Student Theses

Im Rahmen dieser Arbeit wurden zwei verschiedene Methoden zur polarimetrischen Filterung untersucht. Für beide Verfahren wurden neben Simulationen auch praktische Versuche bei 60 GHz durch-geführt. - Zum einen wurde das sogenannte Single Sample Polarisation Filtering (SSPF) Verfahren analysiert. Dieses Verfahren ist für Radaranwendungen sehr gut geeignet, da zur Filterung lediglich eine Messung der Störsignale nötig ist. Diese ist praktisch durch ein Entfernen des Zielobjektes aus der Messstrecke möglich. Das Verfahren lieferte nicht nur in der Simulation sehr gute Ergebnisse sondern auch in den praktisch untersuchten Radarmessungen. In den durchgeführten Versuchen konnten sowohl mit einem Dieder als auch mit dünnen Kabeln als Zielobjekt Verbesserungen des SCNR durch den Filterprozess festgestellt werden. Im besten Fall betrug die Steigerung des SCNR 6,71 dB. Insbesondere im Fall der schwer erkennbaren, dünnen Kabel konnte eine Steigerung der Erkennungsrate mittels SSPF beobachtet werden. Der SSPF ist also eine sehr effiziente Methode um auch schwierig erkennbare Objekte in Radaranwendungen besser zu identifizieren. Der Nachteil besteht in der Notwendigkeit vorhergehender Messungen zur Klassifizierung der Störsignale. Dies kann bei sich ändernder Umgebung oder Echtzeitanwendungen, wie zum Beispiel bei Autoradarsystemen, zu Problemen führen. Bei den hier durchgeführten Versuchen handelte es sich um bistatische Radarsysteme. Um die Erkennungsrate der Objekte noch weiter zu erhöhen, könnten multistatische MIMO Versuche durchgeführt werden. Hierzu sollte das SSPF Verfahren jedoch erweitert oder angepasst werden. - Das Weighted Combination Polarisation Filtering Verfahren (WCPF) liefert bei genau bekannten Polarisationsparameteren sehr gute Ergebnisse, was in den Simulationen veranschaulicht wurde. Hier konnte ein geringerer Fehler auch bei kleinem SNR im Vergleich zum SSPF festgestellt werden. Eine vollständige praktische Untersuchung konnte aufgrund der hardwaretechnischen Gegebenheiten nicht durchgeführt werden. Mit nachträglich hinzugefügtem Störsignal zu in Messungen ermittelten Daten konnte jedoch auch hier eine teilweise praktische Untersuchung durchgeführt werden. Die Schätzung der Polarisationsparameter erfolgte mit dem sogenannten LMS (Least-Mean-Square) Verfahren. Für dieses Verfahren muss im Gegensatz zum SSPF jedoch das gesendete Signal bekannt sein. Dieses ist in Radarmessungen oft nicht messbar, so dass die Methode des WCPF mit einer Parameterschätzung mittels LMS für Radarmessungen nicht geeignet ist. In Mobilfunkanwendung oder ähnlichem, bei denen zum Beispiel während Kanalschätzungen das Sendesignal bekannt ist, könnte diese Filtermethode zum Einsatz kommen. Für beide Filtermethoden konnte ihre Funktion und Anwendbarkeit nachgewiesen werden. Sie sind jedoch für verschiedene Anwendungsfälle unterschiedlich gut geeignet.

In dieser Masterarbeit werden Algorithmen zur Strukturklassifikation in Bildern der Himmelshalbkugel untersucht und miteinander verglichen. Hintergrund ist das Ziel einer photogrammetrischen Charakterisierung des land-mobilen Satellitenkanals (z.Bsp. zur Dienstgütevorhersage satellitengestützter Kommunikationssysteme, wie mobiler Satellitenrundfunk), wobei die zu erwartende Signaldämpfung aus dem Bildbereich um die Satellitenposition herum bestimmt werden soll. Im Bild sind dazu Bereiche ohne Signaldämpfung (freie Sichtverbindung zum Himmel), Bereiche mit Signalabschattung (durch Vegetation) und Bereiche mit Signalblockierung (durch solide Objekte z.B. Gebäude) zu identifizieren. Um diese Zerlegung des Bildes in drei Klassen durchzuführen, werden verschiedene Methoden der Farbbildverarbeitung und Mustererkennung miteinander kombiniert und in ihrer Leistungsfähigkeit verglichen. Im Einzelnen betrifft dies die statistische Texturanalyse unter Nutzung von Summen- und Differenzhistogrammen auf Grauwerten und deren Erweiterung für Farbbilder. Auf Basis dieser Histogramme werden geeignete Texturmerkmale (Intra-Plane-, Inter-Plane- und Farbabstandsmerkmale im RGB- und HSV-Farbraum) extrahiert, die für die anschließende Klassifikation benutzt werden. Als Klassifikatoren kommen neuronale Netze, Support Vector Machines, Nächste-Nachbarn-Klassifikation und Gaussian Mixture Models zum Einsatz. Der Test der Bildverarbeitungsketten auf einem Datensatz von 30 manuell annotierten Bildern zeigt folgendes: Die Nutzung von Texturmerkmalen bringt eine signifikante Verbesserung der Klassifikation gegenüber reinen Farbmerkmalen. Das beste Ergebnis konnte mittels Intra-Plane-Farbtexturmerkmalen unter Verwendung eines neuronalen Netzes erzielt werden und erbrachte eine pixelweise Korrektklassifikationsrate (Accuracy) von 92.7%. Es wird auch untersucht, inwieweit sich die Ergebnisse durch eine anschließende Graph Cut-Segmentierung verbessern lassen. Hier konnte die Accuracy auf 93.9% gesteigert werden. Wird lediglich eine Strukturunterscheidung zwischen Himmel und Umgebung angestrebt (Zusammenfassung von Vegetation und Gebäuden), so kann auf dem verwendeten Datensatz eine Accuracy von 98.0% erreicht werden. Dagegen liefert das in der Literatur beschriebene Verfahren der geodätischen Rekonstruktion nur eine Accuracy von 87.0%.

In der vorliegenden Masterarbeit wird die Korrelation der langsamen und schnellen Schwundeigenschaften (slow- und fast signal variations) von Satellitensignalen mehrerer Satelliten an einem mobilen Empfänger auf Basis gemessener Signale im S-Band untersucht. Dabei werden nicht die Signale selbst, sondern Parameter aus den Kurzzeitstatistiken der Signale korreliert. Im zugrundeliegenden Kanalmodell wird dabei der langsame und schnelle Schwund additiv überlagert und mittels einer statistischen Verteilung beschrieben (Loo-Verteilung). Die drei Parameter einer solchen Loo-Verteilung sind der mittlere Signalpegel des langsamen Schwundes und seine Standardabweichung sowie der mittlere Signalpegel von Mehrwegekomponenten (schneller Schwund). Um diese Parameter aus den vorliegenden Messdaten ermitteln zu können, werden zunächst zwei Verfahren zur Schätzung der Loo-Parameter untersucht. Die eine Methode (in der Arbeit als "Filtermethode" bezeichnet) verfolgt den Ansatz, den langsamen und schnellen Schwund mit einer Filterung zu trennen. Aus den beiden getrennten Signalen werden dann die Parameter extrahiert. Die andere Methode basiert auf einer Kurvenanpassung der Verteilungsdichtefunktion an die Loo-Verteilung (in der Arbeit als "Fitting-Methode" bezeichnet). Bei ihr werden alle drei Parameter gemeinsam geschätzt. Um die Leistungsfähigkeit beider Verfahren zu bewerten, werden diese zunächst anhand von simulierten Daten getestet. Beide Methoden weisen Stärken und Schwächen auf. Während die Ergebnisse der Filtermethode eher mit einem systematischen Fehler behaftet sind, zeigt die Fitting-Methode eher stochastische Fehler. Beide Parameterschätzverfahren werden auf Messdaten von etwa einhundert Kilometern angewendet. Für sie wird die Korrelation der Loo-Parameter für den Zwei-Satelliten-Empfang untersucht. Die Korrelation wird für die kombinierten Satellitenzustände "gut-gut", "gut-schlecht", "schlecht-gut" und "schlecht-schlecht" angegeben. Die ermittelten Werte bilden die Grundlage zur Parametrisierung eines Mehrsatellitenkanalmodells.

Im Rahmen dieser Bachelorarbeit wurde untersucht, ob es möglich ist, mit Hilfe von Mikrowellen eine Person detektieren und lokalisieren zu können, die sich in einem abgeschatteten Bereich eines Raumes aufhält. Im Kontrast zu bisherigen Forschungsbestrebungen wurde hierbei kein "Through-Wall"-Szenario untersucht, sondern die Nutzbarkeit von Reflexionen und Beugungen elektromagnetischer Wellen an Grenzflächen betrachtet. Zunächst beinhaltet die Darlegung theoretische Ansätze mit denen die Lösbarkeit und Genauigkeit einer Positionsbestimmung überprüft wurde. Anschließende Messungen unter Verwendung eines Ultra-Breitband Radars mit einer Sende- und 2 Empfangsantennen wurden für eine Prüfung der angestellten theoretischen Überlegungen herangezogen. Insgesamt wurden mehrere verschiedene Messlokalitäten verwendet, um eine möglichst breite Anwendbarkeit der Techniken zu demonstrieren. In der Auswertung wurden Radarbilder analysiert, in denen sich typische Eigenschaften elektromagnetischer Wellen, wie Polarisationseffekte und Beugung, wiederfinden. Zum Abschluss der Arbeit wurden zukünftige Einsatzmöglichkeiten diskutiert und mit Forschungsprojekten der letzten Jahre in Verbindung gesetzt.

Diese Arbeit beschäftigt sich mit der Ableitung von Schwundprofilen des landmobilen Satellitenkanals aus Bildern der Umgebung. Hierzu wurde die Klassifikation der Bildinhalte mittel Expectation-Maximization-Algorithmus in die Klassen 'Himmel' und 'Objekt' genutzt. Die Ermittlung der Satellitenpositionen in den Bildern und somit der zu untersuchenden Bildbereiche wurde durch eine korrigierte Abbildungsfunktion erreicht. Diese Korrektur ist bildbasiert und nutzt die Sonnenposition in den Bildern, die durch Bildverarbeitungsalgorithmen gefunden wurde. Aus den Bereichen um die Satellitenpositionen in den Bildern wurde ein Sichtbarkeitsgrad gewonnen, der angibt, wieviel Prozent des Bereiches um diese Positionen zu der Klasse 'Himmel' gehören. Durch die gemeinsame Betrachtung des Sichtbarkeitsgrades und der Signalpegel der Satelliten, konnten charakteristische Effekte des Kanals - speziell Signalbeugung, -abschattung und -blockierung - entdeckt und nachvollzogen werden.