Los sensores no invasivos de glucosa en sangre están aún en fase de desarrollo, ya que están lejos de ser adecuados para su uso en un páncreas artificial. Este último consta de tres partes principales: el sensor de glucosa en sangre, la bomba de insulina y el controlador. Sin embargo, en el caso del biosensor analizado aquí, se encontraron algunos fallos comunes, como desplazamientos de señal y picos irreales. Deben tenerse en cuenta para calcular la dosis correcta de insulina para las personas diabéticas. Por lo tanto, aquí se aplica un sistema de detección de fallos basado en la transformada de ondículas discretas (DWT). La idea principal es, cuando se produce el fallo, realizar una compensación adecuada de las medidas para enviar el valor corregido al algoritmo del controlador funcional predictivo (PFC). El estudio se realiza reproduciendo el fallo en las medidas de glucosa en sangre. Se obtienen a partir de un modelo matemático del sistema endocrino de un paciente diabético adulto. Este modelo fue aprobado por la FDA en 2008. A continuación, el entorno de simulación incluye mediciones de glucosa en sangre defectuosas y un sistema de diagnóstico e identificación de fallos (FDI) basado en DWT. El sistema FDI proporciona al algoritmo PFC la información correcta para convertirlo en un controlador tolerante a fallos (FTC). El objetivo principal es suministrar la dosis correcta de insulina al paciente.

Este artículo presenta una nueva alternativa de recurso de datos, mediante la aplicación de los métodos propuestos de Análisis de Componentes Principales (ACP) o de Transformación Wavelet Discreta (DWT) sobre las imágenes de polarización VV y VH del satélite radar Sentinel-1, con el objetivo de una mejor clasificación de los datos. La zona de estudio se refiere al emplazamiento de Houareb, situado en la ciudad de Kairouan, en el centro de Túnez. Además de los datos de Sentinel-1, se utilizaron datos reales sobre el terreno y el criterio de la distancia mínima euclidiana (EMD) para la clasificación y la validación. En este estudio se han propuesto descriptores energéticos para las clasificaciones. Se utilizó la validación cruzada para evaluar los resultados de la clasificación. El mejor resultado de clasificación se obtuvo utilizando el método DWT aplicado sobre las imágenes VH y VV con una Precisión Global (OA) de 0,671 y 0,548, respectivamente, frente a un valor OA de 0,371 y de 0,449 cuando se aplicaron el método PCA y el clasificador de Distancia Mínima (MDist) sobre la polarización dual (VV; VH), respectivamente. La transformación DWT proporciona el Coeficiente de Precisión Kappa (KPC) más alto, de 0,8.