito e fa affidamento sulla radio definita
dal software.[59][60] Vedi anche lo standard IEEE 802.22 per le reti senza fili regionali.

• Reti ad hoc senza fili dinamiche (Dynamic Adhoc Wireless Networks, DAWN),[7] essenzialmente tutte identiche
alla rete ad hoc mobile (Mobile ad hoc network, MANET), alla rete a maglie senza fili (Wireless mesh network,
WMN) o alle griglie senza fili, combinate con le antenne intelligenti, la diversità cooperativa e la modulazione
flessibile.

• Multiplazione a divisione di frequenza del sottospazio di Vandermonde (Vandermonde-subspace frequency


division multiplexing, VFDM): uno schema di modulazione per consentire la coesistenza delle macrocelle e
delle piccole celle della radio cognitiva in una rete LTE/4G a due livelli.[61]

• IPv6, dove un indirizzo temporaneo IP mobile è assegnato secondo la localizzazione e la rete connessa.[57]

• Dispositivi indossabili con capacità di IA,[7] come orologi intelligenti (smartwatches) e schermi ottici montati
sulla testa (optical head-mounted displays) per la realtà aumentata.

• Un solo standard globale unificato.[7]

• Mondo reale senza fili (Real wireless world) senza più limitazioni all'accesso e problemi di zona.[57]

• Concetto di rete utente centrica (user centric) o “inizializzata dagli sviluppatori di telefoni cellulari” (cell phone
developer initiated) invece di standard inizializzati dagli operatori (come nell'1G) o inizializzati dagli svilup-
patori di sistemi (come nel 2G, 3G e 4G).[62]

• Li-Fi (una parola macedonia tra light ["luce] e Wi-Fi): è una rete massiva MIMO di comunicazione con luce
visibile per far avanzare il 5G. Il Li-Fi usa diodi a emissione di luce (light-emitting diodes, LED) per trasmettere
dati, piuttosto che onde radio come il Wi-Fi.[63]

• Worldwide wireless web (WWWW), cioè applicazioni globali per il web basate su collegamenti senza fili, che
includono una capacità multimediale completa oltre le velocità del 4G.[7]

1.5 Storia
• Nell'aprile 2008, la NASA si associò con Geoff Brown e la Machine-to-Machine Intelligence (M2Mi) Corp
per sviluppare la tecnologia di comunicazione 5G.[9]

• Nel 2008, fu predisposto il programma sudcoreano di R&S informatica dei “sistemi di comunicazione mobile
5G basati sull'accesso multiplo a divisione radiale e sui ripetitori con cooperazione a gruppi”.[18]
1.5. STORIA 7

• Nell'agosto 2012, l'Università di New York fondò il NYU WIRELESS, un centro di ricerca accademico
multidisciplinare che ha condotto un lavoro pionieristico sulle comunicazioni senza fili del 5G.[64][65][66]

• L'8 ottobre 2012, l'Università del Surrey nel Regno Unito ottenne 35 milioni di sterline per un nuovo centro di
ricerca sul 5G, finanziato congiuntamente dallo UK Research Partnership Investment Fund (UKRPIF, “Fondo
d'investimento del Regno Unito per il partenariato della ricerca”) e da un consorzio di importanti operatori
mobili e fornitori di infrastruttura internazionali, che include Huawei, Samsung, Telefonica Europe, Fujitsu
Laboratories Europe, Rohde & Schwarz e Aircom International. Esso offrirà impianti di collaudo agli ope-
ratori mobili desiderosi di sviluppare uno standard mobile che usi meno energia e meno spettro radio pur
assicurando velocità più elevate dall'attuale 4G, con l'obiettivo che la nuova tecnologia sia pronta entro un
decennio.[67][68][69][70]

• Il 1º novembre 2012, il progetto UE “Mobile and wireless communications Enablers for the Twenty-twenty In-
formation Society” (METIS, “Facilitatori delle comunicazioni mobili e senza fili per la società dell'informazione
del 2020”) iniziò la sua attività tesa alla definizione del 5G. METIS intende assicurare un primo consenso glo-
bale su questi sistemi. In questo senso, METIS svolgerà un ruolo importante per costruire il consenso tra gli
altri principali portatori di interessi esterni anteriormente alle attività di standardizzazione globale. Questo
sarà fatto iniziando e orientando il lavoro nei relativi forum globali (ad es. ITU-R), nonché negli organismi
regolatori nazionali e regionali.[71]

• Sempre nel novembre 2012, fu lanciato il progetto UE iJOIN, che si focalizza sulla tecnologia a "piccole celle",
che è di importanza fondamentale per trarre vantaggio da risorse limitate e strategiche, quali lo spettro delle
onde radio. Secondo Günther Oettinger, il commissario europeo per l'economia e la società digitale (2014–
19), “un'utilizzazione innovativa dello spettro” è uno dei fattori chiave al centro del successo del 5G. Oettinger
lo descrisse ulteriormente come “la risorsa essenziale per la connettività senza fili della quale il 5G sarà il
principale fattore”.[72] iJOIN fu selezionato dalla Commissione europea come uno dei progetti pionieristici di
ricerca sul 5G per presentare i primi risultati su questa tecnologia al Mobile World Congress 2015 (Barcellona,
Spagna).

• Nel febbraio 2013, la ITU-R Working Party 5D (WP 5D) iniziò due progetti di studio: (1) Studio sulla visione
delle TMI per il 2020 e oltre, e; (2) Studio sulle tendenze future della tecnologia per i sistemi TMI terrestri.
Entrambi mirano ad avere una migliore comprensione dei futuri aspetti tecnici delle comunicazioni mobili in
vista della definizione del mobile di prossima generazione.

• Il 12 maggio 2013, la Samsung Electronics affermò di avere sviluppato il primo sistema “5G” del mondo. La
tecnologia di base ha una velocità massima di decine di Gbit/s (gigabit al secondo). In collaudo, le velocità di
trasferimento per la rete “5G” inviavano dati a 1,056 Gbit/s a una distanza fino a 2 chilometri con l'uso di un
MIMO 8*8.[73][74]

• Nel 2013, India e Israele hanno concordato di lavorare congiuntamente sullo sviluppo delle tecnologie di
telecomunicazioni di quinta generazione (5G).[75]

• Il 1º ottobre 2013, la NTT (Nippon Telegraph and Telephone), la stessa azienda che ha lanciato in Giappone
la prima rete 5G del mondo, vince il Premio del Ministro per gli affari interni e le comunicazioni al CEATEC
per gli sforzi di R&S nel 5G.[76]

• Il 6 novembre 2013, la Huawei annunciò piani per investire un minimo di 600 milioni di dollari in R&S per le
reti 5G di prossima generazione capaci dì velocità 100 volte più elevate delle moderne reti LTE.[77]

• L'8 maggio 2014, la NTT DoCoMo inizia a collaudare le reti mobili 5G con Alcatel Lucent, Ericsson, Fujitsu,
NEC, Nokia e Samsung.[78]

• Nel giugno 2014, il progetto di ricerca della UE CROWD fu selezionato dalla Commissione europea per entrare
nel gruppo dei “primi progetti precursori del 5G”. Questi progetti contribuiscono alla prima presentazione di
potenziali per la futura, ubiquitaria, infrastruttura “5G” a banda ultralarga. CROWD fu incluso nell'elenco
delle dimostrazioni alla Conferenza europea sulle reti e le comunicazioni (European Conference on Networks
and Communications, EuCNC) organizzata dalla UE nel giugno 2014 (Italia).

• Nell'ottobre 2014, viene lanciato il progetto di ricerca TIGRE5-CM (tecnologie integrate per la gestione e il
funzionamento delle reti 5G) con lo scopo di progettare un'architettura per le reti mobili di futura generazione,
basata sul paradigma delle reti definite dal software (Software Defined Networking, SDN). L'IMDEA Networks
Institute è il coordinatore del progetto.
8 CAPITOLO 1. 5G

• Nel novembre 2014, fu annunciato che MegaFon e Huawei svilupperanno una rete 5G in Russia. Una rete di
prova sarà disponibile entro la fine del 2017, appena in tempo per la Coppa del Mondo del 2018.[79][80]

• Il 19 novembre 2014, Huawei e SingTel annunciarono la firma di un memorandum d'intesa per lanciare un
programma d'innovazione congiunto sul 5G.[81]

• Il 22 giugno 2015, il governo greco annunciò ai colloqui del consiglio dell'Eurogruppo che le potenziali licenze
delle tecnologie 5G e 4G avrebbero fruttato guadagni per 350 milioni di euro; di conseguenza fu criticato per
aver fuorviato i capi europei prospettando guadagni potenziali da una tecnologia che si suppone sarà presentata
dopo il 2020.[82]

• L'8 settembre 2015, la Verizon annunciò un piano d'azione per cominciare a collaudare il 5G in prove sul
campo negli Stati Uniti nel 2016.[83]

• Il 1º ottobre 2015, l'operatore francese Orange annunciò di essere in procinto di installare tecnologie 5G per
cominciare la prima prova nel gennaio 2016 a Belfort, una città della Francia orientale.[84]

• Il 22 gennaio 2016, il fabbricante svedese di attrezzature per reti mobili Ericsson ha dichiarato di essersi
associato con TeliaSonera per sviluppare servizi 5G basati sulla rete della TeliaSonera e sulla tecnologia 5G
della Ericsson. L'associazione mira a fornire servizi 5G ai clienti TeliaSonera a Stoccolma (Svezia) e Tallinn
(Estonia) nel 2018. La Svezia è da molto tempo una nazione pioniera nelle TCI e in particolare la Ericsson e
la TeliaSonera lanciarono la prima rete 4G commerciale del mondo in Svezia nel 2009.[85]

• Il 22 febbraio 2016, Samsung e Verizon si unirono per cominciare le prove sul 5G.

• Il 22 febbraio 2016, NTT DoCoMo ed Ericsson riuscirono per la prima volta al mondo a raggiungere una
velocità cumulativa di 20Gbit/s con due dispositivi mobili connessi simutaneamente in una prova all'aperto del
5G.[86]

• Il 29 gennaio 2016, Google rivelò che sta sviluppando una rete 5G chiamata SkyBender. Progettava di distri-
buire questa connessione mediante droni ad energia solare.[87]

• A metà di marzo 2016, il governo britannico confermò i suoi piani per rendere il Regno Unito un leader
mondiale nel campo del 5G. I piani per il 5G sono poco più di una nota a piè di pagina nel bilancio 2016 del
paese, ma sembra che il governo britannico voglia portarli avanti come una priorità essenziale.[88]

• Il 2 giugno 2016, fu pubblicato il primo libro completo sul 5G. Il libro 5G Mobile and Wireless Communications
Technology (“Tecnologia 5G per le comunicazioni mobili e senza fili”), pubblicato dalla Cambridge University
Press, è curato da Afif Osseiran (Ericsson), Jose F. Monserrat (UPV) e Patrick Marsch (Nokia Bell Labs) e
copre tutti gli aspetti: dai casi d'uso più probabili, dagli aspetti dello spettro e da un'ampia gamma di opzioni
tecnologiche alle architetture potenziali del sistema 5G.[4]

• Alla fine del 2016, in Italia, la giunta comunale della città di Torino, prima in Italia, ha sottoscritto un patto
d'intesa con la società Telecom Italia Mobile per dare l'avvio ad una sperimentazione di rete 5G. Telecom
Italia Mobile ha aderito all'Action Plan della Commissione Europea. In base ad esso, era necessario comunicare
entro il 2020 il nominativo della prima città 5G-enabled. Tale scelta è caduta, appunto, su Torino. Il medesimo
protocollo prevede, tra l'altro, lo sviluppo di una rete che copra le maggiori città e garantisca le adeguate vie di
transito. L'accordo sottoscritto da TIM e Torino prevede che entro il 2018 tremila utenti potrannio usufruire
del 5G, per passare successivamente ad una rete a diffusione capillare.

1.6 Note
[1] Afif Osseiran et al., Scenarios for 5G mobile and wireless communications: the vision of the METIS project, in Commu-
nications Magazine, vol. 52, nº 5, IEEE, maggio 2014, DOI:10.1109/MCOM.2014.6815890, ISSN 1790-0832.

[2] Jo Best, The race to 5G: Inside the fight for the future of mobile as we know it, TechRepublic, 28 agosto 2013. URL
consultato il 14 gennaio 2016.

[3] NGMN Alliance, 5G White Paper (PDF), ngmn.org, 15 febbraio 2015. URL consultato il 2 marzo 2016.

[4] Afif Osseiran, Jose F. Monserrat e Patrick Marsch, 5G Mobile and Wireless Communications Technology, Cambridge
University Press, giugno 2016, ISBN 978-1-107-13009-8. URL consultato il 20 luglio 2016.
1.6. NOTE 9

[5] Snider Mike, FCC Approves Spectrum for 5G Advances, USA Today, 14 luglio 2016. URL consultato il 25 luglio 2016.

[6] Tom Wheeler, Leading Towards Next Generation “5G” Mobile Services, Federal Communications Commission. URL
consultato il 25 luglio 2016.

[7] Shakil Akhtar, 2G-5G Networks: Evolution of Technologies, Standards, and Deployment (PDF), a cura di Margherita
Pagani, 2ª ed., Hershey, Pennsylvania, US, IGI Global, agosto 2008 [2005], pp. 522–532, DOI:10.4018/978-1-60566-
014-1.ch070, ISBN 978-1-60566-014-1. URL consultato il 2 giugno 2011 (archiviato dall'url originale il 2 giugno 2011).

[8] Emerging Wireless Technologies; A look into the future of wireless communication – beyond 3G, SafeCom (un programma
del Dipartimento della Sicurezza Interna degli Stati Uniti d'America). URL consultato il 27 settembre 2013.

«Poiché si sta seguendo il modello generale di 10 anni per sviluppare un nuovo sistema mobile, quella linea
temporale suggerirebbe che il 4G dovrebbe essere operativo intorno al 2011».

[9] NASA Ames Partners With M2MI For Small Satellite Development, nasa.gov, 24 aprile 2008. URL consultato il 2 marzo
2016.

[10] Xichun Li, Abudulla Gani, Rosli Salleh e Omar Zakaria, The Future of Mobile Wireless Communication Networks (PDF),
International Conference on Communication Software and Networks, febbraio 2009, ISBN 978-0-7695-3522-7. URL
consultato il 27 settembre 2013.

[11] The METIS 2020 Project – Mobile and Wireless Communication Enablers for the 2020 Information Society (PDF),
METIS, 6 luglio 2013. URL consultato il 27 settembre 2013.

[12] Interview with Ericsson CTO: There will be no 5G - we have reached the channel limits, DNA India, 23 maggio 2011.
URL consultato il 27 settembre 2013.

[13] RAN 5G Workshop - The Start of Something, 3GPP, 19 settembre 2015. URL consultato il 30 settembre 2015.

[14] In 5G proceeding, SpaceX urges FCC to protect future satellite ventures, su FierceWirelessTech. URL consultato il 10
febbraio 2015.

[15] what is 5g, 5g visions,, su GSM History: History of GSM, Mobile Networks, Vintage Mobiles, GSMHistory.com.

[16] Demand Attentive Networks (DAN), theiet.org.

[17] 5G Empowering Vertical Industries White Paper). (PDF), su 5G PPP, febbraio 2016. URL consultato il 1º marzo 2016.

[18] Il programma coreano di R&S informatica dell'MKE/IITA (Ministry of Knowledge Economy/Institute of Information Tech-
nology Advancement, “Ministero dell'economia della conoscenza/Istituto per l'avanzamento delle tecnologie dell'informazione”):
2008-F-004-01 “5G mobile communication systems based on beam-division multiple access and relays with group coope-
ration”.

[19] 5G Innovation Centre, su University of Surrey - Guildford.

[20] Mobile communications: Fresh €50 million EU research grants in 2013 to develop '5G' technology, Europa.eu, 26 febbraio
2013. URL consultato il 27 settembre 2013.

[21] 5GrEEn project webpage - Towards Green 5G Mobile Networks, EIT ICT Labs, 15 gennaio 2013. URL consultato il 27
settembre 2013.

[22] Dario Pompili, Abolfazl Hajisami e Hariharasudhan Viswanathan, Dynamic Provisioning and Allocation in Cloud Radio
Access Networks (C-RANs), in Ad Hoc Networks, vol. 30, marzo 2015, pp. 128–143.

[23] Huawei to Invest $600M in 5G Research & Innovation by 2018 - Huawei Press Center, Huawei. URL consultato il 14
gennaio 2016.

[24] Allied Newspapers Ltd, Update 2: Agreement for 5G technology testing signed; 'You finally found me' - Sai Mizzi Liang,
timesofmalta.com. URL consultato il 14 gennaio 2016.

[25] Allied Newspapers Ltd, PM thanks Sai Mizzi as Chinese telecoms giant prepares to test 5G in Malta, timesofmalta.com.
URL consultato il 14 gennaio 2016.

[26] Noord-Groningen krijgt onvoorstelbaar snel mobiel internet, in RTV Noordx, agosto 2015.

[27] The METIS-II Project – Mobile and Wireless Communication Enablers for the 2020 Information Society, METIS, 1º luglio
2015. URL consultato il 20 luglio 2016.

[28] 5GNORMA website.


10 CAPITOLO 1. 5G

[29] mmMAGIC website, 5g-ppp.eu.

[30] Xhaul website.

[31] Flex5Gware website, 5g-ppp.eu.

[32] SUPERFLUIDITY website, 5g-ppp.eu.

[33] TIM 5G a Torino, si parte! Sperimentazione già nel 2018, in Tom’s Hardware. URL consultato il 17 marzo 2017.

[34] Parte la sperimentazione per il 5G in cinque città, in Il Sole 24 ORE. URL consultato il 17 marzo 2017.

[35] Z. Pi, F. Khan, An introduction to millimeter-wave mobile broadband systems, in IEEE Communications Magazine, vol.
49, nº 6, giugno 2011, pp. 101-107.

[36] T. S. Rappaport, et. al., Millimeter Wave Mobile Communications for 5G Cellular: It will work!, in IEEE Access, vol. 1,
nº 1, maggio 2013, pp. 335-354.

[37] T. S. Rappaport, Broadband Millimeter-Wave Propagation Measurements and Models Using Adaptive-Beam Antennas for
Outdoor Urban Cellular Communications, in IEEE Trans. Ant. Prop., vol. 61, nº 4, aprile 2013, pp. 1850-1859.

[38] J. G. Andrews, S. Buzzi, W. Choi, S. Hanly, A. Lozano, A.C.K. Soong e J. Zhang, What will 5G be?, in IEEE Journal on
Selected Areas in Communications, vol. 32, nº 6, giugno 2014, pp. 1065-1082.

[39] Theodore S. Rappaport, Wonil Roh & Kyungwhoon Cheun, Mobile’s Millimeter-Wave Makeover, in IEEE Spectrum, vol.
51, nº 9, settembre 2014, pp. 34-58.

[40] T. S. Rappaport, et. al., Wideband Millimeter-Wave Propagation Measurements and Channel Models for Future Wireless
Communication System Design, in IEEE Trans. Comm., vol. 63, nº 9, settembre 2015, pp. 3029-3056.

[41] G. MacCartney, et. al., Indoor Office Wideband Millimeter-Wave Propagation Measurements and Channel Models at 28
and 73 GHz for Ultra-Dense 5G Wireless Networks, in IEEE Access, vol. 3, ottobre 2015, pp. 2388-2424.

[42] T. L. Marzetta, Noncooperative Cellular Wireless with Unlimited Numbers of Base Station Antennas, in IEEE Transactions
on Wireless Communications, vol. 9, no. 11, Bell Labs., Alcatel-Lucent, novembre 2010, pp. 56–61, 3590–3600, ISSN
1536-1276. URL consultato il 27 settembre 2013.

[43] J. Hoydis, S. ten Brink e M. Debbah, Massive MIMO in the UL/DL of Cellular Networks: How Many Antennas Do We
Need?, in IEEE Journal on Selected Areas in Communications, vol. 31, no. 2, Bell Labs., Alcatel-Lucent, febbraio 2013,
pp. 160–171. URL consultato il 27 settembre 2013.

[44] E. Bjornson, E. G. Larsson e M. Debbah, Massive MIMO for Maximal Spectral Efficiency: How Many Users and Pilots
Should Be Allocated?, in IEEE Transactions on Wireless Communications, vol. 15, no. 2, IEEE, febbraio 2016, pp. 1293-
1308. URL consultato il 2 marzo 2016.

[45] E. Bjornson, L. Sanguinetti, J. Hoydis e M. Debbah, Optimal Design of Energy-Efficient Multi-User MIMO Systems: Is
Massive MIMO the Answer?, in IEEE Transactions on Wireless Communications, vol. 14, no. 6, IEEE, giugno 2015, pp.
3059-3075. URL consultato il 2 marzo 2016.

[46] F. Rusek, D. Persson, Buon Kiong Lau, E. G. Larsson, T. L. Marzetta, O. Edfors, F. Tufvesson, Scaling Up MIMO:
Opportunities and Challenges with Very Large Arrays, in Signal Processing Magazine, IEEE, vol. 30, no. 1, pp. 40,60.
URL consultato il 15 gennaio 2013.

[47] B. Kouassi, I. Ghauri, L. Deneire, Reciprocity-based cognitive transmissions using a MU massive MIMO approach, IEEE
International Conference on Communications (ICC), 2013.

[48] E. Bastug, M. Bennis e M. Debbah, Living on the edge: The role of proactive caching in 5G wireless networks, in IEEE
Communications Magazine, vol. 52, issue 8, IEEE, agosto 2014, pp. 82–89. URL consultato l'8 novembre 2015.

[49] E. Bastug, M. Bennis, M. Kountouris e M. Debbah, Cache-enabled small cell networks: modeling and tradeoffs, in EURA-
SIP Journal on Wireless Communications and Networking, vol. 2015, no. 1 pp. 41, Springer, agosto 2014. URL consultato
l'8 novembre 2015.

[50] Omid Semiari, Walid Saad, Mehdi Bennis, Stefan Valentin e Vincent Poor, Context-Aware Small Cell Networks: How
Social Metrics Improve Wireless Resource Allocation, in IEEE Transactions on Wireless Communications, vol. 14, nº 11,
2015, pp. 5927–5940, arXiv:1505.04220, Bibcode:2015arXiv150504220S, DOI:10.1109/TWC.2015.2444385.

[51] Yunan Gu, Walid Saad, Mehdi Bennis, Merouane Debbah e Zhu Han, Matching Theory for Future Wireless Networks:
Fundamentals and Applications, in IEEE Communications Magazine, vol. 53, nº 15, 2015, pp. 52–59, arXiv:1410.6513,
Bibcode:2014arXiv1410.6513G, DOI:10.1109/MCOM.2015.7105641.
1.6. NOTE 11

[52] Yanru Zhang, Erte Pan, Lingyang Song, Walid Saad, Zaher Dawy e Zhu Han, Social Network Aware Device-to-Device
Communication in Wireless Networks, in IEEE Transactions on Wireless Communications, vol. 14, nº 1, 2015.

[53] Communications, Caching, and Computing for Content-Centric Mobile Networks | IEEE Communications Society, Com-
soc.org, 1º gennaio 2016. URL consultato il 14 gennaio 2016.

[54] D. Gesbert, S. Hanly, H. Huang, S. Shamai, O. Simeone e W. Yu, Multi-cell MIMO cooperative networks: A new look
at interference, in IEEE Journal on Selected Areas in Communications, vol. 28, no. 9, EURECOM, dicembre 2010, pp.
1380–1408. URL consultato il 27 settembre 2013.

[55] Emil Björnson e Eduard Jorswieck, Optimal Resource Allocation in Coordinated Multi-Cell Systems, in Foundations and
Trends in Communications and Information Theory, vol. 9, no. 2-3, NOW – The Essence of Knowledge, 2013, pp. 113–
381. URL consultato il 27 settembre 2013.

[56] R. Baldemair, E. Dahlman, G. Fodor, G. Mildh, S. Parkvall, Y. Selen, H. Tullberg e K. Balachandran, Evolving Wireless
Communications: Addressing the Challenges and Expectations of the Future, in IEEE Vehicular Technology Magazine,
vol. 8, no. 1, Ericsson Research, marzo 2013, pp. 24–30. URL consultato il 27 settembre 2013.

[57] Abdullah Gani, Xichun Li, Lina Yang, Omar Zakaria e Nor Badrul Anuar, Multi-Bandwidth Data Path Design for 5G
Wireless Mobile Internets, in WSEAS Transactions on Information Science and Applications archive, Volume 6, Issue 2,
febbraio 2009, ISSN 1790-0832. URL consultato il 27 settembre 2013.

[58] C. Liang e F. Richard Yu, Wireless Network Virtualization: A Survey, Some Research Issues and Challenges, in IEEE
Communications Surveys & Tutorials, 2014. URL consultato il 3 novembre 2014.

[59] Loretta W. Prencipe, Tomorrow’s 5g cell phone; Cognitive radio, a 5g device, could forever alter the power balance from
wireless service provider to user, in Infoworld Newsletters / Networking, IDG Group, 28 febbraio 2003. URL consultato
il 27 settembre 2013.

[60] Cornelia-Ionela Badoi, Neeli Prasad, Victor Croitoru e Ramjee Prasad, 5G based cognitive radio, in Wireless Personal
Communications, Volume 57, Number 3, pp. 441–464, DOI:10.1007/s11277-010-0082-9. URL consultato il 27 settembre
2013.

[61] Leonardo S. Cardoso, Marco Maso, Mari Kobayashi e Mérouane Debbah, Orthogonal LTE two-tier Cellular Networks
(PDF), in 2011 IEEE International Conference on Communications (ICC), luglio 2011, pp. 1–5. URL consultato il 27
settembre 2013.

[62] Toni Janevski, 5G Mobile Phone Concept, in Consumer Communications and Networking Conference, 2009 6th IEEE [1-
4244-2308-2], Facility of Electrical Engineering & Information Technology, University Sv. Kiril i Metodij, 10–13 gennaio
2009. URL consultato il 27 settembre 2013.

[63] National Instruments and the University of Edinburgh Collaborate on Massive MIMO Visible Light Communication
Networks to Advance 5G, Cambridge Wireless, 20 novembre 2013

[64] The world’s first academic research center combining Wireless, Computing, and Medical Applications, Nyu Wireless, 20
giugno 2014. URL consultato il 14 gennaio 2016.

[65] NYU Wireless’ Rappaport envisions a 5G, millimeter-wave future - FierceWirelessTech, Fiercewireless.com, 13 gennaio
2014. URL consultato il 14 gennaio 2016.

[66] Monica Alleven, NYU Wireless says U.S. falling behind in 5G, presses FCC to act now on mmWave spectrum, Fiercewi-
reless.com, 14 gennaio 2015. URL consultato il 14 gennaio 2016.

[67] Spencer Kelly, BBC Click Programme - Kenya, BBC News Channel, 13 ottobre 2012. URL consultato il 15 ottobre 2012.

«Alcune delle più grosse aziende di telecomunicazioni del mondo hanno unito le forze con il governo britannico
per finanziare un nuovo centro di ricerca sul 5G. La struttura, che avrà sede presso l'Università del Surrey,
offrirà impianti di collaudo agli operatori mobili desiderosi di sviluppare uno standard mobile che usi meno
energia e meno spettro radio pur assicurando velocità più elevate dall'attuale tecnologia 4G che è stata lanciata
in circa 100 paesi, incluse varie città britanniche. Dicono che la nuova tecnologia potrebbe essere pronta entro
un decennio.».

[68] The University Of Surrey Secures £35M For New 5G Research Centre, University of Surrey, 8 ottobre 2012. URL
consultato il 15 ottobre 2012.

[69] 5G research centre gets major funding grant, in BBC News, BBC News Online, 8 ottobre 2012. URL consultato il 15
ottobre 2012.
12 CAPITOLO 1. 5G

[70] Alice Philipson, Britain aims to join mobile broadband leaders with £35m '5G' research centre, in The Daily Telegraph
(Londra), Telegraph Media Group, 9 ottobre 2012. URL consultato il 7 gennaio 2013.

[71] METIS projet presentation (PDF), metis2020.com, novembre 2012.

[72] Speech at Mobile World Congress: The Road to 5G, ec.europa.eu, marzo 2015.

[73] ,5 , news.naver.com, 12 maggio 2013. URL consultato il 12 maggio 2013.

[74] General METIS presentations available for public, metis2020.com.

[75] India and Israel have agreed to work jointly on development of 5G, in The Times Of India, 25 luglio 2013. URL consultato
il 25 luglio 2013.

[76] DoCoMo Wins CEATEC Award for 5G, wirelesswatch.jp, 3 ottobre 2013. URL consultato il 3 ottobre 2013.

[77] Jochan Embley, Huawei plans $600m investment in 10Gbps 5G network, in The Independent (Londra), 6 novembre 2013.
URL consultato l'11 novembre 2013.

[78] Japan’s NTT DoCoMo to Start Testing 5G Mobile Networks, cellular-news, 8 maggio 2014. URL consultato l'8 maggio
2014.

[79] "Мегафон" и Huawei начинают создание сети 5G, CNews, 19 novembre 2014. URL consultato il 19 novembre 2014.

[80] Huawei plans to trial 5G mobile internet at the 2018 World Cup, TechRadar, 19 novembre 2014. URL consultato il 19
novembre 2014.

[81] SingTel and Huawei Ink MOU to Launch 5G Joint Innoviation Program, Huawei, 19 novembre 2014. URL consultato il
21 novembre 2014.

[82] Μέτρα €7,9 δισ. το 2015-2016 προτείνει η κυβέρνηση, Capital.gr, 31 dicembre 2014. URL consultato il 14 gennaio
2016.

[83] Verizon sets roadmap to 5G technology in U.S.; Field trials to start in 2016, Verizon, 8 settembre 2015. URL consultato il
9 settembre 2015.

[84] (FR) Directmatin, Orange va expérimenter la 5G en France, www.directmatin.fr. URL consultato il 14 gennaio 2016.

[85] (EN) Ericsson, TeliaSonera and Ericsson go 5G, www.ericsson.com. URL consultato il 26 gennaio 2016.

[86] NTT Docomo, DOCOMO and Ericsson Succeed in World’s first trial to achieve a cumulative 20Gbps with two simulta-
neously connected mobile devices in 5G Outdoor Trial, nttdocomo.co.jp, 22 febbraio 2016. URL consultato il 21 maggio
2016.

[87] Mark Harris, Project Skybender: Google’s secretive 5G internet drone tests revealed, in The Guardian, 29 gennaio 2016.
URL consultato il 31 gennaio 2016.

[88] Government confirmed plans to make the UK a world leader in 5G, 5g.co.uk.

1.7 Voci correlate


• Telefonia cellulare

• TACS

• 2G

• 3G (telefonia)

• LTE (telefonia)

• 4G (telefonia)

• Banda Ka

• OpenFlow/OpenRadio per la condivisione del backhaul.

• Ultra-wideband (UWB)
1.8. ULTERIORI LETTURE 13

1.8 Ulteriori letture


• Theodore S. Rappaport, Robert W. Heath, Jr., Robert C. Daniels e James N. Murdock, Millimeter Wave
Wireless Communications ["Comunicazioni senza fili con onde millimetriche"], Prentice Hall, 2014, ISBN
978-0-13-217228-8. Questo testo, lungo quasi 700 pagine, copre le aree tecniche riguardanti le potenziali
tecnologie 5G, inclusi gli standard per le principali reti globali senza fili di tipo locale (wireless local-area
networks, WLAN) e personale (wireless personal local-area networks, WPAN) da 60 GHz.

1.9 Collegamenti esterni


• (EN) 5G Technology Technical Paper (Documento tecnico sulla tecnologia 5G)

• (EN) Information About Generation 5G (Informazioni sulla generazione 5G)


• (EN) Applications of 5G (Applicazioni del 5G)
Capitolo 2

Wireless sensor network

Sensor Node

Gateway
Sensor Node

Un tipico esempio di reti di sensori

Con il termine Wireless Sensor Network (o WSN) si indica una determinata tipologia di rete che, caratterizzata da
una architettura distribuita, è realizzata da un insieme di dispositivi elettronici autonomi in grado di prelevare dati
dall'ambiente circostante e di comunicare tra loro.

2.1 Introduzione
I recenti progressi tecnologici nei sistemi microelettromeccanici (MEMS, micro electro mechanical system), nelle
comunicazioni wireless e nell'elettronica digitale hanno permesso lo sviluppo di piccoli apparecchi a bassa potenza
dai costi contenuti, multifunzionali e capaci di comunicare tra loro tramite tecnologia wireless a raggio limitato.
Questi piccoli apparecchi, chiamati nodi sensori, sensor node (in inglese) o mote (principalmente nell'America
settentrionale), sono formati da componenti in grado di rilevare grandezze fisiche (sensori di posizione, temperatura,
umidità ecc.), di elaborare dati e di comunicare tra loro. Un sensore è comunemente definito come un particolare
trasduttore che si trova in diretta interazione con il sistema misurato.
Una rete di sensori (detta anche sensor network) è un insieme di sensori disposti in prossimità oppure all'interno del
fenomeno da osservare. Questi piccoli dispositivi sono prodotti e distribuiti in massa, hanno un costo di produzione
trascurabile e sono caratterizzati da dimensioni e pesi molto ridotti. Ogni sensore ha una riserva d'energia limitata e
non rinnovabile e, una volta messo in opera, deve lavorare autonomamente; per questo motivo tali dispositivi devono
mantenere costantemente i consumi molto bassi, in modo da avere un maggior ciclo di vita. Per ottenere la maggior
quantità possibile di dati occorre effettuare una massiccia distribuzione di sensori (nell'ordine delle migliaia o decine
di migliaia) in modo da avere un'alta densità (fino a 20 nodi/m3) e far sì che i nodi siano tutti vicini tra loro, condizione

14
2.1. INTRODUZIONE 15

necessaria affinché possano comunicare. Una delle più comuni applicazioni in cui è possibile far uso di una rete di
sensori consiste nel monitoraggio di ambienti fisici come il traffico in una grande città oppure dati rilevati da un'area
disastrata da un terremoto.
I nodi sensore all'interno di una rete hanno la possibilità di collaborare tra loro dal momento che sono provvisti di
un processore on-board; grazie a quest'ultimo, ciascun nodo, invece di inviare dati grezzi ai nodi responsabili della
raccolta dei dati, può effettuare delle semplici elaborazioni e trasmettere solo i dati richiesti e già elaborati.
La comunicazione, realizzata tramite tecnologia wireless a corto raggio, è solitamente di tipo asimmetrico in quanto
i nodi comuni inviano le informazioni raccolte ad uno o più nodi speciali della rete, detti nodi sink, i quali hanno
lo scopo di raccogliere i dati e trasmetterli tipicamente ad un server o ad un calcolatore. Una comunicazione può
avvenire autonomamente da parte del nodo quando si verifica un dato evento, o può venire indotta dal nodo sink
tramite l'invio di una query verso i nodi interessati.
Le reti di sensori possono essere utilizzate in numerose applicazioni; tuttavia la realizzazione di queste ultime richiede
l'uso di tecniche utilizzate anche nelle reti wireless ad hoc. Sfortunatamente, molti degli algoritmi usati nelle reti ad
hoc non sono compatibili con i requisiti di questo tipo di reti.
I principali motivi derivano dal fatto che:

• Il numero di nodi che compongono una rete di sensori può essere di alcuni ordini di grandezza maggiore rispetto
al numero di nodi in una rete ad hoc;

• I nodi sono disposti con un'alta densità;

• I nodi sono soggetti a guasti;

• La topologia di una rete di sensori può cambiare frequentemente a causa di guasti ai nodi o della loro mobilità.

• I nodi utilizzano un paradigma di comunicazione broadcast mentre la maggior parte delle reti ad hoc sono
basate su una comunicazione di tipo punto-punto;

• I nodi sono limitati rispetto ad alimentazione, capacità di calcolo e memoria;

• I nodi solitamente non possiedono un identificatore globale (come l'indirizzo IP nei computer);

• I nodi necessitano di una stretta integrazione con le attività di rilevamento.

Per questo motivo, questa tipologia di rete necessita di algoritmi pensati e realizzati in maniera specifica per gestire
la comunicazione e l'instradamento dei dati.
Le reti di sensori possono migliorare in modo significativo la qualità delle informazioni: ad esempio possono garantire
una elevata fedeltà, possono fornire informazioni in tempo reale anche da ambienti ostili e possono ridurre i costi di
trasmissione delle stesse informazioni.
Quindi, assumiamo che le reti di sensori possono essere utilizzate su un'ampia schiera di applicazioni che vanno da
quella militare a quella scientifica, industriale, medica e domestica. Lo scopo fondamentale di una rete di sensori è
di produrre su un periodo esteso di tempo, una informazione globale significativa ottenuta da una serie di dati locali
provenienti dai singoli sensori. È importante notare che la rete deve essere realizzata in modo da garantirne l'integrità
per un periodo di tempo che sia il più lungo possibile, allo scopo di ottenere informazioni accurate anche in caso di
attacco alla rete da parte di organi esterni o di cedimenti hardware.
Il fatto che un singolo sensore sia dotato di una piccola quantità di energia non deve impedirgli di inviare le in-
formazioni elaborate, che verranno raccolte e unite alle informazioni provenienti dagli altri sensori. Un'importante
via da seguire consiste nel rilevare il maggior quantitativo possibile di dati locali, evitando la trasmissione dei dati
inefficienti attraverso la rete. Ci sono diverse possibili tecniche che possono essere usate per connettere la rete con
l'esterno, in particolare per trasmettere le informazioni che essa raccoglie. Nelle nostre reti sensoriali assumiamo
che ci siano entità speciali chiamate nodi sink, che agisce come nodi gateway, a lungo raggio d'azione e distribuiti
accanto ai sensori.
Un utente specifica al nodo sink di quali informazioni ha bisogno. Il sink genera una interrogazione che viene poi
immessa nella rete. Una o più risposte sono rinviate indietro al sink il quale riunisce ed elabora queste risposte prima
di fornire il risultato finale all'utente. Le reti di sensori sono modellate come dei database distribuiti. Il recupero di
informazioni è effettuato tramite un linguaggio simile all'SQL. Il flusso delle informazioni dipende dal meccanismo di
16 CAPITOLO 2. WIRELESS SENSOR NETWORK

elaborazione interno al database. La cosa più semplice sarebbe quella di lasciare al nodo sink il compito di collezionare
tutte le informazioni da ciascun nodo sensore e quello dell'elaborazione dei dati.
Questo cosa è però impraticabile per diversi motivi:

• Gli ack che il sink è costretto a mandare ai vari nodi sensore rappresenterebbero un collo di bottiglia nel caso
in cui il numero di nodi sensore fosse destinato ad aumentare;

• I nodi sensore usano, per interagire tra loro, una comunicazione wireless. Alcuni nodi posizionati lontano dal
sink potrebbero non essere in grado di comunicare direttamente con questo a causa della limitata potenza di
trasmissione a disposizione.

Quindi, non dobbiamo modellare una rete di sensori come un database distribuito dove tutti i nodi sono passivi, ma
come un insieme distribuito di nodi che collaborano tra loro e dove ciascuno ha capacità attive programmabili. Questo
permette a tutti i nodi di coordinarsi l'uno con l'altro per eseguire un task assegnato. In questo modo i nodi sensore
diventano attivi e autonomi.
I nodi sensore sono sparpagliati in un'area chiamata area di sensing. Ciascun nodo, all'interno di questa area, ha
la capacità di accumulare e di instradare i dati fino al nodo sink ed infine all'utente finale. Il nodo sink consiste in
un'antenna capace di illuminare tutto il dominio occupato dai nodi sensori ovvero l'area di sensing. La posizione dei
nodi all'interno della rete non deve essere predeterminata in quanto questo consente di utilizzare questa tecnologia in
posti difficilmente accessibili o in operazioni di soccorso in luoghi disastrati per i quali è necessaria una disposizione
random dei nodi.
Ciò significa che gli algoritmi e i protocolli utilizzati nelle reti di sensori devono possedere capacità auto organiz-
zative. I sensori, conoscendo le caratteristiche di trasmissione del sink, e sfruttando il suo segnale di illuminazione
(che possono, o meno, sentire), possono effettuare un autoapprendimento di posizione, permettendo quindi la distri-
buzione random di questi nella rete. L'autoapprendimento di posizione dei sensori è quindi una delle caratteristiche
più importanti di questi e, vista la scarsa quantità di energia di cui è dotato un sensore, si deve cercare di ottimizzare
al meglio gli algoritmi che permettono ad un sensore di conoscere la propria posizione, abbassando il suo tempo di
apprendimento, ovvero cercare di minimizzare il tempo in cui un sensore deve stare sveglio ed il numero di volte in
cui esso si deve svegliare.

2.2 Campi di applicazione


Una rete di sensori può essere vista come un insieme di sensori di diverso tipo capaci di rilevare grandezze come
temperatura, umidità, pressione, luce, ma anche capaci di rilevare il movimento di veicoli, la composizione del terreno,
livello di rumore e molte altre cose.
È possibile classificare le applicazioni in cui si possono usare le reti di sensori in militari, ambientali, sanitarie,
casalinghe e commerciali.

2.2.1 Applicazioni militari


La facilità e rapidità di distribuzione, l'auto-organizzazione e la tolleranza ai guasti fanno di una rete di sensori una
tecnica promettente per applicazioni militari.
Poiché una rete di sensori è basata su una disposizione densa di nodi monouso ed a basso costo, la distruzione di
alcuni nodi da parte del nemico non danneggia le operazioni militari come potrebbe accadere con la distruzione dei
sensori tradizionali. Le possibili applicazioni vanno dal monitoraggio di forze alleate, equipaggiamenti e munizioni
alla sorveglianza del campo di battaglia. Sempre nel campo militare, è possibile usare una rete di sensori per effettuare
il riconoscimento di nemici, la stima dei danni di una battaglia oppure il riconoscimento del tipo di attacco (nucleare,
biologico o chimico).

2.2.2 Applicazioni ambientali


In questo ambito, le reti di sensori potrebbero essere usate per alcune applicazioni che riguardano, ad esempio, il
monitoraggio del movimento di uccelli, piccoli animali, insetti.
2.2. CAMPI DI APPLICAZIONE 17

È possibile anche effettuare il monitoraggio di una foresta e rilevare prontamente eventuali incendi. Negli Stati Uniti è
stato messo a punto un sistema per la previsione e rilevazione di inondazioni. Il sistema [1] è formato da molti sensori
in grado di rilevare la quantità di pioggia caduta, il livello dell'acqua di un fiume e condizioni climatiche come ad
esempio temperatura, l'umidità etc...
Le reti di sensori possono essere utilizzate anche nell'agricoltura di precisione. Tra gli obiettivi che è possibile rag-
giungere c'è quello di monitorare il livello dei pesticidi nell'acqua, il livello di erosione del terreno e il grado di
inquinamento dell'aria. Il tutto effettuato in tempo reale. Altra applicazione è quella del monitoraggio dell'habitat di
animali, e lo studio del loro comportamento.
Sempre nel settore ambientale, le reti di sensori possono essere di interesse per studiare gli spostamenti ed il di-
namismo all'interno dei ghiacciai. A tal proposito i sensori vengono distribuiti all'interno del ghiaccio a profondità
differenti. I sensori sono capaci di rilevare temperatura e pressione comunicando con una stazione base posizionata
in cima al ghiacciaio che provvederà al trasferimento di questi a chi di competenza.

2.2.3 Applicazioni medico-sanitarie

Gli utilizzi delle reti di sensori in questo campo sono rivolte a fornire un'interfaccia per le persone affette da handicap,
al monitoraggio di dati fisiologici (riguardanti l'uomo), all'amministrazione ospedaliera sia essa relativa ai pazienti
che ai medici (per una facile rintracciabilità). Inoltre è anche possibile usare i sensori per l'identificazione di allergie.

2.2.4 Applicazioni domestiche

Un esempio di utilizzo di una rete di sensori in ambito domestico è l'automazione della casa che consiste nell'inserire
sensori nel forno, aspirapolvere, refrigeratore, videoregistratore etc... Questi nodi, inseriti negli elettrodomestici, pos-
sono interagire l'uno con l'altro e anche con reti esterne tramite l'utilizzo di internet o del satellite permettendo la
gestione anche da distanze remote.
L'ambiente domestico viene ad assumere così le stesse caratteristiche di un piccolo centro fornito di una rete in grado
di mettere in comunicazione tra loro tutti i vari strumenti di cui l'ambiente è composto.

2.2.5 Applicazioni commerciali

In questo ambito, i sensori potrebbero essere usati per le seguenti applicazioni:

• Rilevamento del furto di auto: nodi sensore sono stati disposti per scoprire e identificare minacce che avvengono
in una determinata zona geografica. Tutte le informazioni rilevate sono inviate, tramite internet, agli utenti finali
per essere analizzate e per prendere i giusti provvedimenti;

• Rilevamento della posizione e del movimento di veicoli (car tracking): tramite una rete di sensori è possi-
bile monitorare la posizione di un'auto in movimento. È inoltre possibile monitorare il traffico su strade
particolarmente transitate;

• Controllo dell'ambiente in ufficio: di solito il sistema di gestione del riscaldamento o dell'aria condizionata è
centralizzato e quindi la temperatura in ufficio può essere diversa a seconda della zona (una parte più calda
e una parte più fredda) proprio per il controllo della temperatura e del flusso dell'aria centralizzato (esiste un
solo termometro e un solo bocchettone da dove esce l'aria). Con una rete di sensori nelle stanze è possibile
controllare la temperatura e la distribuzione dell'aria calda nelle varie zone.

2.2.6 Applicazioni energetiche

Il monitoraggio del consumo energetico di ogni sistema, con l'impiego della WSN, migliora l'efficienza energetica
nelle fabbriche, uffici, residenze/abitazioni.
18 CAPITOLO 2. WIRELESS SENSOR NETWORK

2.3 Progettare una rete di sensori

La progettazione di una rete di sensori è influenzata da molti fattori che non solo sono necessari per la progettazione
della rete, ma influenzano a loro volta la scelta degli algoritmi utilizzati nella rete stessa. Questi fattori sono:

Tolleranza ai guasti

Nella rete di sensori c'è la possibilità che alcuni nodi della rete siano affetti da malfunzionamenti o guasti le cui cause
possono essere danni fisici, interferenze o batterie scariche. La tolleranza ai guasti è la capacità di far funzionare una
rete di sensori anche in caso di malfunzionamento da parte di alcuni nodi.
La tolleranza ai guasti (o affidabilità) di un nodo k è modellata tramite una distribuzione di Poisson ed è vista come
la probabilità di non avere malfunzionamenti nell'intervallo (0, t) :
Rk (t) = e−λkt
Dove λk è il tasso di fallimento del nodo sensore k .
I protocolli e gli algoritmi possono essere progettati in modo da garantire il livello di tolleranza ai guasti richiesto
dalla rete. Il livello di tolleranza dipende fortemente dall'applicazione in cui viene utilizzata la rete di sensori (uso
militare, domestico, commerciale, etc...).

Scalabilità

Il sistema deve essere in grado di funzionare anche all'aumentare del numero di nodi (che possono andare da un basso
numero di unità, fino ad arrivare a qualche milione di sensori). La scalabilità può essere ottenuta anche sfruttando la
natura densa delle reti di sensori.
La densità di nodi in una rete di sensori risulta application dependent e può variare da pochi a centinaia di nodi in una
regione di diametro minore di 10m. La densità, cioè il numero di nodi presenti all'interno del raggio di trasmissione
di un nodo, può essere calcolata nel seguente modo:
(N πr 2 )
µ(r) = A
dove N è il numero di nodi sparpagliati in una regione di area A ed r è il raggio di trasmissione di un nodo.

Costi di produzione

Poiché una rete di sensori è formata da un grande numero di nodi, il costo di un singolo nodo è molto importante.
Se il costo della rete è maggiore rispetto all'utilizzo dei sensori tradizionali allora l'uso di una rete di sensori non è
giustificabile.
Il costo di un nodo sensore dovrebbe perciò essere abbastanza basso (minore di 1 euro). Questo è un obbiettivo
non molto facile da raggiungere in quanto attualmente solo il prezzo di una radio bluetooth (che è considerato un
apparecchio economico), è almeno 10 volte superiore al prezzo indicato. Un nodo ha anche altre unità come un
processore o un campionatore; inoltre in alcune applicazioni può essere necessario equipaggiare un nodo con un
sistema di posizionamento globale (GPS). Tutte queste cose portano ad un incremento del costo di un sensore.

Ambiente operativo

I sensori sono disposti molto vicino o addirittura all'interno del fenomeno da osservare. Perciò, spesso, si trovano a
lavorare in zone geografiche remote (es: all'interno di un macchinario, in fondo all'oceano, sulla superficie dell'oceano
durante un tornado, in una zona biologicamente o chimicamente contaminata, in un campo di battaglia etc..) e senza
la supervisione dell'uomo.
Tutto ciò dà un'idea delle condizioni sotto le quali i sensori devono essere capaci di funzionare (devono sopportare
alte pressioni se lavorano in fondo all'oceano, alte o basse temperature etc..).
2.3. PROGETTARE UNA RETE DI SENSORI 19

Topologia della rete

Un gran numero di nodi sono disposti l'uno accanto all'altro a volte anche con un'alta densità. Questo richiede
un'attenta attività per il mantenimento della topologia.
Il mantenimento e il cambiamento della topologia può essere diviso in tre fasi:

• Pre-deployment e deployment phase: i sensori possono essere sia gettati sia disposti uno ad uno nell'ambiente;
infatti possono essere gettati da un aereo, da una catapulta, collocati uno ad uno da un robot o da una persona
umana.
• Post-deployment phase: i cambiamenti topologici della rete sono dovuti al cambiamento della posizione dei
nodi, oppure alla variazione della raggiungibilità di un nodo, dell'energia disponibile, alla presenza di malfun-
zionamenti etc...
• Re-deployment of additional nodes phase: nodi sensore addizionali possono essere ridisposti in qualsiasi mo-
mento per rimpiazzare i nodi malfunzionanti o a causa della dinamica dei task. L'aggiunta di nuovi nodi com-
porta la necessità di riorganizzare la rete. L'alta frequenza di cambiamenti topologici e il vincolo stringente del
risparmio energetico richiedono protocolli di routing molto particolari.

Vincoli hardware

Un nodo sensore è composto da quattro unità base:

• Unità di sensing: di solito è composta da due sotto unità: sensore e convertitore analogico-digitale;
• Unità computazionale: di solito è associata ad una piccola unità di immagazzinamento dati e gestisce le pro-
cedure che permettono la collaborazione del nodo con gli altri nodi della rete per portare a termine il task
assegnato;
• Unità transceiver: è l'unità che connette il nodo alla rete. Può essere un apparecchio ottico oppure un appa-
recchio a radio frequenza (RF). È possibile usare anche delle radio con basso duty-cycle anche se attualmente
ci sono problemi nell'usare questi apparecchi in quanto viene consumata molta energia per le operazioni di
spegnimento;
• Unità energetica: è forse il componente più importante di un nodo sensore; a volte può essere supportata da
una unità per il recupero di energia (ad esempio da fonte solare).

Queste quattro componenti sono quelle basilari per un nodo sensore.

Mezzo di trasmissione

In una rete di sensori multihop i nodi possono interagire tra loro tramite un mezzo di comunicazione wireless. È
quindi possibile utilizzare onde radio. Una possibilità è quella di usare bande ISM (industrial, scientific and medical),
cioè un gruppo predefinito di bande che in molti paesi sono utilizzabili liberamente. La maggior parte dei sensori
attualmente in commercio fanno uso di un circuito RF.
Un altro possibile modo per far comunicare i nodi è tramite gli infrarossi. La comunicazione con gli infrarossi non
richiede permessi o licenze e protetta da interferenze. I transceiver basati sugli infrarossi sono economici e facili da
costruire. Il problema maggiore che si ha nell'uso degli infrarossi è la necessità di avere una “line-of-sight” diretta tra
il trasmettitore ed il ricevitore. Questo rende gli infrarossi di difficile utilizzo nelle reti di sensori dove solitamente i
nodi sono disposti in modo random.
La scelta del mezzo trasmissivo è imposta dall'applicazione. Ad esempio, le applicazioni marine impongono di usare
l'acqua come mezzo trasmissivo. È quindi necessario usare onde che possano penetrare nell'acqua.

Consumo energetico

Un sensore è dotato di una limitata sorgente di energia. Il tempo di vita di un nodo sensore dipende molto dal tempo di
vita della batteria. In una rete di sensori ogni nodo ha il ruolo sia di generare che di ricevere dati, perciò la scomparsa
20 CAPITOLO 2. WIRELESS SENSOR NETWORK

di alcuni nodi può portare a significativi cambiamenti topologici che possono richiedere una riorganizzazione della
rete e del routing.
È per queste ragioni che molte ricerche si stanno concentrando sulla creazione di protocolli e algoritmi power-aware,
cioè protocolli che ottimizzano il consumo energetico.
Mentre nelle reti mobili e nelle reti ad hoc il consumo di energia è un importante fattore ma non è il principale (che
risulta invece il soddisfacimento della QoS, cioè della qualità del servizio), nelle reti di sensori il consumo di energia
è la principale metrica per valutare le prestazioni: questo perché nelle altre reti è possibile ricaricare o sostituire le
batterie dei nodi mentre nelle WSN ciò potrebbe non essere possibile.
Il consumo di energia in un nodo sensore è essenzialmente dovuto alle tre principali attività svolte dal nodo:

• Sensing: la potenza necessaria per effettuare il campionamento dipende dalla natura dell'applicazione;

• Data processing: l'energia spesa nel processare i dati è molto piccola se comparata a quella spesa per la
comunicazione;

• Communication: dei tre fattori è quello che necessita della maggior quantità di energia. La comunicazione
comprende sia la ricezione che la trasmissione di dati i cui costi energetici possono essere ritenuti uguali.

2.3.1 Protocolli di comunicazione

I requisiti menzionati in precedenza impongono dei vincoli molto stringenti sulla tipologia di protocolli di rete da
adottare nelle WSN. Le tecnologie wireless a corto raggio costituiscono un requisito imprescindibile, visto il ridotto
budget energetico a disposizione di ciascun nodo. Tuttavia, realizzare un rete wireless di comunicazione multi-hop,
che sia robusta ai guasti ed in grado di auto-configurarsi anche in ambienti ostili, rappresenta una sfida tecnologica
notevole, che ha richiesto (e tuttora richiede) l'impegno di molteplici enti di standardizzazione, quali ad esempio
IEEE ed IETF. In ambito IEEE, la tecnologia IEEE 802.15.4 rappresenta un punto fermo nello sviluppo dei livelli
MAC e PHY di una WSN, poiché in grado di fornire bitrate sino a 250 kbps e di abilitare l'uso di topologie multi-
hop, in modo energeticamente efficiente. I livelli superiori dello stack possono essere invece implementati seguendo
la specifica ZigBee e le più recenti proposte emerse in ambito IETF per le cosiddette low power lossy network.

2.4 Note
[1] Automated Local Evaluation in Real Time (ALERT)

2.5 Bibliografia
• I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci, Wireless sensor networks: a survey, Computer Net-
works, Volume 38, Issue 4, 15 March 2002, Pages 393-422, ISSN 1389-1286, 10.1016/S1389-1286(01)00302-
4.

2.6 Voci correlate


• Sensore

• TinyOS: un sistema operativo per le reti di sensori.

• NesC: un linguaggio di programmazione per le reti di sensori.

• ZigBee

• IEEE 802.15.4
2.7. ALTRI PROGETTI 21

2.7 Altri progetti

• Wikimedia Commons contiene immagini o altri file su Wireless sensor network


Capitolo 3

Efficienza spettrale

In telecomunicazioni, nell'ambito delle trasmissioni digitali, si definisce efficienza spettrale il rapporto tra la velocità
di trasmissione c offerta all'utente da un sistema di comunicazione (espressa in termini di bit-rate) e la banda B di
frequenze utilizzata per tale comunicazione.

3.1 Descrizione
Essa pertanto si misura in (bit/s)/Hz ed indica la bontà del sistema nello sfruttare in maniera più o meno efficiente la
banda disponibile o assegnata al canale per trasmettere dati (la banda è infatti sempre una risorsa limitata il cui uso
va il più possibile ottimizzato). È un parametro prestazionale o di qualità frequentemente utilizzato ad esempio per
valutare l'efficacia di un certo tipo di modulazione numerica o quella di un sistema cellulare.
Tale parametro non è espresso con un valore tipico minore o uguale all'unità (come il termine efficienza usualmente
richiede) cioè dunque in termini assoluti risultando quindi solo un parametro di paragone con altri sistemi di trasmis-
sione digitali: tanto più alta è l'efficienza spettrale tanto più il sistema è in grado di scambiarsi informazione a parità
di banda dedicata al servizio.
Tipicamente valori comuni di efficienza spettrale vanno da valori relativamente bassi, anche inferiori a 0,5 (bit/s)/Hz
fino a valori di 8 (bit/s)/Hz nei sistemi HSPA o 14 (bit/s)/Hz per i modem V.92. Nelle trasmissioni analogiche
invece tale parametro può essere espresso come rapporto tra banda realmente occupata/utilizzata dalla trasmissione
e la banda totale dedicata al servizio venendo dunque ad essere un parametro assoluto compreso tra 0 e 1 oppure
ricorrendo al bit-rate equivalente.

3.2 Voci correlate


• Banda
• Velocità di trasmissione

22
Capitolo 4

Latenza

La latenza (o tempo di latenza), in informatica, di un sistema può essere definita come l'intervallo di tempo che
intercorre fra il momento in cui arriva l'input al sistema ed il momento in cui è disponibile il suo output. In altre
parole, la latenza non è altro che una misura della velocità di risposta di un sistema.

4.1 Tipologie

4.1.1 Elaborazione dati

In un modulo di elaborazione, si definisce come il tempo impiegato per la completa elaborazione di una operazione
esterna. Nei moduli di elaborazione sequenziali (cioè con grado di parallelismo uguale a uno) la latenza è uguale al
tempo di servizio, mentre in quelli paralleli è maggiore.
La latenza di trasmissione di un collegamento Internet è invece il tempo impiegato da uno o più pacchetti ICMP a
raggiungere un altro computer o server in rete (sia essa Internet o LAN). Nell'ambito delle reti i fattori che influen-
zano maggiormente la propagazione del segnale sono il mezzo che trasporta l'informazione e le apparecchiature (per
esempio switch o router) che il segnale attraversa nel suo percorso.
A titolo di esempio con le connessioni xDSL tradizionali si ha una latenza che varia tra i 70 ed i 100 ms, mentre con
le connessioni xDSL FAST la latenza può raggiungere anche i 15 ms, per collegamenti HiperLan invece varia da 15
ms anche fino a 200 ms. Un utile strumento per misurare il tempo di latenza è il programma ping, disponibile sui
principali sistemi operativi.

4.1.2 Elaborazione audio digitale

È il tempo che passa tra la conversione analogico-digitale del segnale in ingresso ad un sistema (ad esempio nell'ingresso
microfonico della scheda audio di un computer), l'elaborazione del segnale stesso e la sua successiva conversione
digitale-analogico in fase di riproduzione. In termini pratici è il tempo che intercorre tra l'acquisizione di un segnale
audio in ingresso da parte di un sistema digitale e la sua (quanto possibile immediata) riproduzione in uscita. Si
parla di latenza anche nel caso dell'intervallo di tempo tra la pressione di una nota su una tastiera MIDI (o analogo
controller) collegata ad un pc o expander e la riproduzione del suono corrispondente da parte di quest'ultimo.
Di norma per elaborazioni in tempo reale si cerca di avere un valore basso di latenza, il limite massimo può essere
considerato di circa 30 ms in quanto al di sopra di esso il suono verrebbe percepito come eco, è tuttavia pratica
comune tenersi ben al di sotto di questo valore. Allo stato dell'arte con un calcolatore dedicato ad alte prestazioni
(DAW) ed una scheda audio professionale o semi-pro si possono raggiungere latenze inferiori ai 5 ms.

4.2 Esempi
Di esempi se ne possono fare innumerevoli, possiamo citare:

23
24 CAPITOLO 4. LATENZA

• il tempo che un segnale impiega a percorrere il mezzo trasmissivo, se il sistema è un cavo elettrico;

• il tempo che una CPU impiega ad eseguire una particolare istruzione;


• il tempo di elaborazione di un algoritmo, se il sistema considerato è l'algoritmo stesso;

• il tempo che intercorre tra la richiesta di leggere dei byte da un supporto di memoria e il momento in cui questi
byte sono restituiti al chiamante;

• il tempo che intercorre tra la richiesta di scrivere dei byte su un supporto di memoria e il momento in cui i byte
sono effettivamente scritti.

4.3 Voci correlate


• Architettura degli elaboratori

• Input lag
• Architettura delle reti di elaboratori

• Banda (informatica)
• Ping

• Tempo di servizio
Capitolo 5

Caso d'uso (informatica)

Il caso d'uso in informatica è una tecnica usata nei processi di ingegneria del software per effettuare in maniera
esaustiva e non ambigua, la raccolta dei requisiti al fine di produrre software di qualità.
Essa consiste nel valutare ogni requisito focalizzandosi sugli attori che interagiscono col sistema, valutandone le varie
interazioni. In UML sono rappresentati dagli Use Case Diagram.
Il documento dei casi d'uso individua e descrive gli scenari elementari di utilizzo del sistema da parte degli attori che
si interfacciano con esso (esseri umani oppure da sistemi informativi esterni).
Un caso d'uso correttamente individuato deve avere un senso compiuto per gli attori principali (quelli che avviano
il caso d'uso) nel senso che deve consentirgli di raggiungere un obiettivo per lui significativo. Una operazione di
INSERT o UPDATE all'interno di un database, ad esempio, è chiaramente una operazione tecnica che non può
essere considerata un caso d'uso, mentre l'inserimento o la modifica dei dati personali di un cliente possono essere
considerati casi d'uso.
D'altra parte, un caso d'uso deve essere elementare, cioè non scomponibile in casi d'uso più semplici che abbiano
ancora senso compiuto per gli attori coinvolti. Ad esempio “Gestione anagrafica” non avrebbe molto senso come
caso d'uso, in quanto appunto scomponibile nei casi d'uso di inserimento, modifica e cancellazione di una voce
dell'anagrafica.
La specifica di un caso d'uso dovrebbe includere almeno un nome, gli attori principali e secondari, un obiettivo (il
motivo per il quale gli attori principali avviano il caso d'uso), la precondizione nella quale è eseguibile, la sequenza
delle azioni svolte dagli attori e dal sistema (considerato come una scatola nera, quindi senza entrare nel dettaglio del
suo funzionamento interno), le eventuali eccezioni e come esse devono essere gestite.
In generale conviene mantenere la sequenza delle azioni di un caso d'uso il più lineare possibile (con pochi sal-
ti condizionali), eventualmente scomponendo la sequenza in casi d'uso diversi, uno per ciascun ramo del flusso di
esecuzione.
All'interno del documento, i casi d'uso possono essere raggruppati per area funzionale e per pre-condizioni generali
comuni. Ad esempio una sezione del documento può essere dedicata ai casi d'uso possibili quando il sistema si trova in
un certo stato, il che può evitare di ripetere la pre-condizione in ciascun caso d'uso riportato all'interno della sezione.
Le relazioni fra casi d'uso ed attori possono essere rappresentate in un apposito diagramma UML. Inoltre le relazioni
fra casi d'uso e requisiti possono essere mantenute attraverso una apposita matrice di tracciamento, che riporta la
mappatura fra casi d'uso e requisiti funzionali. In generale ciascun requisito funzionale dovrebbe rispecchiarsi in
almeno un caso d'uso, e nessun caso d'uso dovrebbe implicare requisiti funzionali non presenti nel documento dei
requisiti o in contraddizione con essi.

25
Capitolo 6

Internet delle cose

In telecomunicazioni Internet delle cose (o, più propriamente, Internet degli oggetti o IoT, acronimo dell'inglese
Internet of things) è un neologismo riferito all'estensione di Internet al mondo degli oggetti e dei luoghi concreti.
Introdotto da Kevin Ashton, cofondatore e direttore esecutivo di Auto-ID Center (consorzio di ricerca con sede
al MIT[1] ), durante una presentazione presso Procter & Gamble[2] nel 1999[3] . Il concetto fu in seguito sviluppato
dall'agenzia di ricerca Gartner[4][5][6] .

6.1 Descrizione

L'Internet delle cose è una possibile evoluzione dell'uso della Rete: gli oggetti (le “cose”) si rendono riconoscibili e
acquisiscono intelligenza grazie al fatto di poter comunicare dati su se stessi e accedere ad informazioni aggregate
da parte di altri[7] . Le sveglie suonano prima in caso di traffico, le scarpe da ginnastica trasmettono tempi, velocità e
distanza per gareggiare in tempo reale con persone dall'altra parte del globo, i vasetti delle medicine avvisano i fami-
liari se si dimentica di prendere il farmaco. Tutti gli oggetti possono acquisire un ruolo attivo grazie al collegamento
alla Rete.[8]
L'obiettivo dell'internet delle cose è far sì che il mondo elettronico tracci una mappa di quello reale, dando un'identità
elettronica alle cose e ai luoghi dell'ambiente fisico. Gli oggetti e i luoghi muniti di etichette Identificazione a radio
frequenza (Rfid) o Codici QR comunicano informazioni in rete o a dispositivi mobili come i telefoni cellulari.[9]
I campi di applicabilità sono molteplici: dalle applicazioni industriali (processi produttivi), alla logistica e all'infomobilità,
fino all'efficienza energetica, all'assistenza remota e alla tutela ambientale.[10]
L'internet delle cose tende ad evolversi in modo parallelo e reciproco al web semantico.

6.2 Tecnologie abilitanti

Nella visione dell'Internet delle cose, gli oggetti creano un sistema pervasivo ed interconnesso avvalendosi di molteplici
tecnologie di comunicazione (tipicamente a corto raggio). I tag RFID hanno rappresentato uno dei primi esempi in
tale ambito. Tuttavia, nel tempo sono emerse nuove tecnologie in grado di rendere più efficiente la comunicazione tra
gli oggetti. Tra esse spicca lo standard IEEE 802.15.4 e, soprattutto, il suo recente emendamento IEEE 802.15.4e, in
grado di incrementare notevolmente l'affidabilità dei collegamenti a radio frequenza e l'efficienza energetica, grazie
all'adozione del meccanismo di accesso al mezzo Time Slotted Channel Hopping. Queste tecnologie di più basso
livello, quando integrate in architetture protocollari basate sul protocollo IP, possono dar concretamente vita alla
visione dell'Internet delle cose, essendo in grado di dialogare con i nodi della rete Internet. In tal senso, è importante
menzionare i protocolli IETF 6LoWPAN, RPL, e CoAP, in grado di creare operativamente una rete IP di oggetti
che può dialogare con la rete Internet per creare nuovi servizi in molteplici domini applicativi.

26
6.3. APPLICAZIONI 27

6.3 Applicazioni
I principali domini applicativi ed ambiti operativi interessati dallo sviluppo della IoT sono riportati sinteticamente nel
seguente elenco:

• Domotica

• Robotica

• Avionica

• Industria automobilistica

• Biomedicale

• Monitoraggio in ambito industriale

• Telemetria

• Reti wireless di sensori

• Sorveglianza

• Rilevazione eventi avversi

• Smart grid e Smart City

• Sistemi Embedded

• Telematica

6.4 Framework
Aziende come IBM, B-Scada, C3 IoT, ThingWorx, IoT-Ticket.com, Raco Wireless, nPhase, Carriots, EVRYTHNG,
Microsoft, Hewlett Packard Enterprise, Apple, Samsung, Apio e Exosite stanno sviluppando dei framework per
l'internet delle cose.

6.5 Aspettative di crescita


Secondo stime di Gartner, nel 2020 ci saranno 26 miliardi di oggetti connessi a livello globale. ABI Research stima
che saranno più di 30 miliardi. Altri istituti parlano di 100 miliardi.
Le aspettative degli esperti sono che l'Internet delle cose cambierà il nostro modo di vivere in modo radicale. Gli
oggetti intelligenti, con capacità decisionale, permetteranno risparmio energetico sia a livello personale (domotica e
smart-home) sia a livello macroscopico (smart-city e smart grid).
L'integrazione con internet implica l'utilizzo di IP univoci. IPv4 permette di avere 4,3 miliardi di indirizzi univoci,
ecco perché gli sviluppatori di dispositivi IoT stanno adottando lo standard IPv6, che permette di raggiungere 2128
(circa 3,4 × 1038 ) indirizzi.

6.6 Critiche e controversie


Mentre la maggior parte degli esperti di tecnologia ritengono che l'IoT sia un passo verso un mondo migliore, studiosi
e sociologi rimangono dubbiosi circa gli sviluppi della rivoluzione dell'ubiquitous computing. Le maggiori critiche
fatte sino ad ora all'IoT riguardano due aspetti: la sicurezza e la privacy. Per quanto riguarda il primo la maggior
parte delle aziende sta lavorando su soluzioni che rendano sicuri gli oggetti da attacchi di pirati informatici, anche se
dobbiamo aspettarci in futuro la necessità di antivirus, o altri sistemi di protezione, non solo per computer ma anche
per oggetti di tipo differente.
28 CAPITOLO 6. INTERNET DELLE COSE

6.6.1 Privacy, autonomia e controllo

Peter-Paul Verbeek, professore di filosofia della tecnologia all'Università di Twente (Olanda), scrive che la tecnologia
ha già ora una forte influenza sulle nostre decisioni morali, che a loro volta vanno a condizionare l'agire dell'uomo, la
sua privacy ed autonomia. Inoltre, mette in guardia dal considerare la tecnologia semplicemente come un oggetto, e
raccomanda invece di riguardarla come un agente attivo.[11]
Justin Brookman, del Centro per la Democrazia e la Tecnologia (CDT), ha dichiarato preoccupazione sull'impatto
dell'IoT sulla privacy dei consumatori, dicendo che “Ci sono alcune persone nell'ambito commerciale che dicono,
'Oh, Big Data - raccogliamo tutto, e teniamolo in giro per un sacco di tempo; pagheremo qualcuno per pensare alla
sicurezza più tardi.' La questione è se vogliamo o no avere un qualche strumento di controllo per limitare la dispersione
di dati.”[12]
Tim O'Reilly ritiene che i metodi di vendita dei dispositivi IoT siano fuorvianti; mentre essi diffondono l'idea che la
funzione principale dell'IoT sia di guadagnare efficienza collegando alla rete tutti i tipi di congegni elettronici, egli
sostiene che “l'IoT è in realtà un'estensione dell'uomo. Le applicazioni sono profondamente differenti quando ci sono
sensori e dati che influenzano la presa di decisioni.”[13]
Anche editoriali di WIRED hanno espresso preoccupazione; uno in particolare dichiara “Ciò che stiamo per perdere
è la nostra privacy. Anzi, è anche peggio. Non soltanto non avremo più privacy, ma dovremo star buoni a guardare
mentre il concetto stesso di privacy verrà sconvolto sotto il nostro naso.”[14]
L'Unione Americana per le Libertà Civili (ACLU) ha rivelato apprensione circa la possibilità che l'IoT mini al con-
trollo di ognuno sulla propria vita. L'ACLU ha scritto che “Non esiste un modo semplice per prevedere come saranno
utilizzati questi strumenti così potenti -- che si accumulano in maniera sproporzionata nelle mani di corporazioni che
cercano vantaggi finanziari o di governi che aspirano ad un controllo ancora maggiore. C'è la possibilità che i Big
Data e l'Internet delle Cose ci rendano più difficile controllare le nostre vite, e mentre noi diventiamo sempre più
trasparenti per grandi corporazioni e istituzioni governative, esse diventino sempre più torbide.”[15]
Alcuni ricercatori hanno identificato i problemi sulla privacy che tutti gli stakeholder nel campo dell'IoT devono
affrontare, dai produttori e gli sviluppatori di app ai clienti stessi, ed hanno esaminato le responsabilità di ogni parte
coinvolta così da assicurare la privacy in tutte le circostanze. Tra i problemi sottolineati nel report[16] si trovano:

• Consenso dell'utente: in qualche modo gli utenti devono essere in grado di dare consenso informato al racco-
glimento di dati. Gli utenti, però, hanno a disposizione tempo e conoscenze tecnologiche limitate.

• Libertà di scelta: sia la protezione della privacy sia le norme sottostanti devono promuovere la libertà di scelta.

• Anonimato: le piattaforme dell'IoT prestano scarse attenzione all'anonimato dell'utente nella trasmissione di
dati. Piattaforme future potrebbero, per esempio, utilizzare TOR o tecnologie simili così che non si possano
tracciare profili troppo specifici degli utenti basandosi sul comportamento delle loro “cose”.

La libertà individuale ad utilizzare le proprie proprietà potrebbe essere limitata o addirittura annullato quasi in tempo
zero prendendo il controllo della rete IOT. Un regime militare che prende il potere potrebbe immediatamente bloccare
tutti i veicoli connessi alla rete, disattivare i televisori e altri dispositivi collegati alla rete.

6.6.2 Sicurezza

Sono state sollevate preoccupazioni sul fatto che si stia sviluppando l'Internet delle Cose molto rapidamente, senza
la considerazione appropriata per le questioni di sicurezza coinvolte e i cambi regolamentari che potrebbero essere
necessari.[17] Secondo il BI (Business Insider) Intelligence Survey condotto nell'ultimo quadrimestre del 2014, il 39%
degli intervistati sostiene che la sicurezza sia il problema più pressante nell'adozione dell'Internet delle Cose.[18] In
particolare, con la diffusione sempre più estesa dell'IoT, è probabile che gli attacchi cibernetici diventino una minaccia
reale, invece che solo potenziale. In un articolo di Forbes di gennaio 2014, il curatore della sezione di sicurezza
cibernetica Joseph Steinberg ha elencato molte applicazioni connesse a Internet che possono già “spiare le persone
in casa loro”, inclusi televisori, strumenti per la cucina, macchine fotografiche e termostati.[19] È stato dimostrato
che dispositivi computerizzati inseriti nelle automobili come freni, motore, serrature, sistemi di apertura del cofano
o rilascio del carrello, segnalatori acustici, riscaldamento, e cruscotto sono vulnerabili da parte di soggetti che hanno
accesso alla rete di bordo. In certi casi, i sistemi computerizzati di un veicolo sono connessi a Internet, e ciò rende
possibile l'introduzione con un collegamento remoto.[20]
6.7. NOTE 29

6.7 Note
[1] Auto-ID Center è diventato Auto-ID Labs nell'ottobre 2003 dopo la fusione di EPCglobal e Auto-ID Center
[2] Kevin Ashton, That 'Internet of Things’ Thing, in RFID Journal.
[3] Kevin Ashton: That 'Internet of Things’ Thing. In: RFID Journal, 22 luglio 2009. Acceduto 25 dicembre 2011
[4] Intervista di Geoff Johnson a Sue Bushell su Computerworld del 24 luglio 2000, “M-commerce key to ubiquitous internet”
[5] P. Magrassi, A. Panarella, N. Deighton, G. Johnson, Computers to Acquire Control of the Physical World, Gartner research
report T-14-0301, 28 settembre 2001
[6] P. Magrassi, T. Berg, A World of Smart Objects, Gartner research report R-17-2243, 12 agosto 2002
[7] P. Magrassi, Supranet in “Dizionario dell'economia digitale”, a cura di V. Di Bari, Sole 24Ore Pirola, Milano, 2002
[8] Casaleggio Associati L'evoluzione di Internet of Things 2011
[9] (EN) Sean Dodson The net shapes up to get physical «The Guardian», 16 ottobre 2008.
[10] Internet of Things, HI Reply. URL consultato il 31 gennaio 2012.
[11] Verbeek, Peter-Paul. “Moralizing Technology: Understanding and Designing the Morality of Things.” Chicago: The Uni-
versity of Chicago Press, 2011.
[12] Diane Cardwell, At Newark Airport, the Lights Are On, and They're Watching You, The New York Times, 2014.02.17
[13] Hardy, Quentin. “Tim O'Reilly Explains the Internet of Things”. The New York Times Bits. The New York Times. 4 febbraio
2015.
[14] Webb, Geoff. “Say Goodbye to Privacy”. WIRED. 5 febbraio 2015.
[15] Catherine Crump and Matthew Harwood, The Net Closes Around Us, TomDispatch, 25 marzo 2014
[16] Perera, Charith; Ranjan, Rajiv; Wang, Lizhe; Khan, Samee; Zomaya, Albert. “Privacy of Big Data in the Internet of Things
Era”. IEEE IT Professional Magazine. PrePrint (Internet of Anything). 2015.
[17] Chris Clearfield. “Why The FTC Can't Regulate The Internet Of Things”. Forbes. 18 settembre 2013.
[18] “We Asked Executives About The Internet Of Things And Their Answers Reveal That Security Remains A Huge Concern”.
Business Insider. Gennaio 2015.
[19] Joseph Steinberg. “These Devices May Be Spying On You (Even In Your Own Home)". Forbes. 27 gennaio 2014.
[20] Andy Greenberg. “Hackers Remotely Kill a Jeep on the Highway—With Me in It”. Wired. 21 luglio 2015.

6.8 Bibliografia
• Olivier Hersent, David Boswarthick, Omar Elloumi. The Internet of Things: Key Applications and Protocols,
Wiley; 2 edition (February 1, 2012) ISBN 1-119-99435-7.
• Cuno Pfister. Getting Started with the Internet of Things: Connecting Sensors and Microcontrollers to the
Cloud, O'Reilly Media; 1 edition (June 2, 2011) ISBN 1-4493-9357-8.
• Dieter Uckelmann, Mark Harrison, Florian Michahelles. Architecting the Internet of Things, Springer, 1st
Edition (April 12, 2011) ISBN 3-642-19156-8.
• Hakima Chaouchi. The Internet of Things: Connecting Objects (ISTE) Wiley-ISTE; 1 edition (May 24, 2010)
ISBN 1-84821-140-6.
• Jean-Philippe Vasseur, Adam Dunkels. Interconnecting Smart Objects with IP: The Next Internet, Morgan
Kaufmann; 1 edition (June 15, 2010) ISBN 0-12-375165-9.
• Zach Shelby. 6LoWPAN: The Wireless Embedded Internet (Wiley Series on Communications Networking &
Distributed Systems) Wiley; 1 edition (January 5, 2010) ISBN 0-470-74799-4.
• Lu Yan, Yan Zhang, Laurence T. Yang, Huansheng Ning. The Internet of Things: From RFID to the Next-
Generation Pervasive Networked Systems (Wireless Networks and Mobile Communications) Auerbach Publi-
cations (March 5, 2008) ISBN 1-4200-5281-0.
30 CAPITOLO 6. INTERNET DELLE COSE

6.9 Voci correlate


• RFID

• IPv6
• Web semantico

• IEEE 802.15.4

• Codice QR
• QRpedia

6.10 Collegamenti esterni


• tools.ietf.org, http://tools.ietf.org/html/rfc4919. URL consultato il RFC 4919. IPv6 over Low-Power Wireless Per-
sonal Area Networks (6LoWPANs): Overview, Assumptions, Problem Statement, and Goals. Agosto 2007..

• rfc-editor.org, http://www.rfc-editor.org/rfc/rfc6550.txt. URL consultato il RFC 6550. RPL: IPv6 Routing Protocol
for Low-Power and Lossy Networks. Marzo 2012..

• Internet Draft. Constrained Application Protocol (CoAP). Ottobre 2012., datatracker.ietf.org.


• Internet delle cose, in Thesaurus del Nuovo soggettario, BNCF, marzo 2013.
Capitolo 7

Velocità di trasmissione

In informatica e telecomunicazioni, la velocità di trasmissione (o di trasferimento detta anche frequenza di cifra


o bit-rate) indica la quantità di dati digitali che possono essere trasferiti, attraverso una connessione/trasmissione, su
un canale di comunicazione in un dato intervallo di tempo, ovvero:
quantità delle informazioni
R = tempo di trasferimento
Nel campo informatico delle reti informatiche, la velocità di trasmissione è anche detta banda, sebbene a rigore
nell'ambito della trasmissione questa indichi solamente l'intervallo di frequenze, misurato dall'ampiezza di banda B
in Hz, in cui il canale trasmette, mentre la velocità di trasmissione, espressa in bit/s, è proporzionale a tale banda B a
mezzo del parametro noto come efficienza spettrale.
La velocità di trasmissione (massima o relativa) dipende dal tipo di mezzo trasmissivo utilizzato e dalle sue condizioni
fisiche al momento d'uso (interferenze, saturazione, etc.), rappresentando di fatto una risorsa limitata e in molti casi
anche condivisa tra più utenti con le usuali tecniche di multiplazione/accesso multiplo.

7.1 Descrizione
La velocità di trasmissione viene solitamente utilizzata per riferirsi allo scambio di informazione tra computer o
in generale dispositivi elettronici come apparati di ricetrasmissione di telecomunicazioni ed è considerata un fattore
prestazionale del sistema di telecomunicazioni o apparato hardware elettronico, particolarmente sentito dall'utente
come parametro di qualità di servizio.
In particolare, in telecomunicazioni, la velocità massima di trasmissione è detta anche capacità di trasmissione della
linea (capacità di canale), mentre la quantità di informazione trasportata in un certo momento su un canale, minore
o uguale alla capacità, è detta portata del canale (throughput) e dipende esclusivamente da quanta informazione è
immessa sul canale nella trasmissione. In altre parole, mentre il throughput è deciso dal mittente, cioè è una specifica
di trasmissione, la velocità massima sul canale è invece una costante della linea. Quando un apparato elettronico
immette dati in un link alla velocità massima supportata dal link stesso, cioè alla sua capacità massima, si dice che
l'elaborazione e la successiva trasmissione è wire speed.
Siccome in questi apparati o sistemi di comunicazione l'informazione viene memorizzata e viaggia in forma digitale,
ovvero è sostanzialmente una sequenza di bit, è naturale che tale velocità venga misurata in bit per secondo (e da qui
il termine equivalente inglese bit rate).
Nelle trasmissioni analogiche, pur non essendo definito il bit-rate, non essendo l'informazione trasportata in forma
digitale, è possibile ricorrere concettualmente a un bit-rate equivalente, preservando così il concetto di velocità di
trasmissione anche per tali tipo di trasmissioni.
In una trasmissione digitale, la velocità di trasmissione può essere costante oppure variabile in dipendenza dell'effettiva
emissione di informazione da parte della rispettiva sorgente di informazione: si distinguono così sorgenti CBR (con-
stant bit rate) e VBR (variable bit rate): le prime rappresentano il caso della fonia digitalizzata, le seconde sono quelle
proprie di un flusso video digitale dove si alternano generalmente immagini a basso movimento e colore abbastanza
uniforme a immagini ad alto movimento e colore estremamente vario, con audio associato intermittente.
La velocità di trasmissione massima necessaria per trasportare flussi multimediali o solamente video è sempre molto

31
32 CAPITOLO 7. VELOCITÀ DI TRASMISSIONE

maggiore della velocità di trasmissione massima per trasportare il solo flusso vocale a causa della differente quantità di
informazione tra i due flussi. Tecniche di compressione dati (ovvero codifica di sorgente) sono in grado di abbassare,
anche notevolmente, la velocità di trasmissione effettiva necessaria alla trasmissione per tutte le tipologie di flussi
dati.

7.2 Misurazione

7.2.1 Unità di misura


L'informazione base considerata è rispettivamente il bit nelle telecomunicazioni e il byte in informatica, dunque la
quantità di informazione trasferita nell'unità di tempo si misurerà rispettivamente in bit al secondo, abbreviato in bit/s
o bps, detta bit rate, e byte al secondo, abbreviato in byte/s o Bps (si noti l'uso differente dell'iniziale b, minuscola
per il bit e maiuscola per il byte).
In realtà sulle veloci macchine moderne avrebbe poco senso usare come unità di misura proprio il bit/secondo, per cui
vengono utilizzati principalmente i vari multipli del bit secondo i prefissi standard del sistema decimale, cosicché, ad
esempio, se in una linea ADSL abbiamo un trasferimento dati di 4 Mbit/s, cioè 4.000.000 bit/s, avremo (4.000.000/8)
B/s equivalenti a 500 kB/s. I multipli dell'unità di misura base sono leggermente differenti nei due casi, sebbene
indicati dagli stessi prefissi (le lettere k, M, G e T del sistema internazionale). In ambito informatico si utilizzano
da sempre approssimazioni basate sulle potenze del 2 (il numero su cui si basa l'aritmetica binaria del calcolatore),
mentre in telecomunicazioni ci si attiene allo standard.
Ecco una tabella con i multipli più utilizzati:
Il bisogno di utilizzare questi prefissi risulta evidente se si pensa che ad esempio lo standard USB 2.0 può raggiungere
velocità di 480 Mbit/s, equivalenti a 60 MB/s.

7.2.2 Esempio di applicazione


Supponiamo di voler trasferire un file di 10MB (10 mega byte) su un dispositivo con velocità di trasmissione pari a
5 Mbit/s (5 mega bit per secondo).
Il tempo di trasferimento T sarà dato da:
10M B 10×220 ×8
T = 5M bps = 5×106 = 16.78s
Si noti che la dimensione del file è stata moltiplicata per 8 perché ogni byte che lo costituisce corrisponde ad 8 bit
(negli usuali sistemi ad 8 bit) che andranno trasmessi.

7.2.3 Test di misurazione


La misurazione della velocità di trasmissione, nel caso di una connessione Internet, può essere eseguita sia ma-
nualmente facendo un download di un file di dimensioni note in bit, verificando il tempo di scaricamento (vedere
paragrafo Esempio di applicazione), confrontando eventualmente i risultati con le potenzialità teoriche della Rete
in base al contratto di servizio stipulato con l'ISP; altri metodi automatici consistono nell'affidare tale operazione ad
appositi siti web esterni tipicamente appoggiandosi a server web dedicati (speed test)[1] .
In Italia il test di misura ufficiale per eccellenza è Misura Internet, offerto dall'AGCOM sotto la supervisione della
Fondazione Ugo Bordoni e dell'ISCOM, attraverso il software Ne.me.sys.[2] e valido a livello legale per eventuali
reclami contro i provider di rete.

7.3 Confronto tra velocità di vari sistemi


• Floppy disk 3,5” 125 KiB/s = 1 Mb/s

• CD-ROM 1x = 150 KiB/s = 1,2 Mb/s

• DVD 1x = 1375 KiB/s = 11 Mb/s


7.4. TEOREMI DI SHANNON E NYQUIST 33

• Modem analogico 56k = 56 kb/s = 7000 B/s = 7 kB/s = 0,007 MB/s = 0,056 Mb/s
• ADSL 1 Mega 125 KiB/s = 1 Mb/s

Nota: anche se un byte è formato da 8 bit, bisogna considerare i bit di correzione d'errore, per cui un kB/s corrisponde
a circa 8.000 b/s (secondo il sistema di correzione usato), e la corrispondenza non è esattamente 1.000 b/s = 1.000/8
B/s = 125 B/s.

7.4 Teoremi di Shannon e Nyquist


I canali trasmissivi utilizzati per la comunicazione dei dispositivi si suddividono in:

• Canali ideali: non causano distorsioni o ritardi nella propagazione dei segnali.
• Canali non distorcenti: causano solo un ritardo costante nella propagazione e un'attenuazione costante in banda.
• Canali distorcenti: causano attenuazioni e ritardi, in funzione della frequenza dei segnali.

Esistono vari teoremi che esprimono la massima velocità di trasmissione per ciascun tipo di canale.
Il legame tra la velocità di trasmissione e larghezza di banda discende direttamente dalla Condizione di Nyquist
R = 2B · log2 M [bit/s]
dove B è la larghezza di banda del canale e M il numero di distinti valori che può assumere ogni simbolo trasmesso.
La capacità di canale, ovvero la massima velocità alla quale è possibile trasmettere senza errore, è dato dal Teorema di
Shannon-Hartley, indicato di seguito, che considera anche il rumore additivo gaussiano bianco (per esempio il rumore
termico):
( )
C = B · log2 1 + N S
[bit/s]
Dove B è la larghezza di banda del canale, S e N sono, rispettivamente, la potenza del segnale e del rumore del canale.

7.4.1 Decadimento con la distanza


Nella pratica la capacità di un canale in termini di bit-rate diminuisce con la distanza d dall'emettitore del flusso
informativo a causa dell'attenuazione del segnale utile cioè quindi per la diminuzione del SNR secondo lo stesso
Teorema di Shannon. Con questo fatto si spiega almeno in parte il motivo per cui molte volte la banda larga di
connessione in collegamento ADSL su rete Internet è inferiore a quella stipulata per contratto con il provider ISP
ignorando invece l'effettiva distanza dell'utente dalla prima centrale telefonica nell'ultimo miglio della rete. In tal
senso il provider dovrebbe allora fornire una banda minima garantita per contratto. In particolare tale decadimento è
circa lineare con la distanza. Infatti approssimando la relazione della velocità di trasmissione con:
(S)
C = B · log2 N
e considerando la potenza di segnale utile S in funzione della distanza x ovvero S = S0 ∗ exp(−kx) con So potenza
iniziale e k attenuazione specifica del mezzo trasmissivo, utilizzando le proprietà dei logaritmi si ottiene:
C = B/loge (2) ∗ [−kx + loge (S0 ) − loge (N )]
ovvero:
C = (B/cost) ∗ [−kx + cost]
essendo i restanti valori delle costanti, da cui quindi la dipendenza lineare negativa con la distanza x. Se si inverte la
relazione rispetto a x si ottiene:
x = cost/k − C ∗ cost/kB
da cui si evince che la distanza servibile in una comunicazione aumenta al diminuire della velocità di trasmissione e
viceversa diminuisce all'aumentare della velocità.
Questo fatto ha un'importanza notevole sui sistemi/tecniche di trasmissione dati nell'ultimo miglio della rete telefonica
o rete di accesso quali le varie forme o tecnologie DSL: tanto più si è vicini all'utente tanto più è possibile sfruttare
tecnologie DSL a più alta capacità di trasmissione.
34 CAPITOLO 7. VELOCITÀ DI TRASMISSIONE

7.5 Velocità di trasmissione e velocità di propagazione


La velocità di trasmissione non dipende dalla velocità o ritardo di propagazione del segnale sulla linea, bensì indica
solamente quanta informazione è immessa o trasferita in linea, ovvero quanta informazione la linea è disposta ad
accettare o sta accettando in ingresso per poi successivamente propagarla su di essa. Infatti, una volta che il segnale
si è propagato sulla linea con la velocità di propagazione offerta dal mezzo trasmissivo, cioè dopo che è trascorso
il ritardo di propagazione dipendente dalla distanza tra emettitore e ricevitore, il flusso dati della comunicazione in
arrivo al ricevitore sarà continuo nel tempo e quindi il ricevitore percepirà un traffico dati pari alla suddetta velocità
di immissione in input.
Con un'analogia idrodinamica si può dire dunque che la velocità di trasmissione della linea rappresenta la 'portata'
(in questo caso informativa), mentre la velocità di propagazione della linea, cioè del mezzo trasmissivo, rappresenta
la velocità del fluido nel tubo.
Il paragone ha però un limite oggettivo in quanto se è vero che in idrodinamica la portata, che è additiva, si conserva
sempre per bilancio di massa, dato che la velocità del fluido può variare in rapporto alla sezione (mantenendo appunto
costante la portata), in telecomunicazioni la portata informativa, pur essendo anch'essa additiva, non si conserva
nel caso in cui si passi attraverso una linea con una banda passante minore (equivalente alla sezione del tubo in
idrodinamica).
Tale linea funge quindi da classico collo di bottiglia sulla portata stessa dell'intera comunicazione end to end. In tal
caso, se la trasmissione in input non è adattata a quella massima trasportabile dalla linea a velocità di trasmissione
minore, il sistema di telecomunicazioni opera con perdita di informazione. In sostanza dunque mentre in idrodinamica
la portata è indipendente dalle caratteristiche del tubo e dipende unicamente da quanto fluido è immesso nell'estremità
iniziale del tubo, in telecomunicazioni la portata informativa dipende dalle caratteristiche o risorse della linea in
termini di ampiezza di banda e rapporto segnale-rumore, come espresso dal Teorema di Shannon.

7.6 Note
[1] netmeter.it: Test velocità adsl - speedtest

[2] Misurainternet Speedtest - Il software Ne.Me.Sys

7.7 Voci correlate


• Baud

• Larghezza di banda
• Teorema di Nyquist

• Teorema di Shannon
• Banda larga
Capitolo 8

Dynamic Spectrum Management

Dynamic Spectrum Management (DSM) è un insieme di tecniche basate su concetti teorici di teoria dell'informazione
e teoria dei giochi che si sta studiando e sviluppando per migliorare le prestazioni delle comunicazione di rete[1] [2] .
I concetti del DSM richiamano anche i principi di Cross-layer optimization, intelligenza artificiale, Apprendimento
automatico, ecc. È stato recentemente reso realizzabile dalla sviluppo di processori sufficientemente potenti, sia a
livello server e che di terminali, da poter gestire Software defined radio.

8.1 Descrizione
Queste tecniche vengono anche chiamate ottimizzazione cooperativa.
Risulta essere più comunemente applicata per l'ottimizzazione delle prestazioni rete delle linee DSL (ITU G.992.1
DSL). Un altro possibile campo di applicazione del DSM è la Cognitive Radio.
Principi importanti e comuni del DSM sono:

1. Link adaptation

2. Gestione dinamica dalla banda

3. MIMO multi utente

4. cancellazione della pre-interferenza stimata

5. Link aggregation o bonding del canale

8.2 DSM nel Digital Subscribers Loop


Il DSM può essere introdotto sulla ordinaria rete telefonica in rame 'riducendo o eliminando crosstalk, interferenze
e near-far problem all'interno di una rete DSL con particolare interesse per quelle linee DSL che sono vicine tra loro
in un cavo [3][4] .

8.3 Note
1. Towards Dynamic Regulation of radio spectrum: technical dream or economic nightmare

2. Software Radio Enabling Dynamic Spectrum Management

3. Dynamic Spectrum Management - Una metodologia per la fornitura di una significativa capacità superiore alla
banda larga per gli utenti finali

4. Dynamic Spectrum Management for Digital Subscriber Lines

35
36 CAPITOLO 8. DYNAMIC SPECTRUM MANAGEMENT

8.4 Collegamenti esterni


• Internet veloce senza fibre ottiche, theage.com.au.

• ECI Telecom si prepara a raddoppiare la velocità DSL, theregister.co.uk.


• Progetto DSM — Prof. John M. Cioffi

• Fast Copper Project — Princeton University

• Pubblicazioni su Dynamic Spectrum Management — Raphael Cendrillon


Capitolo 9

Extremely high frequency

Extremely high frequency (abbreviato con la sigla EHF) indica quella parte delle onde radio compresa tra 30 e 300
GHz, frequenza oltre la quale la radiazione elettromagnetica è considerata luce infrarossa inferiore (o lontana), meglio
nota come radiazione Terahertz. Si tratta della più alta banda di frequenze radio. La banda EHF è caratterizzata da
una lunghezza d'onda che varia tra il millimetro e i dieci millimetri. Per questo motivo l'insieme delle onde EHF viene
anche definito “onde millimetriche”[1] o “banda millimetrica”, nomi a volte abbreviati in MMW or mmW. Queste
frequenze vengono utilizzate, insieme alle SHF, per le trasmissioni satellitari militari e radioamatoriali. Buona parte
dello spettro delle microonde fa parte di questa banda.

9.1 Applicazioni

9.1.1 Ricerca scientifica


La banda in questione è sfruttata nell'ambito della radioastronomia e del telerilevamento. Le uniche basi radioastro-
nomiche con sede a terra sono perlopiù in alta quota, come accade per Kitt Peak e gli impianti dell'Atacama Large
Millimeter Array (ALMA), dedicati all'assorbimento atmosferico. Il telerilevamento da satellite invece, con frequen-
ze vicine ai 60 GHz, permette di determinare le distribuzioni di temperatura nell'alta atmosfera tramite misurazioni
della radiazione emessa dalle molecole di ossigeno, che è funzione di temperatura e pressione.

9.1.2 Radioamatori
A 76 GHz vi è una porzione di banda assegnata ai Radioamatori. Lo scopo del radioamatore è di osservare il com-
portamento dell'atmosfera a questa frequenza, effettuando collegamenti bilaterali, di maggiore lunghezza possibile,
in diverse ore della giornata ed in diverse situazioni meteorologiche.
L'ITU ha assegnato le frequenze tra i 57 e i 59,3 GHz al monitoraggio dell'atmosfera; in particolare questa banda è
utilizzata da sensori meteorologici e climatici che servono anche a studiare l'assorbimento e l'emissione di ossigeno
dall'atmosfera. [2]

9.2 Note
[1] glossario, su corso di laurea di ingegneria delle telecomunicazioni, Università di Pisa. URL consultato il 10 novembre 2007.

[2] Comments of IEEE Geoscience and Remote Sensing Society, FCC RM-11104, 10/17/07

9.3 Voci correlate


• Scanner a onde millimetriche

37
Capitolo 10

Multiple-input and multiple-output

SISO Tx Rx

SIMO Tx Rx

MISO Tx Rx

MIMO Tx Rx
Differenze tra SISO, SIMO, MISO e MIMO

Nella teoria dei sistemi dinamici, il termine Multiple-input and multiple-output, in sigla MIMO (in italiano: entrate

38
10.1. DESCRIZIONE 39

multiple e uscite multiple), indica un sistema dotato di svariati ingressi e uscite.


Nelle telecomunicazioni, invece, indica l'uso di un sistema di antenne multiple sia sul lato emittente sia sul lato
ricevente, allo scopo di migliorare le prestazioni del canale di comunicazione. È una delle possibili topologie di
“antenna intelligente": una schiera di singole antenne elabora il segnale, in questo caso sfruttando l'idea di "interferenza
costruttiva del multipath" (altre possibili tecniche sono, per esempio, lobi di irradiazione variabili nel tempo, on
demand; oppure antenna diversity).

10.1 Descrizione
La tecnologia MIMO è di particolare interesse quando applicata alle comunicazioni digitali wireless, dato che offre
miglioramenti notevoli nel throughput e nella distanza di trasmissione senza ricorrere a banda addizionale o a maggiore
potenza di trasmissione bensì grazie ad una maggiore efficienza spettrale (più bit al secondo per hertz di banda) e
una più alta affidabilità del collegamento. Grazie a queste sue proprietà, il MIMO è uno degli aspetti chiave su cui
si concentra la ricerca in ambito wireless. Ne traggono vantaggio anche gli standard 3G e 4G LTE della telefonia
mobile.

10.2 Altri progetti

• Wikimedia Commons contiene immagini o altri file su Multiple-input and multiple-output

10.3 Collegamenti esterni


• Link di approfondimento
Capitolo 11

Ubiquitous computing

Lo ubiquitous computing (in italiano: computazione ubiqua) o ubicomp è un modello post-desktop di interazione
uomo-macchina o IUM (corrispondente all'inglese human-computer interaction o HCI), in cui l'elaborazione delle
informazioni è stata interamente integrata all'interno di oggetti e attività di tutti i giorni.

11.1 Cenni storici


Fu Mark Weiser a coniare il termine “ubiquitous computing”, attorno al 1988, durante la docenza come Chief
Technologist (Ingegnere capo), presso il Palo Alto Research Center (PARC, Centro di Ricerca di Palo Alto) della
Xerox.
Sia da solo che assieme a John Seely Brown, Weiser scrisse alcuni articoli che rappresentano i primi documenti
sull'argomento, definendone gran parte della disciplina e delineando i suoi principali interessi e dubbi in proposito.

11.2 Caratteristiche
Opposto al paradigma del desktop (letteralmente: «scrivania»), in cui un utente individuale aziona consciamente
una singola apparecchiatura per uno scopo specifico, chi “utilizza” lo ubiquitous computing aziona diversi sistemi
e apparecchiature di calcolo simultaneamente, nel corso di normali attività, e può anche non essere cosciente del fatto
che questi macchinari stiano compiendo le proprie azioni e operazioni.
Questo paradigma viene descritto anche come calcolo pervasivo, intelligenza ambientale o, più di recente, ovun-
que' (oppure, utilizzando il corrispondente termine inglese, everywhere). Quando riguarda principalmente gli og-
getti coinvolti, è anche detto calcolo fisico, Internet of Things (letteralmente: Internet delle cose), haptic computing
(letteralmente: calcolo tattile) e cose che pensano.
L'ubicomp comprende un'ampia gamma di argomenti di ricerca, tra cui il calcolo distribuito, il mobile computing, i
Wireless Sensor Network (o WSN), l'interfaccia uomo-macchina e l'intelligenza artificiale.

11.3 Opere in tema


Un'introduzione a questo particolare campo informatico, adatta a un pubblico generico, è rappresentata dal libro di
Adam Greenfield Everyware: The Dawning Age of Ubiquitous Computing,[1] in cui Greenfield descrive il paradigma
d'interazione dello ubiquitous computing come “elaborazione di informazione che si dissolve in comportamento”.

11.4 Note
[1] il titolo di questa fondamentale opera sullo ubiquitous computing può essere tradotto come «Everyware: l'alba dell'ubicomp»,
il cui primo termine, everyware, praticamente intraducibile, è costituito da un gioco di parole ottenuto incrociando l'avverbio

40
11.5. BIBLIOGRAFIA 41

di luogo everywhere («ovunque», cfr. sopra) con il suffisso -ware, tipico di parole quali hardware, software etc., indicante
un insieme di apparecchiature di un certo tipo).

11.5 Bibliografia
• Adam Greenfield Everyware: The Dawning Age of Ubiquitous Computing (ISBN 0-321-38401-6)

11.6 Voci correlate


• Intelligenza ambientale
• Interfaccia uomo-macchina

• Interazione uomo-computer
• Realtà virtuale

11.7 Collegamenti esterni


• International Conference on Ubiquitous Computing (Conferenza Internazionale sullo Ubiquitous Computing -
sigla: Ubicomp)

• International Conference on Pervasive Computing (Conferenza Internazionale sul Calcolo Pervasivo - sigla:
Pervasive)

• IEEE International Conference on Pervasive Computing and Communications (Conferenza Internazionale


dell'IEEE sulle Comunicazioni e il Calcolo Pervasivo - sigla: Percom)

• IEEE International Conference on Pervasive Services (Conferenza Internazionale dell'IEEE sui Servizi Perva-
sivi - sigla: ICPS)

• IEEE GlobeCom Workshop on Service Discovery and Composition in Ubiquitous and Pervasive Environments
(Workshop dell'IEEE GlobeCom sulla Scoperta del Servizio e la Composizione in Ambienti di tipo Ubiquitous
e Pervasive - sigla: SUPE)

• Pervasive Computing (IEEE), computer.org.


• Personal and Ubiquitous Computing (Springer), link.springer.de.

• Pervasive and Mobile Computing Journal, PMC (Elsevier), elsevier.com.


• Ubiquitous Computing materiale originale di Mark Weiser, relativo al periodo della sua docenza presso il PARC
di Xerox, sandbox.xerox.com.
• Interactive Map of Ubiquitous Computing Conferences (Mappa interattiva delle conferenze sull'ubicomp)

• (PDF) Yesterday’s tomorrows: notes on ubiquitous computing’s dominant vision articolo scritto nel 2006 da
Genevieve Bell e Paul Dourish.,
Capitolo 12

Ripetitore

Nelle telecomunicazioni il termine ripetitore indica un dispositivo elettronico che riceve in ingresso un segnale e lo
ritrasmette in uscita tipicamente con un segnale a potenza maggiore cosicché la propagazione di questo può essere
garantita anche a lunghe distanze senza eccessiva attenuazione/degradazione.

12.1 Descrizione
Esistono in realtà tre tipi di ripetitori:

1. ripetitore trasparente: un dispositivo analogico che riceve, amplifica e ritrasmette un segnale di ingresso indif-
ferentemente dalla sua natura (analogica o digitale), evitandone l'eccessiva attenuazione fisica in potenza;

2. ripetitore rigenerativo: un dispositivo digitale che riceve, demodula, rigenera ovvero filtra, amplifica, rimodu-
la e ritrasmette un segnale digitale permettendone oltre all'amplificazione anche una rigenerazione completa
(reshaping) contro eventuali effetti di distorsione.

3. ripetitore passivo: un dispositivo non alimentato che ha il solo scopo di cambiare direzionalità al segnale radio
ricevente senza amplificazione e rigenerazione.

Il termine “ripetitore” è nato con il telegrafo e riferito ad un dispositivo elettromeccanico usato per rigenerare i
segnali telegrafici. L'uso del termine è continuato nell'ambito della telefonia e della comunicazione dati ed ha validità
sia nell'ambito delle comunicazioni cablate che in quelle wireless come ad esempio nelle comunicazioni in ponte
radio.
Con il termine digipeater (digital repeater) si intende invece un ripetitore digitale, particolarmente usato dai radioamatori.

12.2 Applicazioni

12.2.1 Sistemi radio


Nelle radiocomunicazioni i ripetitori sono usati in maniera estensiva nel fornire radiosegnali in un'ampia area, mentre
nei sistemi di emergenza (es. in dotazione a polizia, vigili del fuoco, ambulanza, taxi e altri servizi) sono sinonimi di
stazione base che forniscono entrambe le funzioni.
Un ripetitore simplex usa una sola frequenza sia in ricezione che in trasmissione (isofrequenza): riceve, memorizza, e
ritrasmette immediatamente dopo ripetendo i segnali ricevuti ad una maggiore potenza elettromagnetica, ma ritardati
nel tempo di una certo tempo di latenza. Sono utilizzati a fini didattici e da sperimentatori/hobbisti (es. PMR 446) in
virtù della loro semplicità costruttiva e basso costo; sono conosciuti anche come “pappagalli elettronici” o "parrot"[1] .
Un ripetitore duplex usa invece due radiofrequenze: una frequenza di “input” che riceve e controlla i segnali in
ingresso, e una frequenza di “output” su cui si ritrasmettono in uscita ad una maggiore potenza i segnali ricevuti in
ingresso.

42
12.2. APPLICAZIONI 43

Antenne di Ripetitori in ponte radio sul Mont Aigoual, Cevennes Francia

In quanto sottosistemi di un'infrastruttura in ponte radio i ripetitori possono implementare tecniche di radiotrasmis-
sione in diversità di spazio o di frequenza, al pari del nodo di origine o destinazione finale.
I ripetitori radio tipicamente sono piazzati in zone che massimizzano gli effetti radiopropagativi per i loro scopi. Si
hanno:

• ripetitori low-level, usati per la comunicazione locale e piazzati ad una grande altezza per ridurre le interferenze
con altri utenti/sistemi operanti alle stesse radiofrequenze. Sono usati per aree ampie come città intere o piccoli
edifici.

• ripetitori high-level sono piazzati su alte torri o in cima alle montagne per massimizzare l'area di copertura.
Con questi sistemi gli utenti con radio poco potenti (come un "walkie-talkie") possono comunicare con altri
anche su parecchi chilometri.
44 CAPITOLO 12. RIPETITORE

Esempio di ripetitore in ponte radio con tipiche antenne paraboliche direttive

Nel campo radioamatoriale, i ripetitori sono tipicamente non usati come stazione-base per un singolo utente o gruppo;
ciononostante forniscono altri servizi come una connessione autopatch per una linea telefonica POTS/PSTN per utenti
remoti. Questi tipi di ripetitori tipicamente hanno un tono squelch (CTCSS o PL tone) implementato, per prevenirli
dall'essere utilizzati accidentalmente per interferenza da altri ripetitori.
12.3. NOTE 45

Broadcasting

I ripetitori sono anche usati estensivamente nel broadcasting, dove sono conosciuti come traslatori o amplificatori.
Ripetitori sono anche gli access point Wi-Fi delle WLAN quando questi ripetono in broadcast, a livello fisico, nella
propria area di copertura il segnale verso altri access point limitrofi per consentire la propagazione del segnale fino a
destinazione (modalità Extended Service Set (ESS)) lavorando però anche a livello datalink.

Reti cellulari

Nelle reti cellulari le cosiddette stazioni di rilancio assolvono le funzionalità di ripetitori del segnale radio da e verso
una stazione radio base di riferimento attraverso un collegamento direttivo (antenne paraboliche o mini-link) offrendo
una copertura radio verso una nuova cella permettendo un aumento di banda grazie al riuso di frequenza.

Ripetitore passivo

Il termine ripetitore passivo indica invece un particolare tipo di ripetitore, utilizzato per poter superare ostacoli naturali
che ostruirebbero la linea di vista tra due terminali radio, senza operare alcun tipo di amplificazione o rigenerazione
operando quindi in maniera del tutto passiva. Esso consiste dunque in una coppia di antenne opportunamente collocate
che ricevono e ritrasmettono il segnale cambiandone solamente la direzione di irradiazione. Può essere collocato in
punti elevati ovviando all'installazione di apparati elettronici che richiederebbero energia di alimentazione e la cui
manutenzione risulterebbe più complicata e costosa.
In casi particolari, normalmente con angoli di ripetizione inferiori ai 90º, si può utilizzare uno specchio metallico che
riflette le onde elettromagnetiche con area di diversi metri quadrati opportunamente orientato, invece di due antenne
accoppiate. In alcuni casi particolarmente critici per la presenza di ostacoli difficilmente superabili, si può utilizzare
l'inserimento di doppi o addirittura tripli ripetitori passivi. La tecnica risulta particolarmente vantaggiosa se il punto
di ripetizione passiva è vicino a uno dei due terminali attivi, in modo da ridurre le perdite totali del collegamento.

12.2.2 Sistemi cablati


I ripetitori sono spesso usati nei cavi transcontinentali e transoceanici (cavi sottomarini), perché l'attenuazione del
segnale (signal loss) su tali distanze potrebbe essere completamente inaccettabile senza di essi ai fini della ricetrasmis-
sione. I ripetitori sono usati sia nei cavi in rame che trasportano segnali elettrici sia nelle fibre ottiche che trasportano
la segnali ottici. In questo ambito sono più noti come amplificatori e rigeneratori.

Reti di computer

Tra le reti di broadcast vanno ricordate le LAN dove il repeater viene usato soprattutto con un particolare dispositivo
di rete che è l'hub cioè un repeater multiporta.

12.3 Note
[1] Anfy preview

12.4 Altri progetti

• Wikizionario contiene il lemma di dizionario «ripetitore»

• Wikimedia Commons contiene immagini o altri file su ripetitore


46 CAPITOLO 12. RIPETITORE

Esempio di ripetitore passivo: soluzione per la realizzazione di reti radio a microonde, in aree dove la visibilità radioelettrica tra i
terminali è annullata o fortemente ridotta da ostacoli interposti alle tratte radio (montagne, palazzi, alberi etc).
Capitolo 13

Software defined radio

Smart
Antenna
Software Defined Radio
Output
Processing
Flexible ADC Channelization
RF and Software
IF Hardware
Hardware Sample Rate • Algorithms
• FPGAs
Conversion • Middleware Input
DAC • DSPs
• CORBA
• ASICs
• Virtual Radio Machine

Control

RF/IF A/D Digital Base Band


D/A Front End Processing
ANTENNA

Waveform

RF
Modem Network
AMPLIFIER A/D Encryption
Error Routing User
FILTER D/A Correction GUI

HARDWARE SOFTWARE

Il concetto del Software Defined Radio

Software Defined Radio, in sigla SDR, è una tecnologia in via di sviluppo che permette di costruire ricevitori radio
non più hardware ma quasi completamente software che a differenza degli altri sono multistandard. Multistandard
semplicemente vuol dire che, poiché tutti gli standard presenti possiedono caratteristiche simili, come ad esempio
l'accesso al canale, il ricevitore SDR funziona con tutti perché il suo hardware è riprogrammabile attraverso software.
Se prima era presente un ricevitore per ogni standard, con SDR si ha un ricevitore riprogrammabile ogni qualvolta si
vuole gestire uno standard diverso.
Oggigiorno i ricevitori dei vari standard (UMTS, GSM, Wimax, satellitare...) sono costruiti completamente hardware
e funzionano tutti allo stesso modo, cioè tutti possiedono un'antenna che capta il segnale modulato alla frequenza dello
standard usato, un demodulatore che riporta il segnale dalla banda traslata (centrata alla frequenza di modulazione)
in banda base (attorno alla frequenza zero) e un blocco di conversione analogico-digitale che campiona il segnale
continuo e lo converte in segnale numerico. Ci sono molti e cospicui vantaggi nell'avere un ricevitore unico. Tra i più
importanti:

1. L'estensione della funzionalità del sistema ad un ampio intervallo di trasmissioni radio. È possibile aggiun-

47
48 CAPITOLO 13. SOFTWARE DEFINED RADIO

gere nei terminali mobili nuovi servizi ed aggiornamenti che possono addirittura essere realizzati in maniera
automatica ed in autonomia.
2. La riconfigurabilità senza la sostituzione di alcuna parte hardware, in modo che le capacità del sistema o del
terminale siano facilmente estendibili, e più standard possano essere gestiti da un solo ricevitore.

I ricevitori tradizionali, prima di eseguire la demodulazione del segnale (e un'eventuale conversione in digitale), lo
portano dalla banda centrata attorno alla frequenza di modulazione ( f 0 ) (“banda traslata”) alla banda base (at-
torno allo 0), eventualmente in più stadi, ovvero usando più “medie frequenze”. Nell'SDR, invece, campionamento
e conversione si effettuano direttamente in banda traslata, senza trasporto in banda base. Si comprende bene qua-
le difficoltà di implementazione sorga quando il segnale di interesse è a frequenza molto alta: per il teorema del
campionamento di Nyquist-Shannon, affinché si possa ricostruire adeguatamente il segnale, è necessario usare una
frequenza di campionamento ( f c ) pari almeno al doppio della frequenza limite superiore dello spettro del segnale
(ovvero almeno il doppio della banda). Nel principio di funzionamento dell'SDR appena descritto, in mancanza di
alcun trasporto del segnale a frequenza più bassa, la banda da prendere in considerazione sarebbe quindi l'intero
spettro da 0 ad f 0 ! Se ad esempio considerassimo lo standard wireless LAN con portante a 2,4 GHz, avremmo circa
f c = 5 GHz: a tutt'oggi è impossibile riuscire ad ottenere, nonché gestire, una mole di campioni nell'ordine di 5
miliardi al secondo, ma l'evoluzione tecnologica e il tasso di incremento della potenza di calcolo fanno sperare in
una soluzione entro tempi non lontani. Per il momento è dunque ancora inevitabile abbinare la tecnologia SDR con
uno shifting del segnale a frequenza intermedia rispetto alla frequenza portante, onde ridurre il numero dei campioni
necessari a ricostruire il segnale, e solo dopo attuare campionamento e conversione da analogico a digitale.

13.1 Voci correlate


• Open Spectrum

13.2 Altri progetti

• Wikimedia Commons contiene immagini o altri file su software defined radio

13.3 Collegamenti esterni


• scale di conversione per radiofrequenze e relative lunghezze d'onda, associazionemarconi.com.
• (EN) – sito ufficiale della SCA (Software Communication Architecture)
Capitolo 14

Alexandre-Théophile Vandermonde

Alexandre-Théophile Vandermonde (Parigi, 28 febbraio 1735 – Parigi, 1º gennaio 1796) è stato un matematico
francese. Fu anche musicista e chimico. Lavorò con Étienne Bézout e Antoine Lavoisier. Al giorno d'oggi il suo nome
è legato principalmente alla teoria dei determinanti in matematica. Egli nacque e trascorse tutta la vita a Parigi.

14.1 La carriera matematica


Il padre di Vandermonde era una medico di origini fiamminghe; questi, dopo aver trascorso 12 anni in Oriente come
medico di una delegazione francese, si era stabilito a Parigi dove lavorava come praticante medico quando nacque suo
figlio Alessandro Teofilo. Il padre incoraggiò inizialmente il figlio ad intraprendere la carriera del musicista poiché
dimostrava grande interesse per questa disciplina; da giovane invece non mostrò particolar interesse per la matematica.
La famiglia gli procurò una buona istruzione musicale come violinista senza trascurare gli altri settori dell'educazione;
nonostante fosse un abile violinista, non riuscì a fare grande carriera in questo ambito che comunque non abbandonò
fino all'età di 35 anni quando, nel 1770, Fontaine des Bertins lo introdusse nel campo della matematica trasmettendogli
un grande entusiasmo.
Dopo una formazione molto breve ma intensa, alla fine del 1770, pubblicò la sua prima opera, Mémoire sur la résolution
des équations, in cui trattava il problema delle funzioni simmetriche e la risoluzione dei polinomi ciclotomici, in un
certo senso anticipando di mezzo secolo la teoria di Galois; questo suo primo lavorò suscitò grande interesse tanto che
venne letto pubblicamente nel dicembre del 1770 all'Accademia delle scienze francese, onore che veniva solitamente
conferito ai soli membri dell'Accademia. Nel 1771 venne eletto abbastanza sorprendentemente membro della stessa
Accademia: in ogni caso la sua prima opera e le tre successive che egli presentò all'Accademia tra il 1771 e il 1772
rappresentano un notevole contributo allo sviluppo delle conoscenze matematiche del tempo; questi quattro lavori
rappresentano la sua totale produzione matematica. A partire dal 1772 non pubblicò più nulla di esclusivamente
matematico.
La nomina a membro dell'Accademia delle scienze francese lo stimolò a lavorare duramente, ma anche a conoscere
altri studiosi dell'epoca e a pubblicare nuovi lavori riguardo alla scienza e alla musica. Nel 1777 pubblicò i risultati
degli esperimenti effettuati con Étienne Bézout e Antoine Lavoisier sulle basse temperature, con particolar attenzione
agli effetti di una terribile gelata verificatasi nel 1776. Dieci anni dopo pubblicò un lavoro insieme a Gaspard Monge
e Berthollet sulla produzione dell'acciaio: lo scopo di tale ricerca era apportare migliorie nell'acciaio utilizzato per le
armi e per far ciò vennero provate differenti combinazioni di ferro e carbone. La stretta collaborazione scientifica con
Monge era alimentata da una grande amicizia, così stretta che Vandermonde era chiamato anche femme de Monge
(moglie di Monge).

14.2 Ulteriori contributi


Nel 1778 Vandermonde presentò la prima delle due parti della sua opera riguardo alla teoria musicale davanti
all'Accademia della Scienza: Système d'harmonie applicable à l'état actuel de la musique; la seconda parte venne
presentata due anni dopo. Contrariamente a quanto ci si sarebbe potuti aspettare da un esperto di entrambi i setto-
ri, Vandermonde non propose una teoria della musica fondata su basi matematiche; al contrario la sua idea è che i

49
50 CAPITOLO 14. ALEXANDRE-THÉOPHILE VANDERMONDE

musicisti dovrebbero ignorare la teoria musicale e affidarsi unicamente al loro orecchio ben allenato ed istruito nel
giudicare la musica. I musicisti francesi si divisero tra chi era d'accordo con la posizione di Vandermonde e chi vi
si opponeva; nonostante l'avversione iniziale di molti musicisti, le idee di Vandermonde si imposero con gli anni e
all'inizio del XIX secolo l'Accademia delle scienze francese spostò la Musica dall'area Scientifica a quella delle Arti
mutando una collocazione che risaliva ai tempi dell'Antica Grecia.
Vandermonde ricoprì le cariche di direttore del Conservatoire des Arts et Métiers nel 1782 e di capo del Bureau
de l'Habillement des Armées nel 1792. Nello stesso anno egli sedette con Joseph-Louis Lagrange nel Comitato
dell'Accademia della Scienza che aveva il compito di esaminare il violino armonico, uno strumento musicale di
nuova invenzione. Come il suo amico Monge, anche Vandermonde fu un forte sostenitore della Rivoluzione France-
se, ma la sua salute cagionevole lo condusse a dedicarsi esclusivamente alla Scienza. Insieme a Laplace, Joseph-Louis
Lagrange e Monge, Vandermonde fece parte dell'École Normale Supérieure fondata nell'ottobre 1794 e face parte
di una squadra di tecnici che doveva decidere riguardo ad un corso di economia politica. Dopo una lunga infermità,
morì nel 1796.
Il nome di Vandermonde è legato anche ad una classe speciale di matrici, chiamate in suo onore matrici di Vander-
monde. Queste generosa attribuzione è dovuta ad un'errata interpretazione da parte di Lebesgue di alcuni appunti di
Vandermonde. Da ricordare anche un'identità fondamentale della combinatoria detta Identità di Vandermonde.

14.3 Le quattro pubblicazioni matematiche


I quattro articoli matematici di Vandermonde con le loro date di pubblicazione dell'Accademia delle scienze sono:

• Mémoire sur la résolution des équations 1771


• Remarques sur des problèmes de situation 1771
• Mémoire sur des irrationnelles de différens ordres avec une application au cercle 1772
• Mémoire sur l'élimination 1772

Nel primo articolo egli presenta una formula per la somma delle potenze n-sime delle radici di un'equazione e una
per la somma delle funzioni simmetriche delle potenze di tali radici. Nessuna delle due formule era davvero originale
essendo apparsa in maniera concisa nei lavori di Edward Waring ma, sebbene fosse consapevole di questo fatto,
egli riteneva che il suo approccio fosse sufficientemente differente da valere la pena pubblicare un nuovo lavoro
sull'argomento. Nell'articolo viene anche dimostrato che se n è un numero primo minore di 10 allora l'equazione xn
- 1 = 0 può essere risolta per radicali. Jones in [1] scrive:
“Il vero e non riconosciuto merito di Vandermonde va cercato nella sua prima opera in cui egli si avvicina al problema
generale della risolubilità di un'equazione algebrica attraverso lo studio di funzioni invarianti secondo permutazioni
delle radici dell'equazione.”
Kronecker nel 1888 affermò che lo studio dell'algebra moderna ha avuto inizio con il primo scritto di Vandermonde.
Cauchy dichiarò chiaramente che Vandermond giunse prima di Joseph-Louis Lagrange a questa formidabile idea che
portò definitivamente allo studio della teoria dei gruppi.
Nella sua seconda pubblicazione egli esamina le mosse e i percorsi del cavallo sulla scacchiera: tale lavoro è un
precoce esempio di studi topologici e il valore di tali idee è tanto più da apprezzare se si considera il fatto che egli non
conosceva i lavori di Eulero relativi all'argomento. Dalla seguente affermazione emerge in maniera evidente come
egli avesse compreso l'importanza delle proprietà topologiche nello studio dei nodi:
“Qualsiasi siano i giri e i nodi di un filo nello spazio è sempre possibile ottenere un'espressione per il calcolo delle sue
dimensioni, ma questa espressione sarà di ben poca utilità nella pratica. Gli artigiani che costruiscono trecce, reti o
alcuni nodi non si preoccuperanno della misura, ma della posizione: ciò che loro interessa è il modo in cui i nodi si
intrecciano.”
Delle mosse del cavallo sulla scacchiera egli studia anche come si intrecciano le curve descritte da tale movimento: il
suo lavoro in questo settore segna l'inizio delle idee che sarebbero state successivamente approfondite da Gauss e poi
da Maxwell nell'ambito dei circuiti elettrici.
I suoi due ultimi articoli furono scritti quando egli era già membro dell'Accademia delle Scienza. Nella Mémoire sur
des irrationnelles de différents ordres avec une application au cercle (1772) si occupò di combinatoria. Egli definì i
simboli
14.4. BIBLIOGRAFIA 51

[p]n = p(p − 1)(p − 2)(p − 3)...(p − n + 1)

[p]−n = 1/(p + 1)(p + 2)(p + 3)...(p + n).

È interessante notare che a quel tempo non esisteva neppure una notazione per n! e che quindi Vandermonde aveva
definito qualche cosa di ancor più generale. Chiaramente, utilizzando la notazione di Vandermonde, risulta che [n]n
= n!
Nella Mémoire sur l'élimination (1772) espresse alcuni dei fondamenti della Teoria dei Determinanti. Muir [2] affer-
ma che grazie a questo articolo Vandermonde fu l'unico degno di essere ritenuto il fondatore della Teoria dei Deter-
minanti. La ragione di questa forte affermazione di Muir è che, sebbene alcuni matematici come Leibniz avessero
studiato i determinanti prima di Vandermonde, tutti i precedenti lavori avevano utilizzato i determinanti semplice-
mente come strumenti per risolvere equazioni lineari; Vandermonde, invece, pensò ai determinanti come funzioni
e stabilì le proprietà affinché una funzione sia un determinante. Egli mostrò l'effetto di scambiare due righe e due
colonne di un determinante; da questo dedusse che il determinante di una matrice con due colonne o due righe uguali
è nullo. Infine stabilì delle notazioni di notevole chiarezza per i determinanti che non si sono mantenute. Il famoso
determinante di Vandermonde non appare in maniera esplicita in quest'ultima opera, mentre nelle Mémoire sur la
résolution des équations espone un procedimento simile all'interpolazione per curve nel quale, con la riformulazione
moderna, si utilizza il suddetto determinante.

14.4 Bibliografia
• [1] P. S. Jones, Biography in Dictionary of Scientific Biography (New York 1970-1990).
• [2] Thomas Muir (1920): “History of determinants” Volume 3.

14.5 Collegamenti esterni


• O'Connor, John J; Edmund F. Robertson «Alexandre-Théophile Vandermonde» MacTutor History of Mathe-
matics archive.

• Opere di Vandermonde digitalizzate dal SICD delle università di Strasburgo


Capitolo 15

Dispositivo indossabile

Google Glass

Un dispositivo indossabile (in inglese, wearable device) fa parte di una tipologia di dispositivi elettronici che si
indossano solitamente sul polso e hanno funzioni quali notificatori collegati allo smartphone con il wireless, le onde
medie FM o più spesso con il Bluetooth. A ciò si aggiungono funzionalità spesso legate al fitness.
Tra i wearable troviamo principalmente gli smartwatch, ovvero orologi intelligenti, che se hanno funzioni telefoniche
si chiamano watch phone. Poi ci sono dei braccialetti intelligenti detti fitness band che interagiscono con l'utente o
tramite schermi o con dei LED e hanno sensori per il monitoraggio dell'attività fisica, cardiaca e del sonno.
Altre tipologie di dispositivi indossabili, sono i visori di realtà aumentata come il Samsung Gear VR e il Google
Cardboard, e gli occhiali intelligenti quali i Google Glass.

52
15.1. STORIA 53

Eurotech ZYPAD

15.1 Storia
La storia degli indossabili non ha un preciso inizio, ma ufficialmente gli albori risalgono sicuramente agli anni '70
e '80 (anche se già negli anni '60 venivano illegalmente usati computer indossabili nei casinò) [1] , quando aziende
come Seiko, Casio, IBM, Citizen e Timex iniziano a sperimentare creando i primi orologi da polso con funzionalità
aggiuntive quali cronometro, calcolatrice e memorie accessibili velocemente, anche se di pochi kilobyte di ampiezza
ma sufficienti all'uso, ad esempio, come promemoria.
Nel 1987 nascono invece gli apparecchi acustici indossabili per non udenti. Negli anni '90 nascono le webcam che si
attaccano con una fascetta alla testa[1] ed i primi visori digitali. Col 2000 arrivano i lettori musicali MP3 (il primo
iPod) [1] e gli auricolari Bluetooth. Continuano tentativi di orologi intelligenti quasi sempre senza successo da parte
di Microsoft, Samsung e con Palm OS.
Nel 2004 nasce il settore delle action cam, con la prima GoPro, nel 2008 nasce Fitbit, azienda attualmente leader
nel mercato delle fitness band. Con l'inizio degli anni '10 del 2000 questo settore esplode, con smartwatch Sony,
Qualcomm, Cogito, Cuckoo, Samsung, Pebble, Alcatel, HTC, Apple, Motorola, Microsoft, Huawei, LG; Google
crea la versione da polso di Android, cioè Android Wear; Apple crea un sistema operativo iOS-based ma da polso,
watchOS; si diffondono le fitness band Fitbit, Garmin, Runtastic, Jawbone, Misfit, Timex, Xiaomi, Vidonn; occhiali
intelligenti come il Google Glass; action cam GoPro, Garmin, HTC.

15.2 Note
[1] Federica Poli, L'evoluzione della tecnologia indossabile, su Pensa Creativo, giugno 2012. URL consultato il 03-01-2016.

15.3 Voci correlate


• Abbigliamento tecnico
• Smartwatch
Capitolo 16

Intelligenza artificiale

Definizioni specifiche possono essere date focalizzandosi o sui processi interni di ragionamento o sul comportamento
esterno del sistema intelligente ed utilizzando come misura di efficacia o la somiglianza con il comportamento umano
o con un comportamento ideale, detto razionale:

1. Agire umanamente: il risultato dell’operazione compiuta dal sistema intelligente non è distinguibile da quella
svolta da un umano.
2. Pensare umanamente: il processo che porta il sistema intelligente a risolvere un problema ricalca quello umano.
Questo approccio è associato alle scienze cognitive.
3. Pensare razionalmente: il processo che porta il sistema intelligente a risolvere un problema è un procedimento
formale che si rifà alla logica.
4. Agire razionalmente: il processo che porta il sistema intelligente a risolvere il problema è quello che gli permette
di ottenere il miglior risultato atteso date le informazioni a disposizione.

L'intelligenza artificiale è una disciplina dibattuta tra scienziati e filosofi poiché manifesta aspetti etici oltre che teorici
e pratici.

16.1 Storia
Tradizione di ricerca

Molteplici furono i passi che portarono alla nascita di questa disciplina. Il primo, sia a livello di importanza che di
ordine cronologico, è l’avvento dei calcolatori ed il continuo interesse rivolto ad essi. Già nel 1623, grazie a Willhelm
Sickhart, si arrivò a creare macchine in grado di effettuare calcoli matematici con numeri fino a sei cifre, anche se non
in maniera autonoma. Nel 1642 Blaise Pascal costruì una macchina in grado di fare operazioni utilizzando il riporto
automatico, mentre nel 1674 Gottfried Wilhelm von Leibniz creò una macchina in grado di effettuare la somma, la
differenza e la moltiplicazione in maniera ricorsiva. Tra il 1834 ed il 1837 Charles Babbage lavorò al modello di una
macchina chiamata macchina analitica, le cui caratteristiche anticiparono in parte quelle dei moderni calcolatori. Nel
ventesimo secolo l’attenzione sui computer ritornò ad accendersi: nel 1937, ad esempio, Claude Shannon, all’università
di Yale, mostrò che l’algebra booleana e le operazioni binarie potessero rappresentare il cambiamento circuitale
all’interno dei telefoni. Un ulteriore passo importante fu l’articolo di Alan Turing redatto nel 1936, On Computable
Numbers, With An Application To The Entscheidungsproblem[2] , che pone le basi per concetti quali calcolabilità,
computabilità, macchina di Turing, definizioni cardine per i calcolatori sino ai giorni nostri. In seguito, nel 1943
McCulloch e Pitts crearono ciò che viene ritenuto il primo lavoro inerente all’intelligenza artificiale[3] . Tale sistema
impiega un modello di neuroni artificiali nel quale lo status di tali neuroni può essere “on” o “off,” con uno passaggio a
“on” in presenza di stimoli causati da un numero sufficiente di neuroni circostanti. McCulloch e Pitts arrivarono quindi
a mostrare, ad esempio, che qualsiasi funzione computabile può essere rappresentata da qualche rete di neuroni, e
che tutti i connettivi logici (“and”, “or”, ...) possono essere implementati da una semplice struttura neurale. Sette anni
più tardi, nel 1950, due studenti dell’università di Harvard, Marvin Minsky e Dean Edmonds, crearono quella viene
riconosciuta come la prima rete neurale, conosciuta con il nome di SNARC.

54
16.1. STORIA 55

La nascita effettiva della disciplina (1956)

Nel 1956, nel New Hampshire, al Dartmouth College, si tenne un convegno al quale presero parte alcune delle figure di
spicco del nascente campo della computazione dedicata allo sviluppo di sistemi intelligenti: John McCarthy, Marvin
Minsky, Claude Shannon e Nathaniel Rochester. Su iniziativa di McCarthy, un team di dieci persone avrebbe dovuto
creare in due mesi una macchina in grado di simulare ogni aspetto dell’apprendimento e dell’intelligenza umana.
Ad aderire a tale iniziativa, furono alcuni ricercatori, tra cui anche Trenchard More di Princeton, Arthur Samuel di
IBM, e Ray Solomonoff e Oliver Selfridge del MIT. Nello stesso convegno, un’altra iniziativa catalizzò l’attenzione
oltre al progetto di McCarthy: il programma di Allen Newell e Herbert Simon. Questi due ricercatori, a differenza
di McCarthy, avevano già un programma capace di qualche forma di ragionamento, conosciuto con il nome di Logic
Theorist, o LP, in grado di dimostrare teoremi partendo dai principi della matematica. Sempre nello stesso convegno,
McCarthy introdusse l’espressione intelligenza artificiale, che segnò, in maniera indelebile, la nascita effettiva di tale
disciplina, conferendole una natura propria.

Prime grandi aspettative (1950-1965)

Il programma creato da Newell e Simon permise loro di progredire e creare un programma chiamato General Problem
Solver, o GPS. A differenza del LP, il GPS fu ideato con lo scopo di imitare i processi di risoluzione dei problemi
utilizzati dagli esseri umani. Nei ristretti casi nel quale il programma poteva operare, si notò che l’approccio con il
quale il programma considerava gli obiettivi e le azioni era assimilabile ad uno umano. Negli stessi anni, presso l’IBM,
Rochester con dei suoi colleghi cominciò a sviluppare altri programmi capaci di ragionamento. Nel 1959, Herbert
Gelemter creò il Geometry Theorem Prover, un programma in grado di dimostrare teoremi di geometria complessi.
L’anno precedente, presso il MIT, McCarthy diede un altro contributo al campo dell’intelligenza artificiale definendo
quello che per trent’anni fu riconosciuto come il linguaggio di programmazione dominante per la realizzazione dei
sistemi di intelligenza artificiale: il Lisp. Oltre a ciò, McCarthy scrisse un documento intitolato Programs with Common
Sense[4] , nel quale descrive un programma ideale, chiamato Advice Taker, che può essere visto come il primo sistema
intelligente completo. A differenza del LP e del GSP, l’Advice Taker era progettato per trovare soluzioni a problemi di
tipo diverso, ovvero non strettamente matematici. Minsky, durante il suo periodo al MIT, supervisionò la creazione di
programmi per affrontare quelli che vengono chiamati micro mondi, ovvero problemi limitati e descritti da asserzioni
che richiedevano l’utilizzo di ragionamento per essere risolti. Tra questi, il programma di James Slagle del 1963,
SAINT, era in grado di risolvere problemi riguardo il calcolo integrale in forma chiusa tipici del primo anno del
college.

Prime difficoltà (1966-1969)

Tra le varie aspirazioni da parte dei ricercatori vi era principalmente quella di creare macchine in grado di esibire
capacità ragionamento simili a quelle umane. Ad esempio, Herbert Simon, nel 1957, stimò che nel giro di dieci anni
ci sarebbero state macchine in grado di competere con i campioni di scacchi (previsione che si avvererà, ma dopo
quarant’anni). Queste aspirazioni, però, dovettero scontrarsi con alcune difficoltà: prime fra tutte, l’assoluta mancanza
di conoscenza semantica relativa ai domini trattati dalle macchine, in quanto la loro capacità di ragionamento si
limitava ad una mera manipolazione sintattica. A causa di questa difficoltà, nel 1966 il governo degli Stati Uniti
d’America interruppe i fondi per lo sviluppo delle macchine traduttrici. Un ulteriore problema fu l’impossibilità
del trattare molti problemi che l’intelligenza artificiale si era proposta. Questo perché si riteneva che “scalare” le
dimensioni di un problema fosse solo una questione di hardware e memoria. Questo tipo di ottimismo fu presto
spento quando i ricercatori fallirono nel dimostrare teoremi a partire da più di una dozzina di assiomi. Si capì quindi
che il fatto di disporre di un algoritmo che, a livello teorico, fosse in grado di trovare una soluzione a un problema non
significava che un corrispondente programma fosse in grado di calcolarla effettivamente a livello pratico. Un terzo
tipo di difficoltà furono le limitazioni alla base della logica, nel senso di ragionamento, dei calcolatori. Nel documento
di Minsky e Papert, intitolato Perceptrons (1969), si mostrò che, nonostante un percettrone (una semplice forma di
rete neurale) fosse in grado di apprendere qualsiasi funzione potesse rappresentare, un percettrone con due input non
era in grado di rappresentare una funzione che riconoscesse quando i due input sono diversi.

Sistemi basati sulla conoscenza (1969-1979)

Le precedenti difficoltà portarono a definire gli approcci adottati dalle macchine come approcci deboli, necessitando
quindi di una conoscenza maggiore inerente al campo di applicazione. Nel 1969, grazie a Ed Feigenbaum (studente di
56 CAPITOLO 16. INTELLIGENZA ARTIFICIALE

Herbert Simon), Bruce Buchanam e Joshua Lederberg, venne creato il programma DENDRAL. Tale programma era
in grado, a partire dalle informazioni sulla massa molecolare ricavate da uno spettrometro, di ricostruire la struttura
di una molecola. Questo programma fu quindi il primo dei sistemi basati su un uso intensivo della conoscenza,
che arrivarono più tardi ad inglobare tutti i concetti teorizzati da McCarthy per l’Advice Taker. Successivamente,
Feigenbaum cominciò insieme ad altri ricercatori di Stanford l’Heuristic Program Project (HPP), al fine di estendere
gli scenari applicativi di questi sistemi, cominciando con il sistema MYCIN nell’ambito delle diagnosi delle infezioni
sanguigne. Si cominciò quindi a teorizzare dei sistemi conosciuti come sistemi esperti, ovvero in grado di possedere
una conoscenza esperta in un determinato scenario di applicazione.

Dall’ambiente accademico all’industria (1980-)

Il primo sistema di intelligenza artificiale utilizzato in ambito commerciale fu R1, utilizzato dalla Digital Equipment
nel 1982. Lo scopo del programma era quello di aiutare a configurare gli ordini per nuovi computer. Nel 1986, fu
in grado di far risparmiare alla compagnia 40 milioni di dollari all’anno. Anche la Dupont utilizzò sistemi simili,
risparmiando circa dieci milioni di dollari all’anno. Negli anni '80 dello scorso secolo, quasi ogni grande azienda
americana aveva un proprio sistema esperto in operazione e stava studiando sistemi più avanzati. Nel 1981 in Giappone
venne annunciato il progetto Fifth Generation, un piano di dieci anni con l’intento di costruire sistemi intelligenti basati
su Prolog. In risposta, gli Stati Uniti d’America crearono la Microelectronics and Computer Technology Corporation
(MCC), come consorzio di ricerca al fine di garantire la competitività a livello nazionale. In Inghilterra, il rapporto
Alvey recuperò i fondi tagliati dal rapporto Lighthill, che nel 1973 portò il governo britannico alla decisione di
interrompere il supporto verso la ricerca nell'ambito dell'intelligenza artificiale. Questi progetti però non raggiunsero
gli scopi previsti. L’industria dell’intelligenza artificiale raggiunse nel 1988 una cifra dell'ordine di miliardi di dollari,
includendo centinaia di aziende che stavano creando sistemi esperti, robot e software e hardware specializzati in questi
settori.

Il ritorno delle reti neurali (1986-)

A metà degli anni ottanta dello scorso secolo fu reinventato l’algoritmo di apprendimento per reti neurali chiamato
back-propagation, inizialmente ideato nel 1969 da Bryson e Ho. L’algoritmo fu applicato a molti problemi relativi
all’apprendimento, inerenti sia al lato dell’informatica sia a quello della psicologia. I cosiddetti modelli connessionisti
per la realizzazione di sistemi intelligenti furono visti come alternative ai modelli simbolici ideati da Newell e Simon,
da McCarthy e dai loro collaboratori. Tali modelli cercarono di dare risposta a quelle domande alle quali i precedenti
modelli non erano riusciti, ma in parte fallirono anch’essi. Di conseguenza, i modelli basati sull’approccio simbolico
e quelli con un approccio connessionista furono visti come complementari.

L’intelligenza artificiale al giorno d’oggi (1986-)

Al giorno d’oggi i sistemi intelligenti sono presenti in ogni campo, anche nelle attività quotidiane e primeggiano nei
giochi, come teorizzato anni prima dagli esponenti dell’intelligenza artificiale. Vi sono programmi che sono stati in
grado di confrontarsi con campioni di scacchi, quali Deep Blue; altri che sono stati impiegati nelle missioni spaziali,
come nel 1998 quando la NASA utilizzò un programma chiamato Remote Agent in grado di gestire le attività relative
a un sistema spaziale; alcune auto sono oggi dotate di un sistema in grado di guidarle senza l’uso di un conducente
umano, quindi in maniera del tutto autonoma. Nell’ambito di scenari più quotidiani si pensi, invece, ai termostati per
il riscaldamento e l’aria condizionata in grado di anticipare il cambio di temperatura, gestire i bisogni degli inquilini
e di interagire con altri dispositivi.

16.2 Ricerca
Il problema complesso dello sviluppare sistemi che esibiscono comportamenti intelligenti è stato affrontato operando
una scomposizione in sotto-problemi, ognuno con uno specifico ambito di ricerca. Ogni sotto-problema consiste nello
studiare particolari abilità e proprietà che caratterizzano il sistema intelligente.
Relativamente all'ambito di applicazione di un determinato sistema intelligente questo presenterà soluzioni più o meno
sofisticate per ogni sotto-problema.
16.2. RICERCA 57

16.2.1 Deduzione, ragionamento e problem solving

Inizialmente i ricercatori si concentrarono sullo sviluppo di algoritmi che imitassero fedelmente i ragionamenti im-
piegati dagli esseri umani per risolvere giochi o realizzare deduzioni logiche in modo da poterli integrare all'interno
dei sistemi intelligenti. Tali algoritmi solitamente si basano su una rappresentazione simbolica dello stato del mondo
e cercano sequenze di azioni che raggiungano uno stato desiderato. Evoluzioni di questi algoritmi vennero realizzati
tenendo in considerazione aspetti più complessi come l'incertezza o l'incompletezza delle informazioni, includendo
concetti provenienti dalla probabilità, dalla statistica e dall'economia.
Per difficoltà legate alla complessità intrinseca dei problemi in esame, gli algoritmi per la loro risoluzione posso-
no a volte richiedere enormi risorse computazionali. L'ottimizzazione degli algoritmi ricopre una priorità assoluta
all'interno della ricerca in questo ambito.

16.2.2 Rappresentazione della conoscenza

La rappresentazione della conoscenza e l'ingegneria della conoscenza costituiscono contributi centrali per la ricerca
nell'ambito dell'intelligenza artificiale.
In particolare, queste discipline si focalizzano su quale tipo di conoscenza è necessario o opportuno integrare all'interno
di un sistema intelligente, e sul come rappresentare i diversi tipi di informazione. Fra le cose che un sistema intelli-
gente ha la necessità di rappresentare troviamo frequentemente: oggetti, proprietà, categorie e relazioni fra oggetti,
situazioni, eventi, stati, tempo, cause ed effetti, conoscenza posseduta da altri. La rappresentazione e l'ingegneria
della conoscenza vengono spesso associate alla disciplina filosofica dell'ontologia.
La conoscenza e la sua rappresentazione sono cruciali soprattutto per quella categoria di sistemi intelligenti che basano
il loro comportamento su una estensiva rappresentazione esplicita della conoscenza dell'ambiente in cui operano.

16.2.3 Pianificazione

Per permettere ai sistemi intelligenti di prevedere e rappresentare stati del mondo futuri e per prendere decisioni al
fine di raggiungere tali stati massimizzando il valore atteso delle azioni, essi devono essere in grado di definire degli
obiettivi e di perseguirli.
Nei problemi classici di pianificazione, un sistema intelligente può assumere di essere l'unica entità ad operare
nell'ambiente e può essere assolutamente sicuro delle conseguenze di ogni azione compiuta. Se non è l'unico attore
nell'ambiente o se l'ambiente non è deterministico un sistema intelligente deve costantemente monitorare il risultato
delle proprie azioni e aggiornare le predizioni future ed i propri piani.

16.2.4 Apprendimento

L'apprendimento automatico è la disciplina che studia algoritmi capaci di migliorare automaticamente le proprie
performance attraverso l'esperienza. È stato un ambito di ricerca cruciale all'interno dell'intelligenza artificiale sin
dalla sua nascita.
L'apprendimento automatico è particolarmente importante per lo sviluppo di sistemi intelligenti principalmente per
tre motivi:

• Gli sviluppatori di un sistema intelligente difficilmente possono prevedere tutte le possibili situazioni in cui il
sistema stesso si può trovare ad operare, eccetto per contesti estremamente semplici.

• Gli sviluppatori di un sistema intelligente difficilmente possono prevedere tutti i possibili cambiamenti dell'ambiente
nel tempo.

• Un'ampia categoria di problemi può essere risolta più efficacemente ricorrendo a soluzioni che coinvolgono
l'apprendimento automatico. Questa categoria di problemi include, ad esempio, il gioco degli scacchi ed il
riconoscimento degli oggetti.
58 CAPITOLO 16. INTELLIGENZA ARTIFICIALE

16.2.5 Elaborazione del linguaggio naturale


La capacità di elaborare il linguaggio naturale fornisce ai sistemi intelligenti la possibilità di leggere e capire il lin-
guaggio utilizzato dagli esseri umani. Questa capacità si dimostra essenziale in tutte le applicazioni dell'intelligenza
artificiale che richiedano la ricerca di informazioni, la risposta a domande, la traduzione o l'analisi di testi.
La difficoltà principale di questo processo è l'intrinseca ambiguità che caratterizza i linguaggi naturali, per questo
motivo le soluzioni richiedono un'estesa conoscenza del mondo ed una notevole abilità nel manipolarlo.

16.2.6 Movimento e manipolazione


La robotica è una disciplina strettamente correlata con l'intelligenza artificiale.
I robot possono essere considerati sistemi intelligenti per tutti quei compiti che richiedono capacità di livello cognitivo
per la manipolazione o lo spostamento di oggetti e per la locomozione, con i sotto-problemi della localizzazione
(determinare la propria posizione e quella di altre entità nello spazio), della costruzione di mappe (apprendere le
caratteristiche dello spazio circostante), e della pianificazione ed esecuzione dei movimenti.

16.3 Metodi

16.3.1 Agente intelligente


Il concetto di agente intelligente (o agente razionale) è centrale in molti degli approcci più comuni all'intelligenza
artificiale.
Un agente è un'entità in grado di percepire l'ambiente attraverso l'utilizzo di sensori ed in grado di agire sull'ambiente
attraverso l'utilizzo di attuatori. Ogni agente è quindi associato ad una sequenza di percezioni, intesa come la cronologia
completa di tutti i rilevamenti effettuati da ciascun sensore, e ad una funzione agente, che specifica il comportamento
dell'agente associando ad ogni sequenza di percezioni un'azione da compiere.
Definita misura della performance una funzione che associa ad ogni stato (o sequenza di stati) dell'ambiente un valore
di utilità, un agente è intelligente (o razionale) se per ogni possibile sequenza di percezioni la sua funzione agente
lo porta a compiere sempre l'azione che massimizza il valore atteso della misura della performance, data la sua
conoscenza definita dalla sequenza di percezioni stessa e dalla conoscenza integrata nell'agente.
Esistono metodologie differenti per l'implementazione concreta della funzione agente, ciascuna più o meno adatta al
tipo di ambiente in cui è posto l'agente.

Agenti reattivi semplici

Questa categoria di agenti seleziona l'azione da compiere sulla base della percezione corrente, ignorando completa-
mente la cronologia delle percezioni.

Agenti basati su modello

Questa categoria di agenti è caratterizzata dal mantenere uno stato interno che dipende dalla cronologia delle perce-
zioni e contemporaneamente riflette alcuni degli aspetti dell'ambiente non osservati.
L'aggiornamento dello stato richiede due tipi di conoscenza:

• dei modelli che descrivono l'evoluzione dell'ambiente indipendentemente dalle azioni compiute dall'agente,
• dei modelli che descrivono l'effetto delle azioni dell'agente sull'ambiente.

Agenti basati su obiettivi

In molte applicazioni, tenere traccia dello stato attuale dell'ambiente non è sufficiente per determinare le azioni da
compiere, ma l'agente necessita di informazioni che rappresentano situazioni desiderabili, che prendono il nome
16.4. APPLICAZIONI 59

di obiettivi, o goal. Questo tipo di agenti intelligenti è quello in cui maggiormente vengono impiegati i concetti di
pianificazione e ricerca per problem solving.

Agenti basati su utilità

Il concetto di goal da solo non è sufficiente per ottenere dei comportamenti qualitativamente elevati in molte applica-
zioni, poiché l'informazione contenuta può essere utilizzata esclusivamente per distinguere gli stati desiderabili dagli
stati non desiderabili. Attraverso il concetto di utilità è invece possibile caratterizzare in maniera precisa ogni stato,
determinando quanto ogni stato è utile al fine del buon comportamento dell’agente.

16.4 Applicazioni
L'intelligenza artificiale è stata impiegata in un'ampia varietà di campi ed applicazioni come la medicina, il mercato
azionario, la robotica, la legge, la ricerca scientifica e perfino i giocattoli. In alcune applicazioni, l'intelligenza arti-
ficiale si è radicata a tal punto all'interno della società o dell'industria da non essere più percepita come intelligenza
artificiale.[5]
Anche nel campo dell'informatica stessa, molte soluzioni sviluppate originariamente per rispondere a problemi o ne-
cessità dell'intelligenza artificiale sono state adottate da altre discipline e non vengono più considerate parte dell'intelligenza
artificiale. In particolare: time-sharing, interprete (informatica), interfaccia grafica, mouse, la struttura dati lista con-
catenata, la programmazione funzionale, la programmazione simbolica, la programmazione dinamica e la programmazione
orientata agli oggetti.
Il primo utilizzo dell'intelligenza artificiale nelle banche è datato 1987 quando la Security Pacific National Bank
negli USA organizzò una task force per la prevenzione delle frodi legate all'utilizzo non autorizzato delle carte di
credito. Attualmente, e non solo in ambito bancario, le reti neurali vengono utilizzate per identificare fenomeni non
riconducibili a un comportamento nominale e che richiedono un intervento umano.
Le reti neurali sono anche largamente impiegate per supportare le diagnosi mediche, e molte altre applicazioni sono
attualmente in sviluppo, come ad esempio:

• Interpretazione delle immagini mediche.

• Analisi del suono del cuore[6] .

• Diagnosi del cancro[7] .

• Creazione di medicine.

• Robot da accompagnamento per gli anziani[8] .

L'intelligenza artificiale è largamente utilizzata per la realizzazione di di assistenti automatici online principalmente
dalle compagnie telefoniche e di telecomunicazione, con l'intento di ridurre i costi di assunzione e formazione del
personale.
Anche nell'ambito dei trasporti l'utilizzo dell'intelligenza artificiale sta aumentando rapidamente[9] . Applicazioni della
logica fuzzy sono state impegiate nella realizzazione di cambi di velocità per le automobili. Le automobili a guida
autonoma sviluppate da Google e Tesla fanno largamente uso di tecniche di intelligenza artificiale[10][11] .

16.5 Dibattito filosofico


Esistono due correnti filosofiche diverse che cercano di definire una macchina intelligente come prodotto della:

• Intelligenza artificiale debole (weak AI): alla base di questo pensiero sta la convinzione che una macchina possa
essere programmata con delle regole ben definite, in modo da comportarsi in modo intelligente.

• Intelligenza artificiale forte (strong AI): alla base di questo pensiero sta il fatto che una macchina agisca in modo
intelligente implica che essa sia anche cosciente di come realmente si comporta.
60 CAPITOLO 16. INTELLIGENZA ARTIFICIALE

Rispondere alla domanda “può una macchina pensare?” da un punto di vista filosofico è impegnativo a causa di
argomentazioni a favore e contro affermazioni puramente teoriche.
Nel 1950 Alan Turing, nel suo articolo “Computing Machinery and Intelligence”[12] , porta il dibattito filosofico ad un
livello più pragmatico, dando una definizione operativa di intelligenza basata su un test comportamentale inventato
da lui stesso, chiamato “The imitation Game” e ricordato anche come "Test di Turing".
Il test si basa sull’esistenza di tre stanze allineate in cui nella prima c’è un uomo e nell’ultima una donna; in quella
centrale invece risiede l’interrogante. L’uomo e la donna possono comunicare messaggi di testo solamente con l’in-
terrogatore scrivendo tramite una tastiera e leggendo tramite uno schermo. L’obiettivo della donna è quello di farsi
identificare come donna, mentre quello dell’uomo è quello di trarre in inganno l’interrogante, facendogli credere di
essere una donna. Il gioco è ripetuto una seconda volta, scambiando l’uomo con una macchina.
La macchina è definita come intelligente se la frequenza con cui l’interrogante individua correttamente l’uomo e la
donna è almeno la stessa con cui individua correttamente la macchina e la donna.
Una macchina può quindi ritenersi intelligente se e solo se si comporta come un essere umano, quindi solo se riesce
a ingannare l’interrogante come farebbe un uomo.
In seguito, Searle descrive nell'articolo “Minds, Brains and Programs”[13] un esperimento mentale contro l’intelligenza
artificiale forte, chiamato “la stanza cinese”. Egli vuole dimostrare che una macchina in grado di superare il test di
Turing, non è capace di capire cosa succede al suo interno; non è, quindi, cosciente di come agisce. L'esperimento
consiste in una persona che conosce solo l’inglese, munita di un libro di grammatica cinese scritto in inglese e vari
fogli, alcuni bianchi e alcuni con dei simboli. La persona è dentro alla stanza con una piccola finestra verso l’esterno.
Attraverso la finestra appaiono simboli indecifrabili. La persona trova delle corrispondenze con i simboli del libro delle
regole e segue le istruzioni. Le istruzioni possono includere scrivere simboli su un nuovo foglio, trovare nuovi simboli,
ecc. Infine, questi fogli scritti verranno passati al mondo esterno, attraverso la finestra. Per un osservatore esterno, la
macchina sta ricevendo simboli cinesi, li sta elaborando e sta rispondendo con altri simboli, esattamente come farebbe
un uomo cosciente. In questo senso, secondo il test di Turing dovrebbe essere ritenuta intelligente. Il problema, che
sottolinea Searle, è che in realtà al suo interno, niente della macchina conosce effettivamente il cinese, per cui non
è cosciente di quello che sta effettivamente facendo. Secondo Searle essa sta semplicemente seguendo un insieme di
regole descritte nel libro. Il dibattito rimane però aperto in quanto Searle non riesce a dimostrare pragmaticamente
la tua tesi, dovendo far cosi ricorso alla intuizione.

16.6 Fantascienza
Nelle opere di fantascienza l'intelligenza artificiale è un tema ricorrente, come semplice elemento narrativo o come
argomento centrale della storia. Generalmente è presentata sotto forma di computer avanzati, robot o androidi. Il
tema è spesso legato a quello classico della ribellione della macchina, in cui un computer (nella maggior parte dei casi
senziente) si rivolta contro gli esseri umani che l'avevano costruito.
Tra i computer senzienti rientrano ad esempio Multivac, presente in alcuni racconti di Isaac Asimov, paragonabile
ai moderni sistemi di grid computing, e HAL 9000 del film 2001: Odissea nello spazio (1968) di Stanley Kubrick.
Invece Pensiero Profondo, nella Guida galattica per autostoppisti, è un'intelligenza artificiale capace di fornire la
risposta alla “domanda fondamentale sulla vita, l'universo e tutto quanto”. Nella serie cinematografica di Terminator,
il supercomputer Skynet è presentato come un sofisticatissimo insieme di network che, costruiti dal Dipartimento
della difesa degli Stati Uniti verso la fine della guerra fredda, finiranno per divenire un insieme autocosciente ed
intraprendere, al comando di un esercito di robot e cyborg, una spietata guerra per lo sterminio della specie umana.
Nel film Matrix le macchine intelligenti tengono in schiavitù miliardi di esseri umani, per trarre da essi energia
elettrica.
Oltre a quello del cinema e della televisione, anche il mondo dei cartoni animati e dei videogiochi ha sfruttato il tema
dell'intelligenza artificiale. Un esempio è Cortana, l'intelligenza artificiale presente nella saga di Halo (nome affidato
da Microsoft anche alla propria assistente virtuale: Cortana su Windows 10).
I robot o androidi senzienti sono anch'essi un classico. Nell'ipotesi che le macchine possano man mano diventare più
simili agli esseri umani, gli autori hanno ipotizzato macchine dalla enorme capacità di calcolo e dotate di personalità.
I "robot positronici" come il robot R. Daneel Olivaw del romanzo Fondazione, Marvin l'androide paranoico, R2-D2
e C-3PO di Guerre stellari, Data di Star Trek: The Next Generation e Chappie di Humandroid sono solo alcuni esempi
tra i più noti. Queste macchine si distinguono dai semplici robot per una personalità spiccata e “umanizzata”, resa
possibile da un'intelligenza artificiale estremamente evoluta.
16.6. FANTASCIENZA 61

L'"occhio” di HAL 9000, supercomputer senziente del film 2001: Odissea nello spazio (1968) di Stanley Kubrick

Negli ultimi anni (dal 2005), parallelamente alla ricerca, anche nel cinema la trattazione dell’intelligenza artificiale
è orientata verso l’evoluzione autonoma di macchine intelligenti. Nel film Transcendence il protagonista subisce una
grave incidente che lo porta alla morte e per salvare il suo “essere pensante” viene collegato ad una macchina che ne
monitora le connessioni neurali. Nata come riproduzione esatta della mente umana, ben presto la macchina riesce ad
riprogrammare parte del proprio codice, eliminando la parte emotiva caratteristica della mente umana, in favore di
una spiccata propensione verso il controllo di massa del mondo.
Nel film Ex Machina il protagonista viene coinvolto in una serie di test, rivisitazioni del Test di Turing, su un'intelligenza
artificiale con lo scopo di determinare se l'umanoide abbia piena coscienza di sé.
In modo simile, nella serie tv Westworld i protagonisti cercano di ricreare l’antico West creando dei robot dalle
sembianze umane programmate in modo da seguire delle storyline predefinite. Durante la storia, però, a causa di
alcuni malfunzionamenti fisici (hardware) le macchine riescono ad accedere a ricordi non debitamente cancellati;
imparando dai propri errori esse arrivano comprendere la loro natura e a ribellarsi al controllo dell’uomo.
Nella serie tv Person of Interest un avanzatissimo sistema intelligente detto “la macchina” mediante visione artificiale e
elaborazione del linguaggio naturale, è in grado di identificare preventivamente crimini violenti in modo da sventarli.
62 CAPITOLO 16. INTELLIGENZA ARTIFICIALE

16.7 Note
[1] L'ascronimo invertito, AI, in italiano, sta per “agenti intelligenti”, mentre corrispondenti inglesi sono a loro volta inverti-
ti: l'intelligenza artificiale si indica con AI, da Artificial Intelligence, mentre gli agenti intelligenti si indicano con IA, da
Intelligent Agents

[2] https://www.cs.virginia.edu/~{}robins/Turing_Paper_1936.pdf

[3] http://www.minicomplexity.org/pubs/1943-mcculloch-pitts-bmb.pdf

[4] https://www.cs.cornell.edu/selman/cs672/readings/mccarthy-upd.pdf

[5] Nick Bostrom

[6] T. R. Reed, N. E. Reed e P. Fritzson, Heart sound analysis for symptom detection and computer-aided diagnosis, in
Simulation Modelling Practice and Theory, vol. 12, nº 2, 2004, pp. 129, DOI:10.1016/j.simpat.2003.11.005.

[7] “IBM Watson for Oncology”, ibm.com.

[8] A. Yorita e N. Kubota, Cognitive Development in Partner Robots for Information Support to Elderly People, in IEEE Tran-
sactions on Autonomous Mental Development, vol. 3, nº 1, 1º marzo 2011, pp. 64–73, DOI:10.1109/TAMD.2011.2105868,
ISSN 1943-0604.

[9] Transportation | One Hundred Year Study on Artificial Intelligence (AI100), su ai100.stanford.edu. URL consultato il 18
novembre 2016.

[10] Google Self-Driving Car Project, google.com.

[11] Tesla Explains How A.I. Is Making Its Self-Driving Cars Smarter, inc.com.

[12] (EN) Alan Mathison Turing, Computing machinery and intelligence, in Mind. URL consultato l'11 novembre 2016.

[13] http://cogprints.org/7150/1/10.1.1.83.5248.pdf

16.8 Bibliografia
• Somalvico Marco, Amigoni Francesco e Schiaffonati Viola, Intelligenza Artificiale, in Petruccioli Sandro (a
cura di), Storia della scienza vol. IX, Roma, Istituto della Enciclopedia Italiana, 2003, pp. 615-624.

• Marcus Hutter, Universal Artificial Intelligence, Berlin, Springer, 2005, ISBN 978-3-540-22139-5.

• George Luger e William Stubblefield, Artificial Intelligence: Structures and Strategies for Complex Problem
Solving, quinta edizione, Benjamin/Cummings, 2004, ISBN 0-8053-4780-1.

• Stuart Russell e Peter Norvig, Artificial Intelligence: A Modern Approach, seconda edizione, Pearson Educa-
tion Limited, 2003, ISBN 978-0-13-790395-5.

• Stuart Russell e Peter Norvig, Artificial Intelligence: A Modern Approach, terza edizione, Pearson Education
Limited, 2009, ISBN 978-0-13-604259-4.

• Nils J. Nilsson, The Quest For Artificial Intelligence, A History of Ideas And achievements, Web Version,
Stanford University, 2010.

• Gardner A., An Artificial Intelligence Approach to Legal Reasoning, 0262071045, 9780262071048 MIT 1987

16.9 Voci correlate


• Agente intelligente

• Alan Turing

• Apprendimento automatico

• Google DeepMind
16.10. ALTRI PROGETTI 63

• Intelligenza

• Intelligenza artificiale forte


• Reti neurali artificiali

• Watson (intelligenza artificiale)

16.10 Altri progetti

• Wikiquote contiene citazioni sull'intelligenza artificiale

• Wikibooks contiene testi o manuali sull'intelligenza artificiale

• Wikimedia Commons contiene immagini o altri file sull'intelligenza artificiale

16.11 Collegamenti esterni


• Intelligenza artificiale, in Thesaurus del Nuovo soggettario, BNCF, marzo 2013.
Capitolo 17

Smartwatch

Moto 360, smartwatch Motorola con Android Wear

Uno smartwatch o smart watch (in italiano “orologio intelligente” o “smart orologio”) è un orologio con funzio-
nalità oltre il semplice cronometraggio. Mentre i primi modelli erano in grado di eseguire solo operazioni di base,
come ad esempio calcoli, traduzioni, e giochi, gli orologi intelligenti più moderni sono dei veri e propri computer
indossabili. Molti orologi intelligenti eseguono app, mentre un numero minore di modelli hanno un sistema operativo
per dispositivi mobili e funzionano come lettori multimediali portatili, offrendo riproduzione di radio FM, audio, e
file video attraverso un auricolare Bluetooth. Alcuni smart orologi, sono chiamati watch phone, perché, come un
cellulare, hanno piena capacità di rete e possono effettuare o rispondere alle chiamate.[1][2][3]
Quasi tutti gli smartwatch di ultima generazione sono dotati di schermo sensibile al tocco, usato per dare comandi oltre
che per visualizzare le informazioni fornite dallo smartwatch. Proprio la qualità dello schermo, e in particolare la sua
leggibilità al sole, è uno dei parametri fondamentali nel giudicare la qualità di uno smartwatch[4] . Alcuni produttori,
in particolare Pebble, hanno deciso di puntare sulla tecnologia e-ink per gli schermi degli smartwatch: da una parte
ciò garantisce una maggiore durata della batteria e una migliore visibilità al sole; d'altra parte però uno schermo e-ink
è meno brillante e può visualizzare una gamma di colori minore rispetto ai classici schermi LCD o OLED.

64
17.1. STORIA 65

Pebble, smartwatch del 2013 che comunica con l'utente attraverso lo smartphone collegato con il Bluetooth

Tali dispositivi possono includere caratteristiche come fotocamera, accelerometro, termometro, cardiofrequenzimetro,
altimetro, barometro, bussola, cronografo, calcolatrice, cellulare, touchscreen, navigazione GPS, Map display, infografica,
speaker, calendario, orologio, SDcard che sono riconosciute come memoria di massa da un computer, e batterie ri-
caricabili. Può anche comunicare con cuffie wireless, head-up display, microinfusore, microfono, modem, ed altri
dispositivi.
A motivo delle numerose funzioni che un singolo smartwatch può possedere, il suo utilizzo può presentare problemi
di privacy per l'utente, che può potenzialmente essere geolocalizzato e monitorato nelle sue abitudini di consumo
e gusti personali attraverso tecniche di pubblicità comportamentale, come evidenziato da Federprivacy nel marzo
2015, sulla base dello studio condotto dall'Università di Pisa in collaborazione con l'Università dell'Essex, e l'Harvard
Medical School (USA).[5][6][7]

17.1 Storia

Il primo smartwatch, anche se completamente diverso dagli attuali “orologi intelligenti”, è, secondo molti, il Seiko
Pulsar NL C01[8] del 1982, con solo 24 cifre d'informazione.
Successivamente, Seiko (che tra l'altro aveva creato nel 1972 il P1, primo orologio con schermo LED) continuò a
produrre orologi avanzati per l'epoca, come il RC 1000 (1984), compatibile con i primi Macintosh e col Commodore
64; l'orologio-cercapersone Receptor (1990) e il Ruputer (1998), con processore 16 bit, 128 MB di RAM e possibilità
di essere programmato in linguaggio C.
Tra fine anni '80 e inizio 2000 altri marchi produssero rudimentali smartwatch, come Casio (con i DataBank[9] ),
Timex, Samsung e Citizen. Microsoft produsse dal 2004 al 2008 lo SPOT, che restava in collegamento col web col
broadcast FM (quello delle radio a onde medie), informando l'utente sulle ultime notizie e sui suoi messaggi, senza
però poter rispondere[10][11] . A introdurre il Bluetooth fu Samsung nel 2009 col Watch Phone. Tra gli altri telefoni
da polso o watch phone ci fu l'LG GD910.
Nel 2010 ci fu il boom degli smartwatch, col Sony Ericsson LiveWiew per Android, Allerta InPulse per BlackBerry
OS. Nel 2011 Motorola diede inizio agli orologi per il fitness e per l'ascolto musicale con il Motoactv[12] .
Nel 2012 il Pebble fu il primo smartwatch economico ed ebbe successo immediato, grazie ai 10 milioni di dollari
raccolti dall'azienda su Kickstarter, alla leggerezza (solo 40 grammi) e allo schermo e-paper[13] . Tra gli altri smart-
watch dal 2012 in poi ci furono i WIMM, il Martian a comando vocale, i dispositivi a metà tra orologio tradizionale
e smartwatch (come i Cogito Watch).
66 CAPITOLO 17. SMARTWATCH

I big del settore smartphone non tardarono a capire che l'ultima tendenza era quella degli orologi smart e così Samsung
iniziò a produrre la serie Gear, mentre dal 2014 Google creò Android Wear, ovvero la versione per indossabili del suo
noto sistema operativo[14] . Attualmente Android Wear è diventato il sistema di molti smartwatch di marchi quali HTC,
Motorola, ASUS, LG; mentre alcuni marchi, come Alcatel e Qualcomm (Toq), hanno scelto di usare OS proprietari
per i loro indossabili.
Nel 2015 Apple è entrata in questo settore con l'Apple Watch, con il sistema operativo proprietario watchOS.

17.2 Hardware
Gli smartwatch possono essere divisi in 4 categorie:

1. Sport: include funzioni come pedometro, consumo di calorie, bussola, GPS e previsioni del tempo.

2. Salute: per il monitoraggio del battito cardiaco, temperatura corporea e del sonno.

3. Sicurezza: include GPS, SOS, comunicazione di emergenze e rilevamento di caduta.

4. Notifiche: principalmente offre sincronizzazione con lo smartphone, ad esempio SMS, chiamate, email e
promemoria.

Tutte le funzioni devono essere coordinate dalla MCU (Micro Control Unit), che controlla i vari sensori e le unità di
processamento. Il processore, i sensori, il chipset Bluetooth, il processore grafico, il GPS, il giroscopio e altre funzioni
sono tutte gestite dalla MCU.

Piattaforma di sviluppo

La produzione degli smartwatch richiede un SoC (System on Chip) dedicato. La tabella sottostante illustra le funzioni
chiave di alcune piattaforme disponibili.

Sensori

I sensori sono una parte molto importante di uno smartwatch, perché sono la fonte primaria da cui i dispositivi
indossabili raccolgono i dati.
Tipicamente si possono dividere i sensori in 3 categorie principali:

1. Sensori di movimento: accelerometro, giroscopio, sensore geomagnetico, sensore di pressione atmosferica.

2. Biosensori: include sensori per il rilevamento di parametri come glucosio, pressione sanguigna, ECG, EMG,
temperatura corporea.

3. Sensori ambientali: temperatura, umidità, gas, PH, ultravioletto, pressione.

Un sensore rileva i dati e li trasferisce alla CPU o al processore del display.


Nella tabella sottostante si trovano i 10 produttori leader di sensori.

Processore

La maggior parte degli smartwatch utilizza un'architettura ARM (Advanced RISC Maschines). Comparato a quelli
dei computer di casa o dei portatili, il processore di uno smartwatch deve avere un consumo elettrico più basso e deve
occupare molto meno spazio sulla board.
MediaTek è il chipset più utilizzato, ma non è progettato specificamente per gli smartwatch. Dall'altro lato, Qualcomm
sta producendo ora una gamma di processori disegnati apposta per dispositivi indossabili: Snapdragon Wear 2100,
Snapdragon Wear 1100.[15]
17.3. SISTEMI OPERATIVI 67

Wireless Chipset

I chipset wireless sono un'altra parte molto importante di uno smartwatch. La maggior parte dei trasferimenti di dati
avviene via wireless tramite Bluetooth, WiFi, NFC e GPS. Data la piccola dimensione di uno smartwatch, molti
produttori preferiscono chipset che integrano direttamente Bluetooth, WiFi e GPS. Broadcom, Qualcomm, CSR e
MediaTek sono i produttori leader del settore.

Schermo

Ci sono 4 tipi di schermi usati negli smartwatch: LCD tradizionali, LCD Sharp Memory, E-ink e OLED. Qualcomm
ha introdotto inoltre uno schermo con tecnologia MEMS e Samsung ha introdotto il suo Soft Screen. I più usati sono
LED e e-ink perché hanno un basso consumo elettrico.
La tabella sottostante mostra le caratteristiche principali dei vari tipi di schermo.

17.3 Sistemi Operativi

17.3.1 Android Wear

Android Wear è una versione del sistema operativo Android, di Google, appositamente creata per gli smartwatch e
per gli altri dispositivi indossabili (wearables). La prima release fu rilasciata il 18 Marzo 2014. Accoppiando uno
smartphone con versione 4.3 o superiore, Android Wear integra la tecnologia di Google Now e notifiche del telefono,
oltre che la possibilità di scaricare applicazioni dal Play Store. Supporta Bluetooth, Wi-Fi e molte altre funzionalità
e applicazioni.
Articolo principale: Android Wear

17.3.2 WatchOS

WatchOS è il sistema operativo dello smartwatch Apple Watch, sviluppato da Apple Inc. E' basato sul sistema ope-
rativo iOS e ha molte funzioni simili. La prima release fu rilasciata il 24 Aprile 2015, insieme all'Apple Watch. La
seconda versione, WatchOS 2, che include supporto per applicazioni native di terze parti e altri miglioramenti, fu
rilasciata il 21 Settembre 2015. Il 13 Settembre 2016 viene rilasciato WatchOS 3, con migliori prestazioni, nuove
watch faces e app di sistema.
Articolo principale: WatchOS

17.3.3 Tizen

Tizen è un sistema operativo basato sul kernel Linux e la libreria C GNU. Funziona su molti dispositivi, inclusi
smartphone, tablet, computer, smartwatch e molti altri. L'obiettivo è quello di offrire una consistente user experience
in tutti i tipi di dispositivo. Tizen è un progetto della Linux Foundation ed è controllato da Technical Steering Group
(TSG).
Articolo principale: Tizen

17.3.4 AsteroidOS

AsteroidOS è un sistema operativo open source per smartwatch. E' progettato come una distribuzione standard Linux
con tecnologie come Qt5, Wayland, Bluez5, OpenEmbedded and libhybris. L'obiettivo è quello di fornire un sistema
operativo libero e alternativo per dispositivi indossabili e che garantisca un maggiore livello di privacy e controllo.
[16]
68 CAPITOLO 17. SMARTWATCH

17.3.5 Ubuntu Touch

Ubuntu Touch è una versione mobile del sistema operativo Ubuntu sviluppato da Canonical Ltd e dalla comunità
Ubuntu. E' progettato principalmente per dispositivi mobile touchscreen come smartphone, tablet o smartwatch.
Articolo principale: Ubuntu Touch

17.3.6 Pebble OS

Pebble OS è il sistema operativo appositamente creato per gli smartwatch Pebble e sviluppato da Pebble Technology
Corporation. Pebble è uno smartwatch open source ed è compatibile con tutti gli smartphone con il sistema opera-
tivo Android o iOS. Nel 2013 fu finanziato con 10.2 milioni di dollari tramite una campagna di crowdfunding su
Kickstarter.

17.4 Note
[1] Brad Molen, Samsung Gear 2 smartwatches coming in April with Tizen OS, Engadget.com, 14 gennaio 2012. URL
consultato il 22 luglio 2014.

[2] James Trew, Sony SmartWatch 2 review, Engadget.com. URL consultato il 22 luglio 2014.

[3] Daniel Cooper, Garmin’s new app turns Sony’s Smartwatch 2 into a tiny sat-nav, Engadget.com. URL consultato il 22 luglio
2014.

[4] Guida all'acquisto di smartwatch, portalesmartwatch.it. URL consultato l'08 aprile 2015.

[5] La Stampa, 17 marzo 2015 “Federprivacy lancia l’allarme sugli smartwatch che leggono le emozioni”

[6] Il Secolo XIX, 17 marzo 2015 “Federprivacy lancia l’allarme sugli smartwatch che leggono le emozioni”

[7] Agenzia di Stampa Nazionale Prima Pagina News, 17 marzo 2015 “Allarme privacy con gli smartwatch che leggono le
emozioni”

[8] Storia degli smartwatch - Portale Smartwatch, su Portale Smartwatch. URL consultato il 02 gennaio 2016.

[9] Stefano Ratto, Smartwatch Story [parte prima: ieri], su TheLongRun. URL consultato il 02 gennaio 2016.

[10] Storia degli smartwatch - Portale Smartwatch, su Portale Smartwatch. URL consultato il 02 gennaio 2016.

[11] Stefano Ratto, Smartwatch Story [parte prima: ieri], su TheLongRun. URL consultato il 02 gennaio 2016.

[12] Storia degli smartwatch - Portale Smartwatch, su Portale Smartwatch. URL consultato il 02 gennaio 2016.

[13] Stefano Ratto, Smartwatch Story [parte seconda: oggi], su TheLongRun. URL consultato il 02 gennaio 2016.

[14] Storia degli smartwatch - Portale Smartwatch, su Portale Smartwatch. URL consultato il 02 gennaio 2016.

[15] Snapdragon Wear Mobile Processors | Qualcomm, in Qualcomm, 26 maggio 2016. URL consultato il 23 dicembre 2016.

[16] AsteroidOS – Open-source operating system for smartwatches, su asteroidos.org. URL consultato il 23 dicembre 2016.

17.5 Voci correlate


• Apple Watch

• Android Wear

• watchOS

• Dispositivo indossabile
17.6. ALTRI PROGETTI 69

17.6 Altri progetti

• Wikimedia Commons contiene immagini o altri file su Smartwatch

• Wikinotizie contiene l'articolo Lo smartwatch potrebbe rivelare le Password e i PIN, 10 luglio 2016
Capitolo 18

Realtà aumentata

Per realtà aumentata (o realtà mediata dall'elaboratore in inglese augmented reality, abbreviato “AR”), si in-
tende l'arricchimento della percezione sensoriale umana mediante informazioni, in genere manipolate e convogliate
elettronicamente, che non sarebbero percepibili con i cinque sensi.[1]
Il cruscotto dell'automobile, l'esplorazione della città puntando lo smartphone o la chirurgia robotica a distanza sono
tutti esempi di realtà aumentata.

18.1 Storia
Gli occhiali a realtà aumentata avevano fatto la loro apparizione in un lavoro di Ivan Sutherland del 1968[2] .

70
18.2. DEFINIZIONE 71

Negli anni novanta sono nate le prime visioni coerenti e organizzate di come l'elettronica miniaturizzata, i dispositivi
portatili[3] , Internet[4] e la geolocalizzazione[5] possano condurre a mondi virtuali e/o arricchiti, mediati. La visione
matura e si stabilizza nei primi anni duemila[6][7][8] , e i primi prodotti d'uso comune si affacciano sul mercato alla
fine di quel decennio[9] .

18.2 Definizione
Gli elementi che “aumentano” la realtà possono essere aggiunti attraverso un dispositivo mobile, come uno smart-
phone, con l'uso di un PC dotato di webcam o altri sensori, con dispositivi di visione (per es. occhiali a proiezione
sulla retina), di ascolto (auricolari) e di manipolazione (guanti) che aggiungono informazioni multimediali alla realtà
già normalmente percepita.
Le informazioni “aggiuntive” possono in realtà consistere anche in una diminuzione della quantità di informazioni
normalmente percepibili per via sensoriale, sempre al fine di presentare una situazione più chiara o più utile o più
divertente. Anche in questo caso si parla di AR.
Nella realtà virtuale (virtual reality, VR), le informazioni aggiunte o sottratte elettronicamente sono preponderanti, al
punto che le persone si trovano immerse in una situazione nella quale le percezioni naturali di molti dei cinque sensi
non sembrano neppure essere più presenti e sono sostituite da altre. Nella realtà aumentata (AR), invece, la persona
continua a vivere la comune realtà fisica, ma usufruisce di informazioni aggiuntive o manipolate della realtà stessa[10] .
La distinzione tra VR e AR è peraltro artificiosa: la realtà mediata, infatti, può essere considerata come un continuo,
nel quale VR e AR si collocano adiacenti e non sono semplicemente due concetti opposti[11] .
La mediazione avviene solitamente in tempo reale. Le informazioni circa il mondo reale che circonda l'utente possono
diventare interattive e manipolabili digitalmente.

18.3 Esempi
Già usata in ambiti molto specifici come militare, medico o nella ricerca, nel 2009 grazie al miglioramento della
tecnologia la realtà aumentata è arrivata al grande pubblico sia come campagne di comunicazione augmented adver-
tising pubblicate sui giornali o sulla rete, sia attraverso un numero sempre crescente di applicazioni per telefonini, in
particolare per Windows Phone, Android e iPhone.
È oggi infatti possibile con la realtà aumentata trovare informazioni rispetto al luogo in cui ci si trova (come alberghi,
bar, ristoranti, stazioni della metro) ma anche visualizzare le foto dai social network come Flickr o voci Wikipedia
sovrapposte alla realtà; trovare i Twitters vicini; ritrovare la macchina parcheggiata; giocare a catturare fantasmi e fate
invisibili usando una intera città come campo di gioco; taggare luoghi, inserire dei messaggini in realtà aumentata in
un luogo specifico (metodo usato dai teenager giapponesi per incontrarsi e oggetto di un film di Keiichi Matsuda[12] ).
La progressiva diffusione delle tecniche di realtà aumentata, insieme ai vantaggi che porta, pone d'altra parte problemi
sempre più accentuati relativi alla privacy degli utenti.[13]

18.4 Tipi di realtà aumentata


Esistono due tipi principali di realtà aumentata:

• Realtà aumentata su dispositivo mobile. Il telefonino (o smartphone di ultima generazione) deve essere dotato
necessariamente di Sistema di Posizionamento Globale (GPS), di magnetometro (bussola) e deve poter per-
mettere la visualizzazione di un flusso video in tempo reale, oltre che di un collegamento Internet per ricevere
i dati online. Il telefonino inquadra in tempo reale l'ambiente circostante; al mondo reale vengono sovrapposti
i livelli di contenuto, dai dati da Punti di Interesse (POI) geolocalizzati agli elementi 3D.

• Realtà aumentata su computer. È basata sull'uso di marcatori, (ARtags), di disegni stilizzati in bianco e nero
che vengono mostrati alla webcam, vengono riconosciuti dal computer, e ai quali vengono sovrapposti in tempo
reale i contenuti multimediali: video, audio, oggetti 3D, ecc. Normalmente le applicazioni di realtà aumentata
sono basate su tecnologia Adobe Flash.
72 CAPITOLO 18. REALTÀ AUMENTATA

La «pubblicità aumentata» (Augmented advertising) è esplosa nel 2009 attraverso numerose campagne di marchi
(Toyota, Lego, Mini, Kellogg, General Electrics), cantanti (Eminem, John Mayer) o riviste (Colors, Esquire Magazine
o Wallpaper). Spam Magazine[14] , nata nel 2012 in Italia, è la prima rivista gratuita totalmente in realtà aumentata,
sia per quanto riguarda i contenuti editoriali sia per quelli commerciali.

18.5 Note
[1] V. Di Bari, P. Magrassi, 2015 weekend nel futuro, Edizioni Il Sole 24 Ore, 2005.

[2] Sutherland, I. (1968), “A head-mounted three-dimensional display”, Fall Joint Computer Conference, AFIPS Conference
Proceedings No.33.

[3] Fitzmaurice, G.W. (1993), “Situated information spaces and spatially aware palmtop computers”, Communications of the
ACM, Volume 36 Issue 7, July 1993.

[4] David Gelernter, Mirror Worlds: or the Day Software Puts the Universe in a Shoebox...How It Will Happen and What It Will
Mean, 1992.

[5] Spohrer, J.C. (1999), “Information in places”, IBM Systems Journal, 38-4.

[6] R. Behringer, G. Klinker, D. Mizell, Augmented reality. Placing artificial objects in real scenes”, Proceedings of IWAR '98,
1999.

[7] P. Magrassi, K. Haley, M. Gilbert, P. Redman, J. Fenn, “Technologies soon to enter your radar screen”, Gartner Special
Report AV-14-0302, October 2001.

[8] D. De Kerckhove, The architecture of intelligence, Birkhaeuser 2001.

[9] I nuovi prodigi della realtà aumentata - Wired.it

[10] HoloLens Italia: HoloLens: realtà virtuale, aumentata o mista?, su www.hololensitalia.it. URL consultato il 21 novembre
2015.

[11] Milgram, P., Takemura, A., Utsumi A., and Kishino, F. (1994) “Augmented Reality: A Class of Displays on the Reality-
Virtuality Continuum”, SPIE Vol. 2351, Telemanipulator and Telepresence Technologies.

[12] Matsuda: «Indago il futuro, ma non so come sarà», mentelocale.it

[13] Agenzia di Stampa AdnKronos, 20 giugno 2014 “Se non arrivano le nuove regole, con la realtà aumentata ci aspetta un
futuro senza privacy”

[14] Spam Magazine

18.6 Bibliografia
• Communication Strategies Lab (2012), Realtà aumentate. Esperienze, strategie e contenuti per l'Augmented
Reality, Milano, Apogeo 2012, ISBN 9788850330706.

18.7 Voci correlate


• Ingress

• Layar

• Magic Leap

• Project Glass

• Realtà virtuale

• ATOMIC Authoring Tool


18.8. ALTRI PROGETTI 73

18.8 Altri progetti

• Wikimedia Commons contiene immagini o altri file su realtà aumentata

18.9 Collegamenti esterni


• AR-Blog - Lo storico blog Italiano sulla Realtà Aumentata
• Realtà aumentata, in Thesaurus del Nuovo soggettario, BNCF, marzo 2013.
Capitolo 19

Li-Fi

Li-Fi è un termine introdotto per la prima volta da Harald Haas in occasione di un discorso al TED Global nel 2011
riferendosi al corrispondente ottico del Wi-Fi.[1]
La particolarità del Li-Fi sta nel fatto che le frequenze occupate per le comunicazioni appartengono allo spettro della
luce visibile, il che ha una serie di interessanti conseguenze nel confronto con le trasmissioni radio.

• Viene a mancare il conflitto con ogni trasmissione radio, in termini di interferenza dovuta all'occupazione dello
stesso spettro
• L'assenza di interferenza radio rende promettente l'uso in ospedali e aerei, dove le interferenze pongono
problemi di sicurezza
• Il segnale è limitato alla portata ottica, il che riduce i problemi di sicurezza causati dalle intercettazioni

• È possibile creare grandi trasmettitori con efficienza energetica molto maggiore delle stazioni radio

Lo stesso Haas in occasione della presentazione al TED ha dato dimostrazione di come modulando le frequenze a
cui operano i distinti LED di una normale lampadina potesse essere possibile trasmettere addirittura un video in alta
definizione. Una simile dimostrazione ebbe luogo anche al CES 2012 di Las Vegas dove vennero invece utilizzati due
telefoni cellulari che comunicavano utilizzando il Li-Fi a distanza di dieci metri.

19.1 Note
[1] “Wireless data from every light bulb” Harald Haas, TED Global , Edimburgo, Luglio 2011.

74
Capitolo 20

Spettro atomico

Lo spettro in fisica è la figura di diffrazione creata dalla scomposizione della luce o, più in generale, da quella delle
radiazioni elettromagnetiche proveniente da una sorgente in funzione della lunghezza d'onda (o, il che è equivalente,
della frequenza o del numero d'onda) mediante il passaggio attraverso un prisma di vetro o un reticolo di diffrazione.
Il ramo della fisica che si occupa dello studio degli spettri e delle tecniche per realizzarli si chiama spettroscopia. Lo
studio degli spettri permette di individuare univocamente una certa specie chimica, infatti, il modello atomico di Bohr
prevede che un atomo possa assorbire o emettere radiazione elettromagnetica di lunghezza d'onda ben determinata
che cambia a seconda dell'elemento o ione che si osserva.

Spettro di emissione dell'Azoto

Spettro di emissione del Ferro.

20.1 Gli spettri atomici tra fisica classica e fisica moderna


Il problema della corretta interpretazione degli spettri atomici ha rappresentato storicamente un problema d'importanza
fondamentale per il superamento della fisica classica. La sua soluzione, attraverso la quantizzazione dell'energia del-
le orbite degli elettroni nel modello atomico di Bohr dell'atomo di idrogeno, ha costituito, assieme al problema
dell'emissione del corpo nero risolto da Planck e all'effetto fotoelettrico spiegato da Einstein, un altro mattone per la
nascita della teoria dei quanti o meccanica quantistica e, più in generale, di tutta la successiva fisica moderna.

20.2 Realizzazione di uno spettro


Per ottenere uno spettro, si utilizza il seguente sistema. La luce emessa dalla stella (o più in generale da una qualsiasi
sorgente luminosa) passa attraverso una sottile fenditura posta nel piano focale di una lente. L'insieme fenditura-lente
costituisce il collimatore. Dalla lente emerge un fascio di raggi paralleli che incide ortogonalmente sul reticolo. I raggi
trasmessi dal reticolo secondo una certa direzione θ sono focalizzati da un sistema di due lenti, che costituiscono
il telescopio, e possono essere osservati direttamente con l'occhio. Si osservano delle righe caratteristiche solo a
determinati angoli, come previsto dalla relazione:

75
76 CAPITOLO 20. SPETTRO ATOMICO

λ
sin θλ = m ·
d
Dove d rappresenta il passo del reticolo, ovvero la distanza tra due fenditure, m è un qualsiasi numero intero, λ è la
lunghezza d'onda e θ l'angolo formato dal telescopio. A questa riga si dà il nome di riga spettrale. L'insieme delle
righe spettrali forma lo spettro di emissione della sostanza che costituisce la sorgente, ovvero la nostra stella. Gli
spettri di emissione si distinguono in:

• spettri a righe: corrispondenti ad una successione discreta di lunghezze d'onda e quindi di righe spettrali
• spettri a bande: nei quali le righe sono addensate con continuità nell'intorno di certe lunghezze d'onda, formando
delle bande tra loro separate
• spettri continui: consistenti in una successione continua di lunghezze d'onda all'interno di un intervallo relati-
vamente largo.

Gli spettri a righe e gli spettri a bande sono emessi da gas e vapori a pressione non troppo elevate. I primi sono dovuti ad
atomi isolati, i secondi a molecole biatomiche o pluriatomiche. Essi sono caratteristici degli elementi che li emettono;
non vi sono spettri comuni a due elementi e neppure singole righe. Questo è dovuto alle differenze energetiche tra gli
orbitali dei vari atomi. Quando un elettrone eccitato scende di uno o più orbitali, emette un fotone la cui energia è
data da:

E =h·ν
dove h è la costante di Planck e ν la frequenza della radiazione. Nell'atomo di idrogeno, i salti quantici di un elettrone
tra gli orbitali sono descritti dall'equazione di Rydberg:

( )
1 me e4 1 1
= − 2
λ 8ch3 ε20 2
ni nf

con nᵢ>n che rappresentano i livelli energetici iniziale e finale, mₑ ed e rispettivamente la massa e la carica dell'elettrone,
c la velocità della luce, h la costante di Planck ed ε0 la costante dielettrica nel vuoto. Nello spettro dell'idrogeno que-
sta relazione rende conto perfettamente della presenza di alcune serie di righe, chiamate di Lyman, di Balmer e di
Paschen. La serie di Balmer è l'unica a cadere nel visibile, e corrisponde alla transizione dai livelli più energetici al
livello 2; la riga più importante di questa serie è chiamata Hα, la sua lunghezza d'onda è circa 6563 Å, che corri-
sponde a radiazione rossa, ed è data dalla transizione dell'elettrone tra i livelli 3 e 2. Il fatto che non esistano atomi
con spettri uguali è alla base della spettroscopia.
Gli spettri continui sono invece emessi da solidi e liquidi portati a temperatura elevata, è il caso di una lampadina, o
dal plasma di cui sono composte le stelle. Le caratteristiche degli spettri di emissione dipendono dalla temperatura
di equilibrio, e si può dire che con buona approssimazione alla stessa temperatura tutti i corpi hanno lo stesso spettro
di emissione. Spettri ad emissione sono quelli provenienti dalle nebulose o dalle nubi di gas interstellare.
Lo spettro di una stella, come detto in precedenza, appare continuo. Tuttavia, nel 1814, l'astronomo tedesco Fraunhofer
individuò parecchie righe nere a diverse lunghezze d'onda nello spettro del Sole. Esse provengono dagli elementi pre-
senti nell'atmosfera della stella: ogni atomo assorbe la stessa radiazione che è in grado di emettere, sottraendo così
delle lunghezze d'onda allo spettro del Sole. Come per l'emissione, non esistono due spettri di assorbimento uguali. Il
meccanismo è speculare a quello dell'emissione: un elettrone non eccitato dell'atomo assorbe un fotone di data energia
e “salta” in un orbitale più energetico. Dalla lunghezza d'onda delle righe, è possibile riconoscere l'elemento che le
ha generate. Con questo metodo, è stato possibile comprendere quale sia la composizione delle atmosfere stellari e si
promette allo stesso tempo di studiare anche la composizione dei pianeti extrasolari che si stanno via via scoprendo.

20.3 Altri progetti

• Wikimedia Commons contiene immagini o altri file su Spettro atomico


20.4. COLLEGAMENTI ESTERNI 77

Spettro del Sole, con le linee di assorbimento

20.4 Collegamenti esterni


• (EN) IUPAC Gold Book, “atomic spectral lines”, goldbook.iupac.org.
Capitolo 21

Onda radio

Diagramma animato di una antenna a dipolo che irradia metà onda onde radio

In fisica le onde radio o radioonde sono radiazioni elettromagnetiche, appartenenti allo spettro elettromagnetico,
nella banda di frequenza compresa tra 0 e 300 GHz ovvero con lunghezza d'onda da 1 mm all'infinito.

21.1 Caratteristiche

Il limite di frequenza f inferiore è necessariamente asintotico al valore nullo poiché per definizione non possono
esistere onde elettromagnetiche senza variazione di campo (cioè a frequenza zero). Ragionando in termini di lunghezza
d'onda λ=c/f sono invece possibili infiniti valori continui asintoticamente tendenti ad infinito.

78
21.2. BANDE 79

La quantità di informazione che può essere trasportata da un segnale radio (vedi modulazione) è proporzionale alla
sua frequenza; per questo le frequenze minime usate nella radiotecnica per trasmettere la voce partono da qualche
decina di kilohertz.
Sebbene questa regione dello spettro elettromagnetico sia di piccole dimensioni rispetto alle altre (ultravioletto,
infrarosso, Raggi X ecc) è storicamente la più utilizzata nelle telecomunicazioni per le radiocomunicazioni. Que-
sto è avvenuto principalmente perché le onde di bassa frequenza sono facilmente generabili con dispositivi elettrici
alla portata della fisica della fine del XIX secolo (oscillatori, antenne, rivelatori a risonanza) e quindi disponibili ai
tempi di Heinrich Rudolf Hertz, Guglielmo Marconi e Nikola Tesla. Un altro vantaggio delle maggiori lunghezze
d'onda è di propagarsi per riflessione ionosferica a distanze intercontinentali, sicuramente interessante in un'epoca in
cui non esistevano ponti radio e satelliti per telecomunicazione.

21.2 Bande
La gamma delle onde radio è convenzionalmente suddivisa nelle seguenti bande:
La banda UHF è a cavallo tra la regione delle onde radio e delle microonde, il confine non è netto.
Le bande ELF, SLF, ULF, e VLF hanno frequenze uguali a quelle delle onde sonore ma mentre le prime sono onde
elettromagnetiche, le seconde sono invece vibrazioni meccaniche dell'aria.
Le frequenze ultrabasse sono usate per la comunicazione con i sottomarini poiché l'acqua attenua le onde elettroma-
gnetiche in ragione proporzionale alla frequenza, con un coefficiente elevato. Soltanto frequenze bassissime riescono
a propagarsi per centinaia di chilometri, ma con la necessità di enormi antenne, costituite da fili immersi lunghi diver-
se decine di chilometri. Con queste onde è possibile inoltre trasportare pochissima informazione, messaggi scanditi
lentamente, certamente non la voce.

21.3 Voci correlate


• Onda (fisica)
• Radiazione elettromagnetica

• Microonde
• Radiofrequenza

• Spettro elettromagnetico
• Banda radio

21.4 Altri progetti

• Wikimedia Commons contiene immagini o altri file su onda radio


80 CAPITOLO 21. ONDA RADIO

21.5 Fonti per testo e immagini; autori; licenze


21.5.1 Testo
• 5G Fonte: https://it.wikipedia.org/wiki/5G?oldid=86571150 Contributori: Marco Ciaramella, Rojelio, Nemo bis, Lillorizzo, Supernino,
Haida19, Bottuzzu, Sanremofilo, Guidomac, Dega180, ZimbuBot, Massimiliano Panu, Atarubot, Radd94, Fringio, Daniele Locatelli e
Anonimo: 8
• Wireless sensor network Fonte: https://it.wikipedia.org/wiki/Wireless_sensor_network?oldid=83401245 Contributori: Sbisolo, Mau-
pag, Chobot, SunBot, Eumolpo, Aleb, Romero, Llorenzi, Dmerico, Thijs!bot, %Pier%, Francesco Betti Sorbelli, Remulazz, Poweruser,
Scheggia.agm, VolkovBot, Avesan, SieBot, Phantomas, Pracchia-78, Bottuzzu, No2, Alexbot, Sigfreedo, IagaBot, LaaknorBot, Nallimbot,
AttoBot, Xqbot, RedBot, EmausBot, Giacomo Seics, Rotpunkt, Ricercatorew76, Botcrux, AlessioBot, Addbot, Antonio.nole e Anonimo:
11
• Efficienza spettrale Fonte: https://it.wikipedia.org/wiki/Efficienza_spettrale?oldid=86173485 Contributori: SunBot, Mess, Vituzzu, De-
liaviola, Popop, FrescoBot, GiacomoV, MaxDel, Ossistyl, ValterVBot e Anonimo: 6
• Latenza Fonte: https://it.wikipedia.org/wiki/Latenza?oldid=86315814 Contributori: Ary29, Retaggio, Civvì, Simone, Pil56, YurikBot,
BMF81, Pap3rinik, Alez, Sassospicco, Michael Sacchi, SashatoBot, Rs-Solution, Thijs!bot, Filbot, JAnDbot, TekBot, Toobazbot, Avesan,
Vulkano, Abbot, Abisys, YonaBot, Nikbot, Torelizer~itwiki, Phantomas, DragonBot, DarkTiger, No2, Pierattoni, VincenzoX, DumZi-
BoT, FrescoBot, Sricciar, LoStrangolatore, EmausBot, ZéroBot, Rotpunkt, Pil56-bot, Niculinux, Pizieno, Addbot e Anonimo: 12
• Caso d'uso (informatica) Fonte: https://it.wikipedia.org/wiki/Caso_d'uso_(informatica)?oldid=86173474 Contributori: SunBot, Igni-
sdelavega, Mess, Deliaviola, Popop, Bottuzzu, FrescoBot, AushulzBot, Rubinbot, RibotBOT, Horcrux92, EmausBot, MerlIwBot, Avoca-
toBot, Pil56-bot, ValterVBot e Anonimo: 4
• Internet delle cose Fonte: https://it.wikipedia.org/wiki/Internet_delle_cose?oldid=86296322 Contributori: Gianfranco, Ary29, Marcok,
Fastforward, Eumolpo, Rollopack, Luckyz, Marcuscalabresus, Vituzzu, RanZag, LukeWiller, Gborghesi, Radio89, Phantomas, Pracchia-
78, Dr Zimbu, Bigwheel, Bottuzzu, No2, Guidomac, FrescoBot, Daniele Pugliesi, AttoBot, Stenoo, LucienBOT, EffeX2, Dry Martini,
BenzolBot, Joebigwheel, Larry.europe, ZéroBot, GnuBotmarcoo, Peter&Co, ChuispastonBot, WikitanvirBot, Raoli, Abredice, MerlI-
wBot, Ricercatorew76, The Polish Bot, Lucarosty, Botcrux, Nello7810, Legobot, AlessioBot, Ale Sasso, ValterVBot, Carlomartini86,
Marco Cavaliere, Norrellstrange, Mia Balotti, Hackab200 e Anonimo: 36
• Velocità di trasmissione Fonte: https://it.wikipedia.org/wiki/Velocit%C3%A0_di_trasmissione?oldid=85471588 Contributori: Cassioli,
Hellis, Contezero, Franganghi, SkY`, Valepert, Ft1, Eumolpo, Piracmone, Llorenzi, Loox, Toobaz, Nemo bis, Neq00, Thijs!bot, Tuvic-
Bot, GiacoBot, JAnDbot, TekBot, Poweruser, Fabio.gastone, Giacomo.lucchese, Daniele Forsi, Theirrulez, TXiKiBoT, Aibot, Avesan,
BetaBot, Abbot, Abisys, Maxx1972, Phantomas, OKBot, Mr Wolf, Buggia, Vferrari, Bottuzzu, Giant Lizard, Nallimbot, FrescoBot, Xq-
bot, GiacomoV, Giacomo87v, RedBot, Nialtas, EmausBot, Taueres, Tommaso Ferrara, Rotpunkt, DeXeD, ChuispastonBot, MerlIwBot,
Fabio Gargano, Fringio, Makecat-bot, ValterVBot, Addbot, Glenacota e Anonimo: 52
• Dynamic Spectrum Management Fonte: https://it.wikipedia.org/wiki/Dynamic_Spectrum_Management?oldid=81995723 Contributo-
ri: SunBot, Cryngo, Bottuzzu, FrescoBot, AushulzBot, Tenebroso, EmausBot, Botcrux, ValterVBot e Anonimo: 4
• Extremely high frequency Fonte: https://it.wikipedia.org/wiki/Extremely_high_frequency?oldid=84031487 Contributori: Pippu d'Angelo,
Lilja, Feddar, Massimiliano Lincetto, FlaBot, CruccoBot, Mr Hans, Senpai, Texcarson, Thijs!bot, TekBot, RolloBot, EH101, Abbot, Sie-
Bot, Pracchia-78, Misterioso, No2, Jacopo Werther, DumZiBoT, Discanto, Andrea.dematteis.1987, Luckas-bot, MystBot, FrescoBot,
Xqbot, EffeX2, RedBot, Ebrambot, EdoBot, WikitanvirBot, Rezabot, MerlIwBot, Atarubot, Botcrux, ValterVBot e Anonimo: 7
• Multiple-input and multiple-output Fonte: https://it.wikipedia.org/wiki/Multiple-input_and_multiple-output?oldid=83465236 Contri-
butori: Sbisolo, Marcok, SunBot, PL14, Marcuscalabresus, Vituzzu, MelancholieBot, TXiKiBoT, VolkovBot, Abisys, Fedcas, Musamies,
No2, ^musaz, Tombot, CarsracBot, Xqbot, Cruscant3, RedBot, EmausBot, ZimbuBot, WikitanvirBot, MerlIwBot, Hasenburg, Botcrux,
Addbot e Anonimo: 14
• Ubiquitous computing Fonte: https://it.wikipedia.org/wiki/Ubiquitous_computing?oldid=85084290 Contributori: Ary29, Marcuscala-
bresus, Lucarosati~itwiki, Cotton, TXiKiBoT, VolkovBot, Abisys, SanniBot, OKBot, TTZnju, Haida19, Bottuzzu, No2, DumZiBoT, Laa-
knorBot, Amirobot, Nallimbot, FrescoBot, AStarBot, BenzolBot, RedBot, MerlIwBot, Pil56-bot, Niculinux, Botcrux, Addbot e Anonimo:
7
• Ripetitore Fonte: https://it.wikipedia.org/wiki/Ripetitore?oldid=74796062 Contributori: Ilario, Guam, Pil56, CruccoBot, Rutja76, Ha-
ringa, AttoRenato, %Pier%, JAnDbot, Vituzzu, MelancholieBot, FANSTARbot, TXiKiBoT, JackintheBot, Avesan, Abbot, SieBot, Wa-
glione, DragonBot, Bottuzzu, No2, MaEr, SilvonenBot, NjardarBot, Luckas-bot, MystBot, FrescoBot, Marco27Bot, Xqbot, Rubinbot,
RibotBOT, MauritsBot, MondalorBot, ButkoBot, Rotpunkt, ZimbuBot, Mmillo, Pil56-bot, AlessioMela, Botcrux, Addbot, Ulisse e
Anonimo: 11
• Software defined radio Fonte: https://it.wikipedia.org/wiki/Software_defined_radio?oldid=82179756 Contributori: M7, Filippof, Llo-
renzi, Pigr8, SVS~itwiki, TXiKiBoT, VolkovBot, Avesan, Pracchia-78, PixelBot, Valerio79, No2, Stefano664, Tombot, SilvonenBot, Du-
mZiBoT, Luke94, Luckas-bot, FrescoBot, Cmenzani, AttoBot, To011, SassoBot, Xqbot, EmausBot, WikitanvirBot, Ossistyl, Botcrux,
Legobot, AlessioBot, Addbot e Anonimo: 10
• Alexandre-Théophile Vandermonde Fonte: https://it.wikipedia.org/wiki/Alexandre-Th%C3%A9ophile_Vandermonde?oldid=85466758
Contributori: Nur, Alberto da Calvairate, Ary29, Cruccone, Ylebru, Fragolino, Eumolpo, Atroce, Moloch981, Lucio Di Madaura, Thi-
js!bot, BimBot, .snoopybot., Toobazbot, Rei-bot, Biobot, VolkovBot, Synthebot, Pinea, Airon90, Bottuzzu, No2, Alexbot, Ceskino,
MystBot, FrescoBot, ArthurBot, AushulzBot, TobeBot, Enea.bongiorno, AlessioBot, ValterVBot, JarektBot, SamoaBot e Almit2
• Dispositivo indossabile Fonte: https://it.wikipedia.org/wiki/Dispositivo_indossabile?oldid=82841467 Contributori: Mess, Lepido, Ani-
ma della notte e Lipap12345
• Intelligenza artificiale Fonte: https://it.wikipedia.org/wiki/Intelligenza_artificiale?oldid=86554993 Contributori: Alfio, Frieda, Twice25,
Snowdog, MikyT, Hashar, Suisui, Davide, Lbreda, Carlo.Ierna, Ruthven, Hellis, StWA, Kormoran, Marcok, M7, Hill, Baruneju, Paginaze-
ro, Alfiobot, Civvì, Truman Burbank, Ares, Sentruper, ZeroBot, Gionnico, Guam, Luki-Bot, YurikBot, Wallabystefano, Wizard~itwiki,
Gvf, Feddar, Zwobot, FlaBot, Joel7687, Tepes, CruccoBot, Eskimbot, Gpvosbot, .snoopy., Sergio.ballestrero, Marco Ciaramella, Sir
21.5. FONTI PER TESTO E IMMAGINI; AUTORI; LICENZE 81

marek, Wiso, Lucas, Superchilum, Klaudio, SashatoBot, Llorenzi, Neq00, Thijs!bot, Burgundo, Drugonot, Gce, Riccardobot, Sesquipe-
dale, Drow, .anacondabot, Nicoli, Brownout, JAnDbot, Vituzzu, TekBot, Bramfab, Purodha, MelancholieBot, H2o, Nrykko, Herdakat,
K.Weise, Tirinto, DodekBot, Iakopo, TXiKiBoT, VolkovBot, Abbot, Veneziano, Synthebot, Unideanet, Beechs, Spinoziano, SieBot,
Consbuonomo, Phantomas, Azrael555, Cisco93, ...Angelita..., TTZnju, CristianCantoro, BotSimo82, Dr Zimbu, Robykiwi, Bottuzzu,
Alexbot, Figiu, LaaknorBot, Arcadio21, Massic80, Luckas-bot, Messageid, Lenore, FrescoBot, Ptbotgourou, Vini 17bot5, Jotterbot,
Bartleby08, AttoBot, Midnight bird, ArthurBot, Armeice, Doctor Dodge, Xqbot, Almabot, The Legend of Spyro, RibotBOT, Arturo
bragaglia, L736E, MauritsBot, RCantoroBot, Sedlex, Alador, TobeBot, Alereg, Makenor13, EmausBot, Learjet45, Taueres, Alessandro
Bertucci, Tommaso Ferrara, WikitanvirBot, Hackmanxx, MerlIwBot, AvicBot, Atarubot, Pil56-bot, Botcrux, AlessioBot, Marco Cala-
brese, ValterVBot, Alessiamancini, Samuele Ferri, Folto82, Ocelot131, EnzoBot, Freeezer, PietroAvolio, FulvioBambusi e Anonimo:
97
• Smartwatch Fonte: https://it.wikipedia.org/wiki/Smartwatch?oldid=86062656 Contributori: Moroboshi, Bottuzzu, WikiKiwi, Discanto,
FrescoBot, Ciosl, ZimbuBot, Massimiliano Panu, Atarubot, Ferdi2005, Fringio, Botcrux, AlessioBot, Albysprx, Robot NURS, Andrea-
Cap00, Lipap12345, Carlo.cassanelli e Anonimo: 8
• Realtà aumentata Fonte: https://it.wikipedia.org/wiki/Realt%C3%A0_aumentata?oldid=86556145 Contributori: Robbot, .mau., Mar-
cok, M7, Sentruper, YurikBot, Pietrodn, Chobot, CruccoBot, Eskimbot, Valepert, Umbe2k1, Eumolpo, IngFrancesco, Marcuscalabre-
sus, Johnlong, Thijs!bot, %Pier%, Escarbot, Wanjan, Quatar, Vituzzu, TekBot, CommonsDelinker, Rcarlucci, Snow Blizzard, Superni-
no, TXiKiBoT, Avesan, BetaBot, Abbot, Gliu, Veneziano, Giocampa, Idioma-bot, Phantomas, Fabiosbest, PacoSoares, Markeclaudio,
LucaG83, Dr Zimbu, Vferrari, Alecs.bot, No2, Alexbot, Jacopo Werther, RobotQuistnix, SilvonenBot, DumZiBoT, Guidomac, Luckas-
bot, Amirobot, FrescoBot, Fabiozinesi, ArthurBot, Xqbot, Rubinbot, RibotBOT, MaxDel, Cristiancontini, MondalorBot, Adc99cc33,
RedBot, Steed, Alegraphix, EmausBot, ZéroBot, GreySmallHorse, Abisys.bot, Angelo Mascaro, Bradipo Lento, WikitanvirBot, ElGato-
Lopezz, Pruggio, Massimiliano Panu, Civis Ferdinandeo, EnzoRusciano, Marcello Negrini, Niculinux, Botcrux, Federicorg, AlessioBot,
Marcobein, Addbot, Homemail, Clamast, PrivacyOnline, EnzoBot, Gtigliani, TechWriter89 e Anonimo: 62
• Li-Fi Fonte: https://it.wikipedia.org/wiki/Li-Fi?oldid=83295471 Contributori: Rojelio, Eumolpo, Burgundo, Eylenbosch, A7N8X, Pot,
IncolaBot, FrescoBot, Gambo7, Edoardo8398italy, AlessioMela, РобоСтася, AlessioBot, Addbot, Vegetable, Bellatrovata, Postiglio-
ne.andrea e Anonimo: 9
• Spettro atomico Fonte: https://it.wikipedia.org/wiki/Spettro_atomico?oldid=77966232 Contributori: Alfiobot, YurikBot, CruccoBot,
Sassospicco, Lp, Broc, WinstonSmith, ChemicalBit, Cav, Number 21, Tridim, SashatoBot, PertBot, Osmio, Melchisedec, Thijs!bot,
Edfri, Starmaker, JAnDbot, Soulbot, Baroc, Avemundi, CommonsDelinker, Snow Blizzard, Skonvolt, Mr Wolf, CristianCantoro, Ga-
briele85, ^musaz, IagaBot, FrescoBot, MapiVanPelt, Botev, Ptbotgourou, Daniele Pugliesi, ArtAttack, Xqbot, GrouchoBot, EmausBot,
GnuBotmarcoo, JackieBot, ChuispastonBot, Movses-bot, MerlIwBot, Botcrux, Addbot e Anonimo: 8
• Onda radio Fonte: https://it.wikipedia.org/wiki/Onda_radio?oldid=81399470 Contributori: Blakwolf, Piero129, F. Cosoleto, Rdocb, Ni-
nja, Guam, Klemen Kocjancic, Contezero, Energia, Maxcip, Iz8fsl, Massimiliano Lincetto, SunBot, CruccoBot, Rutja76, Jalo, Ylebru,
Lusum, Gringo.ch, Tridim, LiljaBot, Ignisdelavega, AttoRenato, %Pier%, Escarbot, JAnDbot, LaPizia, LaudatoSi, VolkovBot, Ave-
san, Idioma-bot, Rl89, SieBot, Phantomas, Pracchia-78, Buggia, No2, Darkicebot, BOTarate, Simo ubuntu, Guidomac, Luckas-bot,
FrescoBot, CvetanPetrov1940, Federicuccio, Xqbot, AushulzBot, Chetvorno, RibotBOT, BenzolBot, D'ohBot, Frigotoni, The Polish,
Dinamik-bot, ZimbuBot, MerlIwBot, The Polish Bot, Legobot, AlessioBot, Addbot e Anonimo: 40

21.5.2 Immagini
• File:1leftarrow_blue.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/d/d6/1leftarrow_blue.svg Licenza: Public domain
Contributori: 1rightarrow blue.svg: <a href='//commons.wikimedia.org/wiki/File:1rightarrow_blue.svg' class='image'><img alt='1rightarrow
blue.svg' src='https://upload.wikimedia.org/wikipedia/commons/thumb/e/ee/1rightarrow_blue.svg/32px-1rightarrow_blue.svg.png' wid-
th='32' height='32' class='thumbborder' srcset='https://upload.wikimedia.org/wikipedia/commons/thumb/e/ee/1rightarrow_blue.svg/48px-1rightarrow_
blue.svg.png 1.5x, https://upload.wikimedia.org/wikipedia/commons/thumb/e/ee/1rightarrow_blue.svg/64px-1rightarrow_blue.svg.png
2x' data-file-width='480' data-file-height='480' /></a> (for authorship see description) Artista originale: Sarang
• File:Bar_magnet.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/d/d8/Bar_magnet.jpg Licenza: CC-BY-SA-3.0 Contri-
butori: ? Artista originale: ?
• File:Brain_art.png Fonte: https://upload.wikimedia.org/wikipedia/commons/a/ac/Brain_art.png Licenza: Public domain Contributori:
me Artista originale: Sergio Pinna (Wikiutente:sergejpinka)
• File:Commons-logo.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/4/4a/Commons-logo.svg Licenza: Public domain Con-
tributori: This version created by Pumbaa, using a proper partial circle and SVG geometry features. (Former versions used to be slightly
warped.) Artista originale: SVG version was created by User:Grunt and cleaned up by 3247, based on the earlier PNG version, created by
Reidab.
• File:Computer_n_screen.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/7/77/Computer_n_screen.svg Licenza: LGPL
Contributori: All Crystal icons were posted by the author as LGPL on kde-look Artista originale: Everaldo Coelho and YellowIcon
• File:Crystal_128_displayphone.png Fonte: https://upload.wikimedia.org/wikipedia/commons/4/46/Crystal_128_displayphone.png Li-
cenza: LGPL Contributori: ? Artista originale: ?
• File:Crystal_Clear_app_Login_Manager.png Fonte: https://upload.wikimedia.org/wikipedia/commons/c/ca/Crystal_Clear_app_Login_
Manager.png Licenza: LGPL Contributori: All Crystal Clear icons were posted by the author as LGPL on kde-look; Artista originale:
Everaldo Coelho and YellowIcon;
• File:Crystal_Clear_app_konquest.png Fonte: https://upload.wikimedia.org/wikipedia/commons/8/88/Crystal_Clear_app_konquest.png
Licenza: LGPL Contributori: All Crystal Clear icons were posted by the author as LGPL on kde-look; Artista originale: Everaldo Coelho
and YellowIcon;
• File:Crystal_kcontrol.png Fonte: https://upload.wikimedia.org/wikipedia/commons/1/15/Crystal_kcontrol.png Licenza: LGPL Contri-
butori: ? Artista originale: Everaldo Coelho
• File:Crystal_kppp.png Fonte: https://upload.wikimedia.org/wikipedia/commons/1/1a/Crystal_kppp.png Licenza: LGPL Contributori: ?
Artista originale: Everaldo Coelho
82 CAPITOLO 21. ONDA RADIO

• File:Dipole_xmting_antenna_animation_4_408x318x150ms.gif Fonte: https://upload.wikimedia.org/wikipedia/commons/a/a6/Dipole_


xmting_antenna_animation_4_408x318x150ms.gif Licenza: CC0 Contributori: Opera propria Artista originale: Chetvorno
• File:Emblem-important.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/4/4c/Emblem-important.svg Licenza: Public do-
main Contributori: The Tango! Desktop Project Artista originale: The people from the Tango! project
• File:Emission_spectrum-Fe.png Fonte: https://upload.wikimedia.org/wikipedia/commons/4/43/Emission_spectrum-Fe.png Licenza:
Public domain Contributori: ? Artista originale: ?
• File:Exquisite-Modem.png Fonte: https://upload.wikimedia.org/wikipedia/commons/c/cb/Exquisite-Modem.png Licenza: GPL Con-
tributori: ? Artista originale: ?
• File:Exquisite-kfind.png Fonte: https://upload.wikimedia.org/wikipedia/commons/f/f1/Exquisite-kfind.png Licenza: GPL Contributo-
ri: www.kde-look.org Artista originale: Guppetto
• File:Fanta_logo.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/d/d2/Fanta_logo.svg Licenza: CC-BY-SA-3.0 Contribu-
tori:
• w:it:Immagine:Fanta_logo.png Artista originale: User:Dzag
• File:FraunhoferLinesDiagram.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/9/9f/FraunhoferLinesDiagram.jpg Licen-
za: Public domain Contributori: http://history.nasa.gov/SP-402/ch2.htm Artista originale: NASA
• File:Gnome-applications-science.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/2/2e/Gnome-applications-science.svg
Licenza: CC BY-SA 3.0 Contributori: HTTP / FTP Artista originale: GNOME icon artists
• File:Google_Glass_detail.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/7/76/Google_Glass_detail.jpg Licenza: CC BY
2.0 Contributori: http://www.flickr.com/photos/azugaldia/7457645618 Artista originale: Antonio Zugaldia
• File:HAL9000.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/f/f6/HAL9000.svg Licenza: CC BY 3.0 Contributori: Ope-
ra propria Artista originale: Cryteria
• File:Moto360Cropped.JPG Fonte: https://upload.wikimedia.org/wikipedia/commons/0/0d/Moto360Cropped.JPG Licenza: CC0 Con-
tributori: Opera propria Artista originale: Raysonho @ Open Grid Scheduler / Grid Engine
• File:Nicolas_P._Rougier’{}s_rendering_of_the_human_brain.png Fonte: https://upload.wikimedia.org/wikipedia/commons/7/73/Nicolas_
P._Rougier%27s_rendering_of_the_human_brain.png Licenza: GPL Contributori: http://www.loria.fr/~{}rougier Artista originale: Nico-
las Rougier
• File:Nitrogen.Spectrum.Vis.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/3/38/Nitrogen.Spectrum.Vis.jpg Licenza: Pu-
blic domain Contributori: ? Artista originale: ?
• File:Nota_disambigua.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/b/bc/Nota_disambigua.svg Licenza: Public domain
Contributori: Trasferito da it.wikipedia su Commons. Artista originale: Krdan Ielalir di Wikipedia in italiano
• File:Nuvola_apps_katomic.png Fonte: https://upload.wikimedia.org/wikipedia/commons/7/73/Nuvola_apps_katomic.png Licenza: LG-
PL Contributori: http://icon-king.com Artista originale: David Vignoni / ICON KING
• File:Owl_of_Minerva.png Fonte: https://upload.wikimedia.org/wikipedia/commons/f/f5/Owl_of_Minerva.png Licenza: CC-BY-SA-
3.0 Contributori: File:Owl of Minerva.png Artista originale: --SGOvD webmaster (talk) 19:11, 24 July 2006 (UTC)
• File:Pebble_watch_email_1.png Fonte: https://upload.wikimedia.org/wikipedia/commons/1/15/Pebble_watch_email_1.png Licenza:
CC BY-SA 1.0 Contributori: Pebble press pack 1 http://ksimgs.s3.amazonaws.com/PebblePressPack1.zip Artista originale: Pebble Tech-
nology
• File:People.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/0/0f/People.svg Licenza: CC0 Contributori: ? Artista originale:
?
• File:Phrenology1.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/f/fa/Phrenology1.jpg Licenza: Public domain Contribu-
tori: Friedrich Eduard Bilz (1842–1922): Das neue Naturheilverfahren (75. Jubiläumsausgabe) Artista originale: scanned by de:Benutzer:
Summi
• File:Ponti_Radio_Mont_Aigoual.jpg Fonte: https://upload.wikimedia.org/wikipedia/it/8/81/Ponti_Radio_Mont_Aigoual.jpg Licen-
za: CC-BY-SA-2.5 Contributori: ? Artista originale: ?
• File:Prinzip_MIMO.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/b/be/Prinzip_MIMO.svg Licenza: CC-BY-SA-3.0
Contributori:
• Prinzip_MIMO.png Artista originale: Prinzip_MIMO.png: Benjamin Baumgärtner - Benbaum
• File:Psi2.png Fonte: https://upload.wikimedia.org/wikipedia/commons/e/e1/Psi2.png Licenza: Public domain Contributori: ? Artista ori-
ginale: ?
• File:Puzzle_stub.png Fonte: https://upload.wikimedia.org/wikipedia/commons/9/96/Puzzle_stub.png Licenza: Public domain Contribu-
tori: ? Artista originale: ?
• File:Question_book-3.png Fonte: https://upload.wikimedia.org/wikipedia/commons/0/0b/Question_book-3.png Licenza: CC BY-SA
3.0 Contributori: Opera propria Artista originale: JoeSmack, best reached at EN
• File:Question_book-4.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/6/64/Question_book-4.svg Licenza: CC-BY-SA-
3.0 Contributori: Created from scratch in Adobe Illustrator. Originally based on Image:Question book.png created by User:Equazcion.
Artista originale: Tkgd2007
• File:Ripetitori_passivi.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/2/28/Ripetitori_passivi.jpg Licenza: CC BY-SA
3.0 Contributori: Opera propria Artista originale: Mmillo
• File:SDR_et_WF.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/2/22/SDR_et_WF.svg Licenza: Copyrighted free use
Contributori:
• SDR_et_WF.JPG Artista originale: SDR_et_WF.JPG: Topituuk
21.5. FONTI PER TESTO E IMMAGINI; AUTORI; LICENZE 83

• File:Science-symbol-2.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/7/75/Science-symbol-2.svg Licenza: CC BY 3.0


Contributori: en:Image:Science-symbol2.png Artista originale: en:User:AllyUnion, User:Stannered
• File:Signorina_in_viola.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/7/75/Signorina_in_viola.svg Licenza: CC0 Con-
tributori: Open Clip Art Library Artista originale: Architetto Francesco Rollandin
• File:Telecom_antenna_(Rovigo).jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/9/9c/Telecom_antenna_%28Rovigo%
29.jpg Licenza: GFDL Contributori: Opera propria Artista originale: Threecharlie
• File:Transmission.png Fonte: https://upload.wikimedia.org/wikipedia/commons/d/d1/Transmission.png Licenza: MIT Contributori: Tra-
sferito da it.wikipedia su Commons da Vajotwo. Artista originale: L'utente che ha caricato in origine il file è stato Krdan di Wikipedia in
italiano
• File:WSN.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/2/21/WSN.svg Licenza: Public domain Contributori: Opera pro-
pria Artista originale: Original by Adi Mallikarjuna Reddy V (en:User:Adimallikarjunareddy), converted to SVG by tiZom
• File:Wikibooks-logo.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/f/fa/Wikibooks-logo.svg Licenza: CC BY-SA 3.0
Contributori: Opera propria Artista originale: User:Bastique, User:Ramac et al.
• File:Wikinews-logo.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/2/24/Wikinews-logo.svg Licenza: CC BY-SA 3.0 Con-
tributori: This is a cropped version of Image:Wikinews-logo-en.png. Artista originale: Vectorized by Simon 01:05, 2 August 2006 (UTC)
Updated by Time3000 17 April 2007 to use official Wikinews colours and appear correctly on dark backgrounds. Originally uploaded by
Simon.
• File:Wikiquote-logo.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/f/fa/Wikiquote-logo.svg Licenza: Public domain Con-
tributori: Opera propria Artista originale: Rei-artur
• File:Wikitude3.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/0/00/Wikitude3.jpg Licenza: Public domain Contributori:
http://www.mobilizy.com Artista originale: Philipp Breuss
• File:Wiktionary_small.svg Fonte: https://upload.wikimedia.org/wikipedia/commons/f/f9/Wiktionary_small.svg Licenza: CC BY-SA
3.0 Contributori: ? Artista originale: ?
• File:Zypad.jpg Fonte: https://upload.wikimedia.org/wikipedia/commons/c/c2/Zypad.jpg Licenza: CC-BY-SA-3.0 Contributori: Nessu-
na fonte leggibile automaticamente. Presunta opera propria (secondo quanto affermano i diritti d'autore). Artista originale: Nessun autore
leggibile automaticamente. Sonk54 presunto (secondo quanto affermano i diritti d'autore).

21.5.3 Licenza dell'opera


• Creative Commons Attribution-Share Alike 3.0