Publikationen

In den vergangenen Jahrzehnten haben drahtlose Kommunikationssysteme eine rasante Entwicklung durchgemacht und es wurden viele Untersuchungen durchgeführt, seit Maxwell die Existenz von elektromagnetischer Wellen vorausgesagt hat. In den letzten Jahren hat die Forschung im Bereich der vehicle to X (V2X)-Kommunikation stetig zugenommen. V2X beschreibt die Fähigkeit, Daten zwischen einem Fahrzeug oder vehicle (V) und “allem” zu übertragen. In Zukunft könnten Fahrzeuge mit ihrer Umgebung kommunizieren, um Verkehrsunfälle zu vermeiden und Staus zu verringern. Dazu werden sie ihr Geschwindigkeits- und Positionsdaten über Ad-hoc-Fahrzeugnetze senden und empfangen können. Um die Verkehrssicherheit zu erhöhen, ist eine zuverlässige Kommunikationsverbindung notwendig. Die größte Herausforderung bei der Fahrzeugkommunikation besteht darin, dass sich die Eigenschaften des Physical Layers aufgrund der inhärenten Mobilität innerhalb des Kanals, der hohen Fahrzeuggeschwindigkeiten, der unterschiedlichen Antennenpositionen und der vielen Handover aufgrund kleinerer Zellen schnell ändern. Dies bringt eine Reihe von Herausforderungen in Bezug auf die Kanalcharakterisierung mit sich. Es handelt sich um einen Kanal mit starker Zeitvarianz und es treten viele Übergänge auf. Somit handelt es sich um einen nicht-stationärer (non-stationary) Kanal. Das Hauptziel dieser Untersuchung ist es, eine Methode zu finden, mit der der Kanal einer komplexen Umgebung in einer einfachen Form mit weniger strengen Beziehungen zur Geometrie dargestellt werden kann. Dabei werden die statistischen Eigenschaften ähnlich der Messdaten beibehalten. In dieser Arbeit werden nichtstationäre tapped delay line (TDL)-Modelle verwendet, um vehicle to infrastructure (V2I)-Kanäle zu beschreiben. Es wird eine neue Strategie zur Extraktion von TDL-Kanalmodellparametern aus Messdaten vorgeschlagen. Dieser Ansatz basiert auf einer bestehenden Methode zur Ableitung von Parametern für ein TDLModell. Es wird gezeigt, dass mit einer anderen Methode zur Auswahl der Taps die Anzahl der Abgriffe, die zur Rekonstruktion der root mean square delay spread (RMS-DS) eines Kanals erforderlich sind, erheblich reduziert werden kann. Ein neuer Ansatz zur überprüfen der Korrektheit der Ableitung der Kanalmodellparameter wird aufgezeigt. Die Durchführbarkeit der Methode wird anhand von Channel Sounding Messungen bestätigt. In dieser Dissertation wird ein Generator zur Erzeugung von Kanalimpulsantworten entwickelt und das nichtstationäre Verhalten der Kanäle durch die Verwendung eines ON/OFF-Prozesses beschrieben. Es werden Markov-Ketten unterschiedlicher Ordnung modelliert, um das nicht-stationäre Verhalten besser zu erfassen. Die Untersuchung zeigt, dass Markov-Ketten erster Ordnung mit zwei Zuständen vorzuziehen sind, um das häufige ON/OFF-Verhalten von Mehrwegpfaden darzustellen, und dass die Markov-Modelle zweiter und dritter Ordnung keine großen Auswirkungen haben. Eine Methode zur Erweiterung eines single input single output (SISO)-TDL-Modells auf multiple input multiple output (MIMO) unter der non-wide sense stationary uncorrelated scattering (non-WSSUS)-Annahme wird eingeführt, um TDL-Kanalmodelle für V2I MIMO-Systeme zu entwickeln. Die Analyse bewertet die SISO- mit der MIMO-Konfiguration in Bezug auf die Kanalkapazität. Es werden verschiedene MIMO-Konfigurationen untersucht, und es wird gezeigt, dass die Position der Antennen eine wichtige Rolle spielt. Die Verwendung von nur vier Antennen am transmitter (Tx) und receiver (Rx), die in unterschiedliche Richtungen abstrahlen, führt zu einem qualitativen Sprung in der Leistungsfähigkeit des Systems.

In dieser Arbeit werden zwei verschiedene Elektroenzephalographie (EEG) Aufnahmemethoden durch Anwendung von Tensor-basierter Signalverarbeitung untersucht und verglichen. Die zugrunde liegende Reihe an Versuchen wurde vom Institut für Biomedizinische Technik und Informatik geleitet. Hierbei wurden Gel-basierte Elektrodenkappen mit trockenen verglichen. Nachdem die bisherigen Verarbeitungsschritte dargestellt werden, werden Frequenz und Zeit-Frequenz Eigenschaften der aufgenommenen Referenzsignale über die Fast-Fourier-Transform (FFT), die Continuous-Wavelet-Transform (CWT) und die Wigner-Ville-Distribution (WVD) bestimmt. Nachdem in mehreren Ansätzen Parameter für die Tensorverarbeitung bestimmt werden, werden zwei fundamentale Zerlegungsverfahren, die Canonical-Polyadic-Decomposition (CPD) und die Block-Term-Decomposition (BTD) vorgestellt, auf ihre Anwendbarkeit hin untersucht und angewandt. Die generierten Signalkomponenten bilden anschließend die Grundlage für eine Analyse in Bezug auf die Aufnahmemethode, die verwendete Zeit-Frequenz-Analyse und anfänglich implementierten nachträglichen Verarbeitungsschritten.

In dieser Arbeit wird ein dezentralisiertes Modell für digitale Produkte vorgestellt, das dem Bedarf an umfassender Sicherheit gerecht wird und gleichzeitig die Agilität und Flexibilität des Gesundheitswesens erhält. Das Modell schafft einen Rahmen, der das Fachwissen sowohl von Produktteams als auch von einem zentralen SecOps-Team nutzt. Der Schwerpunkt liegt auf der Automatisierung eines dezentralisierten Frameworks für die Verwaltung des DDoS-Schutzes (Distributed Denial of Service) und der Einrichtung einer WAF (Web Application Firewall) für verteilte digitale Produkte, während gleichzeitig eine zentralisierte, codegesteuerte Governance für Sicherheit, Überwachung und Compliance beibehalten wird. Ziel ist es, die Verbindungen zwischen den Räumlichkeiten des Kunden und den öffentlichen Endpunkten, die von den Produkten mit Kundenkontakt genutzt werden, zu rationalisieren und zu vereinfachen. Um dies zu erreichen, wird die Konnektivitätsplattform als eine Infrastruktur eingeführt, die eine sichere, konforme, kontrollierte und konsistente Netzwerkkonnektivität für die beteiligten Systeme bietet, trotz der geteilten Verantwortung zwischen mehreren Parteien. Cloudflare wird als zentrale Plattform für die Verwaltung des eingehenden Datenverkehrs und das Hosting digitaler Produkte ausgewählt. Die Connectivity Platform nutzt verschiedene Cloudflare-Services wie Content Delivery Networks (CDN), Argo Tunneling, Bring Your Own IP (BYOIP), Data Localization Suite (DLS), WAF und DDoS-Schutz. Dies verbessert das dezentralisierte Modell, indem es die Netzwerkkonnektivität von Edge-Räumlichkeiten zur Platform Cloud & Edge Infrastructure hervorhebt. Plattformkonnektivität besteht aus gemeinsam genutzten oder gemeinsamen technologischen Diensten und Ressourcen, die von digitalen Produkten zur Verbesserung, Optimierung und Sicherung ihrer Abläufe genutzt werden. Sie folgt dem DevSecOps Paradigma (Development Security Operations), um sowohl eine horizontale Skalierung (über mehrere Produkte und Edge-Standorte hinweg) als auch eine vertikale Skalierung (erhöhter Durchsatz und Anzahl der Verbindungen) zu ermöglichen. Die Einrichtung von Cloudflare wird mithilfe eines GitOps-basierten Betriebsmodells verwaltet, das fortschrittliche Servicefunktionen umfasst. Das Design und die Implementierung der Connectivity Platform zielen darauf ab, die Einhaltung der regulatorischen Anforderungen zu gewährleisten, die üblicherweise für unterstützte Produkte gelten. Sicherheitsbelange werden während des gesamten Lebenszyklus der Softwareentwicklung berücksichtigt, wobei DevSecOps-Prinzipien zum Einsatz kommen. Die Integration von Terraform Cloud (TFC) und GitLab bietet Unternehmen die Möglichkeit, Infrastructure as Code (IaC) sicher zu skalieren und dabei den Schwerpunkt auf Zusammenarbeit und Governance zu legen. Es wurde ein Testrahmen entwickelt, um das ordnungsgemäße Funktionieren der Cloudflare-Konfigurationen zu gewährleisten, wobei Parameter wie Datenlokalisierung, WAF, DDoS-Schutz und die Validierung der Endpunktsicherheit von Zonenmodulen berücksichtigt wurden. Die Leistungsbewertung wird unter Verwendung des für die Connectivity Platform implementierten dezentralen Modells durchgeführt. Das Cucumber Behaviour Driven Development (BDD)-Framework wird für automatisierte Tests verwendet, wobei Testprotokolle und Berichte über die CI-Pipelines von GitLab generiert werden. Zu den Leistungsbewertungen gehören das Senden kontinuierlicher Anfragen an die Endpunkte der Connectivity Platform, die Analyse von Regeln zur Ratenbegrenzung, die Messung des Prozentsatzes blockierter Transaktionen, die Bewertung der Netzwerklatenz für DDoS-verwaltete Regeln, der Vergleich von normalem Datenverkehr mit DDoS-Angriffen und die Messung der Secure Sockets Layer (SSL)-Leistung anhand von Metriken wie Transactions Per Second (TPS) und gleichzeitigen Verbindungen, um die Prävention von DDoS-Angriffen zu verbessern und die Zuverlässigkeit und Sicherheit der SSL-Infrastruktur zu analysieren.

Despite the large volume of research on the field of model order selection, finding the correct rank number can still be challenging. Propagation environments with many scatters may generate channel multipath components (MPCs) which are closely spaced. This clustering of MPCs in addition to noise makes the model order selection task difficult for wireless channels which can directly impact user equipment (UE) throughput, e.g., wrong lower rank approximation for channel estimation via Unitary ESPRIT. In this paper, we exploit the multidimensional characteristics of MIMO orthogonal frequency division multiplexing (OFDM) systems and propose an artificial intelligence and machine learning (AI/ML) method capable of determining the number of MPCs with a higher accuracy than state of the art methods in almost coherent scenarios. Moreover, our results show that our proposed AI/ML method has an enhanced reliability as the threshold for signal singular value selection is 80 %.

Mobilfunknetze entwickeln sich kontinuierlich weiter, um steigende Anforderungen an Zuverlässigkeit, Datenraten und Netzwerkkapazität zu erfüllen. Fortschrittliche Funktionen auf der physikalischen Schicht, wie Multiple-Input-Multiple-Output (MIMO) Systeme, Strahlformung und Multi-User-MIMO, die in 5G und und darüber hinaus eingeführt werden, basieren auf der effektiven Ausnutzung der räumlichen Charakteristika des Kanals, die wiederum von den genauen Positionierungsfähigkeiten des Systems abhängen. Der Fokus dieser Arbeit liegt auf der Minderung des Problems der räumlichen Aliasing bei der Schätzung des Empfangswinkels an einem Empfänger, der mehrere Antennen verwendet. Die Aliasing-Artefakte werden beobachtet, wenn das Nyquist-Shannon-Abtasttheorem im räumlichen Bereich verletzt wird, aufgrund der Herausforderungen, die bei der Konstruktion von Antennenarrays auftreten, die in den Sub-Terahertz- und Terahertz-Frequenzbändern arbeiten. Zunächst werden die Auswirkungen von Aliasing auf die Korrelationsfunktion untersucht, die bei Maximum-Likelihood (ML) Schätzern auftreten. Zwei Ansätze zur Minderung dieser Effekte werden vorgeschlagen, nämlich (1) Breitband-Modellierung der Antennenantwort und die Verwendung von Frequenzdomänen-Messungen, um für die Winkel- und frequenzabhängigen Phasenverschiebungen zu berücksichtigen, die über das Array beobachtet werden, und (2) die Verwendung von nicht-einheitlichen Abtastschemata zur Minderung von Aliasing, die ausschließlich auf räumlichen Messungen basieren. Darüber hinaus profitiert der erste Ansatz von der Verwendung großer Messbandbreiten, daher greifen wir auf Ideen aus dem Bereich des Compressed Sensing zurück, um eine Methode vorzuschlagen, die die erforderliche Betriebsbandbreite reduziert, während eine ähnliche Schätzfehlerleistung erhalten bleibt. Durch die Verwendung von synthetischen Arrays und Monte-Carlo-Simulationen zeigen wir, dass diese Methode auf beliebige Array-Geometrien anwendbar ist und eine signifikante Reduzierung der erforderlichen Bandbreite durch einen Kompressionsoperator ermöglicht, der offline trainiert wird. Die in dieser Arbeit untersuchten Techniken können auch analog auf die Schätzung des Sendewinkels angewendet werden, wo das Shannon-Nyquist-Abtasttheorem am Sendearray verletzt wird.