Forschung
Im Rahmen der Forschungsaktivitäten am Lehrstuhl für Nachrichtentechnik, Bauelemente und Schaltungstechnik werden neue Konzepte für innovative Komponenten und Systeme für die mobile Kommunikation untersucht. Insbesondere werden flexible und hochoptimierte Sender- und Empfängerarchitekturen für zukünftige mobile Kommunikationssysteme betrachtet. Hierbei stehen die Optimierung der digitalen Signalverarbeitung und die Entwicklung von innovativen Algorithmen im Vordergrund. Die Verifikation der entwickelten Verfahren erfolgt mit Hilfe von Simulationsmodellen, sowie durch Hardware-Implementierungen auf der Basis von FPGAs und DSPs.
Forschungsbereiche:
- Innovative Sender- und Empfängerkonzepte für flexible Mobilfunkkomponenten
- Software-Radio-Konzepte
- Optimierte Algorithmen und Komponenten für die nächsten Mobilfunkgenerationen
- Optimierung der digitalen Signalverarbeitung für DSP-, FPGA- und ASIC-Implementierungen
- Untersuchungen in Echtzeit mit Hilfe von Hardware-Aufbauten
- Cognitive Radio
- Zeitkontinuierliche digitale Signalverarbeitung
Dienstleistungs- und Kooperationsangebote:
- Bearbeitung von abgegrenzten Problemstellungen aus den Bereichen Mobilfunk und digitale Signalverarbeitung im Rahmen von Projekten
- Beratung bei konkreten Fragestellungen aus den Bereichen Mobilfunk und digitale Signalverarbeitung
- Erstellung von Simulationsmodellen
- Durchführung von Simulationen auf Architektur- und Systemebene
- Hardware-Verifikation mit Hilfe von FPGA- und DSP-Systemen
- Durchführung von Seminaren und Weiterbildungsmaßnahmen zu den Themengebieten Mobilfunk, Schaltungstechnik und digitale Signalverarbeitung
- Fachvorträge
Forschungsthema: M.Sc. Gerrit Maus
Aktivitätserkennung durch Auswertung der Feldstärkeänderungen von elektromagnetischen Signalen
Drahtlose Funksysteme, z.B. WLAN oder Bluetoothsysteme, die heute bereits sehr breit eingesetzt werden, erzeugen in einem Raum eine entsprechende elektrische Feldstärkeverteilung. Wenn sich eine Person in diesem Raum bewegt, so wirkt sich dieses auch auf die Feldstärkeverteilung aus. Es ist daher grundsätzlich möglich, aus den Änderungsmustern der elektrischen Feldstärkeverteilung Rückschlüsse auf die Bewegungsmuster der Person im Raum zu schließen. Die Erkennung von menschlichem Verhalten (Human Behaviour Recognition, HBR) basierend auf der Auswertung von Feldstärkeänderungen ist inzwischen zu einem interessanten Forschungsthema geworden. Hierbei geht man davon aus, dass eine bestimmte Bewegung auch ein individuelles Muster der reflektierten Funksignale erzeugt. Obwohl bei der Erforschung passiver Konzepte basierend auf der Analyse der Feldstärkeänderungen in letzter Zeit gute Fortschritte erzielt worden sind, gibt es nach wie vor eine Reihe von offenen, grundsätzlichen Fragen und viele ungelöste Probleme.
Die Aktivitätserkennung lässt sich verbessern, in dem zusätzlich zu den Feldstärkewerten einer Funkverbindung auch die Phasenverschiebungen einzelner Datenpakete berücksichtigt werden. Die eigentliche Herausforderung bei diesem Verfahren liegt aber insbesondere in der Zuordnung der sehr komplexen Muster der Feldstärkeverteilung zu entsprechenden Verhaltensmustern von Personen, die sich im Raum befinden. Im Rahmen des Projektes wurde zunächst ein eigenes Sensorsystem entwickelt, um hinsichtlich der zu implementierenden Algorithmen und des Protokolls für die Funkverbindung möglichst flexibel zu sein. Bild 1 zeigt das entsprechende System. Dieses System kann unter anderem auch zur Indoor-Lokalisierung eingesetzt werden und implementiert die sogenannte Selbst-Kalibration. Dabei handelt es sich um eine am Lehrstuhl entwickelte Methode zur Indoor-Lokalisierung, die die Genauigkeit bei Feldstärke-bezogenen Messungen erhöht.
Bild 1: Sensormodul zur Untersuchung von Algorithmen zur Verhaltenserkennung
Im nächsten Schritt sollen entsprechende Verfahren entwickelt und untersucht werden. Durch die immer größere Leistungsfähigkeit von entsprechenden Rechnersystemen können hierzu auch immer bessere und aufwändigere Algorithmen eingesetzt werden. Neuartige Ansätze beruhen insbesondere darauf, neuronale Netze und Deep Learning Methoden zur Klassifizierung einzusetzen.
Forschungsthema: M.Sc. Nizam Alkirata
Genaue Indoor Lokalisierung auf der Basis von kostengünstigen, drahtlosen Sensorsystemen
Drahtlose Sensorsysteme, die inzwischen als kostengünstige und flexible Module zur Verfügung stehen, stellen einen wichtigen Baustein zur Realisierung des Internets der Dinge (Internet of Things, IoT) dar. Eine grundlegende Funktionalität, die für viele Anwendungen benötigt wird, ist eine präzise, stromsparende und kostengünstige Lokalisierung, insbesondere innerhalb von Gebäuden.
Eine etablierte Methode zur Lokalisierung beruht auf dem Einsatz von GPS-Modulen (GPS: Global Positioning System), die allerdings innerhalb von Gebäuden nur eingeschränkt oder überhaupt nicht funktionieren. Darüber hinaus haben diese Module einen nicht unerheblichen Energieverbrauch und stellen einen nicht zu vernachlässigenden Kostenfaktor dar.
Im Rahmen der durchzuführenden Arbeiten sollen neue Möglichkeiten zur 2D- und 3D-Lokalisierung innerhalb von Gebäuden basierend auf der Bluetooth-Technologie untersucht werden.
Hierzu wurde in einem ersten Schritt zur Lokalisierung nur die Feldstärkeinformation ausgewertet, die von dem mobilen Sensorsystem von mehreren festen Basisstationen empfangen wurde. Die Feldstärkeinformation steht bei Bluetooth-Systemen ohne Zusatzaufwand zur Verfügung, muss aber für eine Lokalisierung in ausreichend geringen zeitlichen Abständen aktualisiert werden. Es konnte durch eine intelligente Nachbearbeitung der gemessenen Feldstärkesignale gezeigt werden, dass gegenüber bisher publizierten Ergebnissen, eine deutliche Verbesserung der Genauigkeit der Lokalisierung erreicht werden kann. Die Messergebnisse, die mit dem selbstkalibrierenden, bidirektionalen Indoor-Lokalisierungssystem erzielt worden sind, sind in Bild 1 dargestellt.
Bild 1: Positionsbestimmung auf der Basis von Feldstärkemessungen, ohne und mit intelligenter Nachbearbeitung der Feldstärkesignale.
Aufbauend auf diesen Ergebnissen ist untersucht worden, inwieweit sich die Genauigkeit der Lokalisierung durch die Verwendung weiterer Sensordaten verbessern lässt. Hierzu wurde unter anderem eine Inertialsensorik eingesetzt, die Informationen über Beschleunigung, Lage und Magnetfeld zur Verfügung stellt. Darüber hinaus kann eine Höhenänderung mit Hilfe eines Luftdrucksensors (Barometer) bestimmt werden.
Es konnte gezeigt werden, dass durch eine geeignete Signalverarbeitung der aufgenommenen Daten eine deutliche Verbesserung gegenüber konventionellen Lösungen erzielt werden kann. Im Focus der Optimierungen stand insbesondere auch die Reduzierung des Stromverbrauchs durch eine möglichst geringe Abtastrate für die Aufnahme der Sensordaten. Es konnte gezeigt werden, dass die Abtastrate um einen Faktor von mehr als zehn reduziert werden konnte, ohne dass damit Qualitätsverluste verbunden waren. Dieses wurde durch die optimierte digitale Signalverarbeitung der Sensordaten erreicht. Bild 2 zeigt die entsprechenden Ergebnisse an Hand von Trackingpfaden innerhalb eines Gebäudes.
Bild 2: Tracking Pfade basierend auf den gemessenen Daten mit der Inertialsensorik, Abtastrate wurde um den Faktor 12 reduziert
Blau:
ohne Nachbearbeitung der Feldstärkedaten
Rot:
mit Nachbearbeitung mit intelligenter Nachbearbeitung der Feldstärkesignale
Schwarz:
tatsächlicher Pfad
Ungelöste Herausforderungen bei der Indoor-Lokalisierung liegen insbesondere in folgenden Bereichen:
- Verbesserung der Genauigkeit
- Optimale Fusion der unterschiedlichen Sensordaten
- Implementierung auf der Basis von Low-Cost Funksystemen und Sensorsystemen
- Nutzung von komplexen Algorithmen zur Mustererkennung
- Optimierung des Leistungsverbrauchs
Untersuchung von Systemen auf der Basis quasi-zeitkontinuierlicher, digitaler Signalverarbeitung.
Die zeitkontinuierliche digitale Signalverarbeitung kann eine Reihe von Vorteilen im Vergleich zu klassischen digitalen Signalverarbeitungssystemen mit äquidistanten Abtastschritten mit sich bringen. Bei dieser neuen Form der digitalen Signalverarbeitung wird nur dann ein neuer quantisierter Wert für die Signalverarbeitungskette erzeugt, wenn das analoge Eingangssignal eine neue Quantisierungsstufe erreicht hat. Die Abbildung zeigt schematisch den Vergleich zwischen einem zeitdiskret abgetasteten Signal und einem zeitkontinuierlich erfassten Signal. Durch das zeitkontinuierliche Auswerten der analogen Eingangsignale können sich mehrere Vorteile ergeben. Diese liegen insbesondere im geringeren Leistungsverbrauch und dem geringeren Rauschen, da keine Aliasing-Komponenten auftreten. Ändert sich das Eingangssignal nicht, oder nur sehr wenig, so wird auch kein neuer Wert für die Signalverarbeitungskette erzeugt. Dies hat zur Folge, dass der Leistungsverbrauch proportional zur Änderungsgeschwindigkeit des analogen Eingangssignals ist und dynamisch dessen Eigenschaften folgt. Mögliche Anwendungen zeitkontinuierlicher DSP-Systeme liegen im Bereich der Telekommunikation, von biomedizinischen Implantaten, von Hörgeräten und von drahtlosen Sensoren. Im Rahmen dieses Projekts soll diese neue Form der Signalverarbeitung sowohl theoretisch als auch praktisch untersucht werden. Hierzu sind zunächst auf System- und Architekturebene Algorithmen zu entwickeln, die gut für eine Realisierung als zeitkontinuierliches DSP-System geeignet sind. Darüber hinaus sollen auch Untersuchungen auf schaltungstechnischer Ebene durchgeführt werden. Basierend auf den erarbeiteten Ergebnissen ist auch die Realisierung eines zeitkontinuierlichen DSP-Systems als integrierte Schaltung angedacht.In diesem Kontext sind die Forschungsaktivitäten am Lehrstuhl für Nachrichtentechnik, Bauelemente und Schaltungstechnik zu sehen, wo man sich mit neuen Konzepten für innovative Komponenten und Systeme, insbesondere für die mobile Kommunikation, beschäftigt. Hierbei stehen die Optimierung der digitalen Signalverarbeitung und die Entwicklung von innovativen Algorithmen im Vordergrund. Die Verifikation der entwickelten Verfahren erfolgt mit Hilfe von Simulationsmodellen, sowie durch Hardware-Implementierungen auf der Basis von FPGAs und DSPs.
Aktivitäten des Lehrstuhls mit einem Bezug zu „Automotive-Anwendungen“
In den nächsten Jahren wird die Bedeutung der Elektronik im „Automotive-Bereich“ stark zunehmen. Experten gehen davon aus, dass der Elektrik- und Elektronikanteil in Fahrzeugen, der heute ca. 20% beträgt, in den kommenden 10 Jahren um weitere 10% steigen wird. Es gibt eine Fülle von Funktionen im Bereich von Antriebs-, Sicherheits-, Komfort- und Infotainmentanwendungen, die durch entsprechende Elektronikmodule realisiert werden. Beispielsweise sind im Bereich der Sicherheit, unter anderem durch den Einsatz von Fahrerassistenzsystemen, in den nächsten Jahren große Fortschritte zu erwarten.
Auch der Einsatz von drahtlosen und mobilen Systemen wird im „Automotive-Bereich“ immer weiter zunehmen. Hierbei sind zum einen Telematikdienste und neue Infotainmentangebote zu nennen, die auf zellularen Technologien wie GSM/GPRS oder UMTS/HSPA, sowie dem globalen Lokalisierungs-system GPS beruhen. Darüber hinaus werden aber auch drahtlose Technologien wie Bluetooth, Zig-Bee, WLAN und UWB immer größere Verbreitung im Auto finden. Diese werden zur internen, drahtlosen Verknüpfung verschiedenster Komponenten und zur Anbindung unterschiedlichster Sensoren genutzt werden. Als Beispiel sei hier die Abfrage von Reifendrucksensoren genannt, die sich drahtlos sehr elegant realisieren lässt.
In diesem Kontext sind die Forschungsaktivitäten am Lehrstuhl für Nachrichtentechnik, Bauelemente und Schaltungstechnik zu sehen, wo man sich mit neuen Konzepten für innovative Komponenten und Systeme, insbesondere für die mobile Kommunikation, beschäftigt. Hierbei stehen die Optimierung der digitalen Signalverarbeitung und die Entwicklung von innovativen Algorithmen im Vordergrund. Die Verifikation der entwickelten Verfahren erfolgt mit Hilfe von Simulationsmodellen, sowie durch Hardware-Implementierungen auf der Basis von FPGAs und DSPs.
Realisierung einer funkbasierten Messdatenerfassung zum Einsatz in Autombilen und Visualisierung der Daten auf einem PC
Die Anzahl der Sensoren, die im Kfz zur Datenerfassung zum Einsatz kommt, wird in den nächsten Jahren immer weiter zunehmen. Um die anfallenden Daten auswerten zu können, ist eine Anbindung der Sensoren an eine Zentraleinheit über eine Netzwerkarchitektur erforderlich. Besonders effiziente Lösungen ergeben sich durch eine drahtlose Vernetzung.
Im Rahmen des Projektes wurde eine solche drahtlose Netzwerkarchitektur untersucht, bei der mehrere Sensoren zur Datenerfassung in Echtzeit über Funkschnittstellen an eine Zentraleinheit angebunden wurden. Die Daten wurden zur Zentraleinheit übertragen und dort direkt ausgewertet.
In einem ersten Schritt kam hierfür ein Funksystem gemäß Bluetooth-Spezifikation mit einer analogen Schnittstelle zur Messdatenerfassung zum Einsatz. Die vom A/D-Wandler erfassten und über die Funkstrecke gesendeten Daten wurden mit Hilfe des PCs ausgewertet und grafisch dargestellt. Hierzu wurde eine entsprechende Software auf der Basis von Java entwickelt. Die korrekte Funktionsweise des Systems konnte durch geeignete Tests in Echtzeit verifiziert werden.
In einem zweiten Schritt wurde ein drahtloses System zur Messdatenerfassung basierend auf dem Funkstandard „Zig-Bee“ aufgebaut und im Betrieb ausgetestet. Das System ist in Bild 1 dargestellt. An ein zentrales Koordinator Board wurden insgesamt vier Sensor-Boards S1 bis S4 über Funkstrecken gemäß Zig-Bee-Spezifikation zur Messadatenerfassung angebunden. Alle Boards waren mit Sensoren ausgestattet, die die Messung von Temperatur, Luftfeuchtigkeit und Lichtstärke ermöglichten, so dass umfangreiche Daten über die Umgebungsbedingungen erfasst werden konnten. Die Daten, die nach der Übertragung alle auf dem Koordinator Board zur Verfügung standen, wurden über eine geeignete Schnittestelle zu einem Rechner übertragen, dort ausgewertet und geeignet dargestellt. Darüber hinaus wurden Untersuchungen zur maximalen Reichweite und zum Datendurchsatz des Systems durchgeführt.
Im Rahmen des Projekts konnte unter anderem nachgewiesen werden, dass beide Systeme, die auf kostengünstigen und verfügbaren Funkmodulen beruhen, grundsätzlich für den Einsatz in Automotive-Anwendungen geeignet sind. Beide Systeme arbeiteten im ISM-Band bei 2,4 GHz.Das Projekt wurde unter anderem im Rahmen von mehreren Bachelorarbeiten bearbeitet:Ruslana Toporowska, 9/2006, Christian von Hagen, 11/2006
Bild 1: Drahtloses Sensornetzwerk gemäß Zig-Bee-Spezifikation.
Cognitive Radio
Aufbauend auf das Signalverarbeitungskonzept des Software Defined Radios besitzt ein Cognitive Radio Sensoren, die Erkenntnisse über die Umgebung liefern, so dass ein Modell dieser Umgebung erzeugt wird, auf das später zurückgegriffen werden kann. Hierfür muss eine Lernfähigkeit implementiert werden, die autonom Entscheidungen fällen kann, welche zu einer Performanzverbesserung führen.
Beispielweise könnte ein mit Cognitive Radio ausgestattetes Mobilfunkendgerät umgebende andere HF-Sendeempfänger beobachten und ungenutzte Bandbreiten in benachbarten Spektren allokieren.
