Deep learning based anomaly detection for visual inspection on the industrial dataset. - Ilmenau. - 64 Seiten
Technische Universität Ilmenau, Masterarbeit 2023
Die Erkennung von Anomalien in visuellen Inspektionssystemen ist entscheidend um die Qualitätskontrolle und Sicherheit in verschiedenen Industriezweigen zu gewährleisten. Deep Learning basierende Techniken haben vielversprechende Ergebnisse bei der Erkennung anomaler Daten in industriellen Datensäetzen geliefert. In dieser Masterarbeit haben wir einen neuartigen Ansatz untersucht, der auf unüberwachtem Lernen basiert unter Verwendung von Convolutional Autoencodern. Das Ziel war die Erkennung von Anomalien im Montageprozess der Fertigungshalle. Zusäetzliche wurde Yolov5 verwendet um die Kameraaufnahmen füer eine bessere Anomalierkennung aufzubereiten. Die vorliegende Arbeit untersucht die Durchführbarkeit von unüeberwachtem Lernen auf dem industriellen Datensatz und vergleicht ihn mit überwachten Lerntechniken, die an gelabelte, beschriftete Daten gebunden sind und somit erhebliche Kosten verursachen. Die bearbeiteten Forschungsfragen lauteten: (1) Können Convolutional Autoencoder effektiv Anomalien erkennen, (2) was sind die zugrunde liegenden Mechanismen, die unüeberwachte Lerntechniken effektiver bei der Erkennung von Anomalien machen als üeberberwachte Lerntechniken (3) Was sind die möglichen Grenzen und Weiterentwicklungsmöglichkeiten des vorgeschlagenen Ansatzes ? Die Ergebnisse der Arbeit zeigen, dass die Verwendung von Convolutional Autoencoder für die Erkennung von Anomalien eine wirksame Strategie für die visuelle Inspektion ist. Die Überlegenheit des unüberwachten Lernens bei der Erkennung von Anomalien ist auf seine Fähigkeit zurückzuführen, die Struktur und Muster der Daten zu erfassen und auf neue Instanzen von anomalem Daten zu reagieren. Der vorgeschlagene Ansatz erzielte eine hohe Präzision, Recall und F1-Score. Die Einschränkungen und potenziellen Bereiche für Verbesserungsmöglichkeiten liegen in der weiteren Optimierung und Validierung mit größeren Datenmengen. Insgesamt hat der Ansatz ein enormes Potenzial zur Verbesserung bestehender Verfahren der Anomalieerkennung in visuellen Inspektionssystemen.
DeModulation Reference Signal (DM-RS) densification in 5G-NR downlink. - Ilmenau. - 84 Seiten
Technische Universität Ilmenau, Masterarbeit 2023
Demodulation Referenzsignale (DM-RS) ermöglichen die kohärente Demodulation von physikalischen Kanälen in Systemen der fünften Generation (5G NR). Für multi-Layer-Übertragungen von physikalischen Kanälen ist jeder Layer assoziiert mit einem DMRS-Port, der im Zeit-Frequenzgrid des Transportblocks des physikalischen Kanals eingebettet ist. Ein Ziel dieser Arbeit ist die Erhöhung der Anzahl der verfügbaren DMRS-Ports eines 5G-Systems ohne die Erhöhung des DMRS-Overheads. Dieses erlaubt einer Basisstation (gNodeB) mehr Nutzer zu bedienen und erhöht die spektrale Effizienz von Uplink- oder Downlink-Übertragungen. In 5G Rel.15 werden bis zu 12 orthogonale DMRS-Ports unterstützt. In 3GPP Rel.18 wird die Erhöhung der DMRS-Ports bei gleichbleibendem Overhead untersucht. In dieser Arbeit werden verschiedene Methoden zur Erhöhung der Anzahl der DMRS-Ports untersucht sowie bezüglich ihrer Leistungsfähigkeit in Link- und Systemlevel-Simulationen miteinander verglichen. Zwei Methoden werden hierzu miteinander verglichen: längere Orthogonale Cover Codes (FD-OCC) als in 3GPP Rel. 15 und dünn-besetzte DMRS Resource-Allokationen im Frequenzbereich. Das FD-OCC ermöglicht die Orthogonalisierung von verschiedenen DMRS-Ports in der Code-Domain, wobei die DMRS-Sequenzen zu gleichen Zeit-Frequenz-Ressourcen gemappt werden. Für FD-OCC werden Hadamard- und Diskrete-Fourier-Transforms (DFT)-Ansätze untersucht. Ergebnisse aus Linklevel-Simulationen belegen, dass die erweiterten FD-OCC Ansätze eine ähnliche Performance wie die vorhandenen Rel. 15 Strukturen bzgl. der Kanalschätzung aufweisen. Eine dünnbesetzte Allokation der DMRS führt zu einer Verringerung der Leistungsfähigkeit bei Kanälen mit hohem Delay-Spread. Der Vergleich verschiedener FD-OCC-Längen für verdichtete DMRS-Strukturen mit Rel.15-Länge-2-OCC-Sequenz über verschiedene Interferenzniveaus hinweg wird ebenfalls in der Arbeit vorgestellt, um den Einfluss der Interferenz auf die verwendete OCC-Art und -Länge zu analysieren.
Technische Universität Ilmenau, Bachelorarbeit 2023
In dieser Bachelorarbeit wird die Winkelschätzung durch Datenfusion von räumlich getrennten, inkohärenten Radarsensoren untersucht. Im ersten Schritt wurde der Ansatz im Proof of Concept Kapitel validiert und ein dichtes, mehrlagiges Netzwerk wurde ausgewählt. Die Szenarien wurden einfach gehalten, um weiteres Verkomplizieren zu ermöglichen, wenn der Ansatz vielversprechende Ergebnisse erzielt. Danach wurden verschiedene Netzwerk-Layouts getestet, in denen die Größe der Lagen verändert wurde und Dropout-Lagen hinzugefügt wurden. Die Ergebnisse für Szenarien mit einem Ziel sahen vielversprechend aus, der Fehler war konstant niedrig. Das führte zu der Einführung eines zweiten Zieles, was das Ergebnis sofort verschlechterte. Zusammenfassend war die Leistung schlechter, als die gewöhnlicher Winkel-Schätz-Algorithmen. Um die Ergebnisse zu verbessern, wurde dem Netzwerk Distanz-Information hinzugefügt, was die Ergebnisse nicht gravierend verbesserte. Die verschiedenen Ansätze und deren Leistung wird am Ende evaluiert.
Integration und Charakterisierung eines optischen Freiraumkommunikations-Systems in ein Mehrband-Soundingsystem. - Ilmenau. - 91 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
In dieser Masterarbeit wird ein System zur optischen Freiraumkommunikation im Bereich des Infrarotspektrums in Betrieb genommen, charakterisiert und in ein Mehrkanal-Soundingsystem integriert. Das System besteht aus einem optischen Sender und einem Empfänger und Basisbandsende und -abtasttechnik in Form zweier RedPitaya-Module. Die Charakterisierung besteht aus der Vermessung der Sende- und Empfangsmodule und der Sende- und Empfangstechnik. Anschließend wird die Übertragungsstrecke getestet, indem die Übertragung einer Testwellenform auf Integrität geprüft wird. Verschiedene Synchronisationstechniken zwischen Sender und Empfänger werden evaluiert und die ausgewählte Technik implementiert. Abschließend wird das System in ein bestehendes Mehrkanal-Soundingsystem integriert.
Investigation of Radio Channel Transitions in Urban V2I Scenarios based on Measurement and Simulation Data. - Ilmenau. - 115 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Das Design von neuen Anwendungen in V2X-Kommunikation verlangt umfangreiche Kenntnisse über den Funkkanal. Bei der V2X-Kommunikation erfährt der Kanal angesichts der hohen Mobilität der kommunizierenden Knoten schnelle und möglicherweise signifikante Änderungen. Die auffälligsten Änderungen sind Übergänge zwischen verschiedene Ausbreitungszuständen, wie vom Line-of-Sight (LoS) zum Non-Line-of-Sight (NLoS) und umgekehrt. Abgesehen davon sind auch Übergänge innerhalb des NLoS Zustandes zu beobachten, wenn das Fahrzeug von einer schmalen Straße auf eine Kreuzung oder einer Hauslücke fährt. Bisher beinhalten nur wenige Kanalmodelle solche Übergänge. Das Ziel dieser Abschlussarbeit ist Untersuchungen zu diesen Transitions detailliert durchzuführen, wobei Messdaten und Simulationsdaten verwendet werden, die durch Funkkanalmessungen bzw. Raytracing-Software gesammelt werden. Darüber hinaus wird der Einfluss der Umgebung auf den Verlauf von Übergängen analysiert und verschiedene Möglichkeiten ihrer Modellierung untersucht, um sie in zukünftige Kanalmodelle miteinbeziehen zu können.
Analysis of Wireless Radio Channel Measurement Data using Machine Learning. - Ilmenau. - 75 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Die Erfassung und Bewertung der Eigenschaften des Funkkanals ist für die Entwicklung eines drahtlosen Kommunikationssystems unerlässlich. Die Merkmale, die den Kanal am genauesten charakterisieren können, werden durch die Verarbeitung durch die Verarbeitung von Daten aus Funkkanalmessungen ermittelt. Die nach der Verarbeitung generierten Parameter können je nach den Bedingungen in verschiedene Szenarien unterteilt werden. Um komplexere zugrundeliegende Muster zu finden, werden in dieser Arbeit auch unüberwachtes maschinelles Lernen auf Funkkanalmessdaten verwendet. Hier wird die Struktur mit Hilfe von RIMAX und large-scale Parameterdatensätzen untersucht. Zunächst wird die Kombination verschiedener Datenvorverarbeitungs- und Clustering-Techniken untersucht, und eine solche Kombination wird anhand der Bewertungsmetriken ausgewählt. Dann wird sie für beide Datensätze auf jede Messfahrt einzeln, auf eine Kombination von einigen Messfahrten und auf alle Messfahrten angewendet. Anschließend werden die Daten daraufhin untersucht, ob die ermittelten Muster mit einer bestimmten Umgebung übereinstimmen. Der Vergleich der Ergebnisse derselben Messfahrten ermöglicht es, die Auswirkungen der Verwendung verschiedener Datensätze zu untersuchen. In dieser Arbeit wurde festgestellt, dass die Muster des unüberwachten maschinellen Lernalgorithmus für einige Ergebnisse von der Umgebung beeinflusst wurden.
Object Tracking for Joint Communication and Sensing using Deep Learning. - Ilmenau. - 69 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Die große Entwicklung der mobilen Kommunikationssysteme, insbesondere die geplanten Entwicklungen in der nächsten Generation 6G, ermöglicht es uns, viele besondere Anwendungsfälle und Applikationen zu definieren. Einer dieser Anwendungsfälle ist ein hoch präziser Ortungsdienst parallel zur Kommunikation. Dazu ist eine Methode zur Verfolgung von mehrfach streuenden Objekten in einer Umgebung erforderlich. Diese Arbeit ist ein Versuch, das Problem der Verfolgung mehrerer Objekte in Mehrwege-Kanälen mit Hilfe von Deep Learning zu formulieren und zu lösen. Diese Arbeit formuliert das Problem der Kanalverfolgung mit Hilfe des bestehenden mathematischen Rahmens für mehrere Objekte und führt damit Simulationen durch. In dem Modell für mehrere Objekte können Objekte nach dem Zufallsprinzip unter Berücksichtigung bestimmter Wahrscheinlichkeitsverteilungen erzeugt oder entfernt werden. Der mathematische Rahmen für die Simulation von Kanälen mit mehreren Objekten verwendet endliche Zufallsmengen, um die Unsicherheit der Anzahl der Objekte darzustellen. Die Aufgabe eines Verfolgungsalgorithmus besteht darin, diese Muster auszunutzen und den Zustand der Objekte aus verrauschten Messungen zu schätzen. Ein Tracking-Algorithmus muss auch das Problem der Datenzuordnung lösen, da es keine nicht bekannt ist, welche Messung von welchem Objekt stammt. Das Lösen der fehlenden Verbindung zwischen den Messungen und den Objekten und die gleichzeitige Unterscheidung von Objekten und Störgeräuschen führt zur Lösung des Tracking-Problems. Andererseits hat Deep Learning bewiesen, dass es in der Lage ist, viele Probleme zu lösen, einschließlich der modellbasierten Probleme, bei denen das Problem mithilfe mathematischer Modelle grob formuliert werden kann, oder der Probleme ohne vorherige Modellannahmen. Deep Learning hat sich in letzter Zeit auch auf Methoden und Algorithmen der Signalverarbeitung ausgedehnt und hat seinen Platz in vielen Anwendungen gefunden. Obwohl diese Aufgabe vorwiegend mit Hilfe von Filteransätzen gelöst wird, untersucht diese Arbeit die Eignung von Deep Learning-Methoden, insbesondere der Transformer. Diese Arbeit konzentriert sich auf das Transformer-Modell und schlägt eine Architektur für das Problem der Kanalverfolgung vor. Anschließend wird ein auf dem Transformer basierendes Deep Learning-Modell entwickelt, trainiert und seine Leistung hinsichtlich der Metriken untersucht.
Testbed for surface detection with ultrasound. - Ilmenau. - 51 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Bei der zerstörungsfreien Prüfung mit Ultraschall geht es um die Erkennung und Lokalisierung von Fehlern. Der Messaufbau umfasst einen Positionierer, der die Position und Ausrichtung eines Ultraschallkopfes zu einer zu prüfenden Probe steuert. Wenn der Positionierer seine Anfangsausrichtung zur Probe nicht kennt, ist eine Kalibrierung erforderlich, bei der eine optimale Ausrichtung des Schallkopfs gefunden werden muss. Um Informationen über das Innere der Probe zu erhalten, muss der Schall in die Probe in einem optimalen Winkel eindringen, um die Energie des reflektierte Signal zu maximieren. Um die Entwicklung von neuen Kalibriermethoden zu unterstützen, wird in dieser Arbeit der Aufbau der physikalischen Hardware mit einem Raytracer nachgebildet, um so in Simulationen eine schnellere Entwicklung von Kalibriermethoden zu ermöglichen. Das vorgestellte Raytracer-Modell ermöglicht die Simulation von Messungen und geometrischen Elementen, die den physikalischen Messaufbau nachbilden. Die Ultraschallwellenfelder werden durch einen diskreten Satz von Strahlen ersetzt, unter der Annahme, dass die Betriebsfrequenz hoch und das Medium homogen ist. Die Amplitude und die Laufzeit jedes empfangenen Strahls über den Sensorbereich werden zur Modulation der Impulsform verwendet, die wiederum einen Träger moduliert, und das Gesamtfeld wird durch Summierung aller skalierten, zeitverschobenen Kopien des Signals berechnet. Auf diese Art lassen sich auch die Form des Sendeimpulses und der Öffnungswinkel programmieren, was eine Vorteil im Vergleich zu echten Messungen darstellt. Der virtuelle Messaufbau ermöglicht die Analyse von Kalibrierungsalgorithmen und ermöglicht Aussagen über Kombinationen von Parameterwerten, die in einer realen Umgebung funktionieren könnten. In dieser Arbeit werden stochastische Approximationsalgorithmen untersucht, indem verschiedene Testszenarien eingerichtet werden, um die Leistungsmetriken Konvergenzgeschwindigkeit, Genauigkeit und Robustheit zu der Algorithmen zu bewerten. Die Kalibrierungsalgorithmen automatisieren die Kalibrierung und verkürzen die Messzeit im Vergleich zur manuellen Kalibrierung, bei der der Prüfkopf in jeden Winkel bewegt und die Messung abgewartet werden muss. Die Kalibrierungsalgorithmen sind völlig unabhängig von der Datenquelle und funktionieren sowohl in simulierten als auch in realen Messumgebungen.
Enabling multi-gigasample data converters for wideband RF measurement applications. - Ilmenau. - 98 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Aktuelle und zukünftige Mobilfunkstandards erfordern Bandbreiten von über 2 GHz sowie die kohärente Verarbeitung mehrerer Transceiverkanäle für Anwendungen auf Basis von Gruppenantennen. Für die Forschung und Entwicklung auf diesem Gebiet potenziell geeignete Hardwareplattform-Typen werden in dieser Arbeit kurz verglichen. Als geeignetster Ansatz für die Realisierung generischer, ultra-breitbandiger, mehrkanaliger und kohärent abtastender Transceiver wird die Xilinx RFSoC Field Programmable Gate Array (FPGA) Plattform im Detail betrachtet. Um Abtastwerte zur Speicherung oder Verarbeitung vom RFSoC an andere Geräte des Messsystems zu übertragen, wird ein universelles, modulares und rekonfigurierbares FPGA-Design für das Streaming mehrerer kohärenter Analog-Digital-Wandler Kanäle über 100 Gbit/s Ethernet entwickelt und implementiert. Dies ermöglicht die Nutzung konventioneller Netzwerk- und Servertechnik anstelle von dedizierter proprietärer Hardware. Die Analog-Digital-Wandler der aktuellen RFSoCs erreichen Abtastraten von bis zu 5 GSa/s und ermöglichen damit eine theoretische, gleichzeitige Signalbandbreite von 2,5 GHz. In dieser Arbeit werden zwei analoge Front-End-Architekturen untersucht, die durch die Kombination zweier Kanäle die zusammenhängende Bandbreite mit flachem Frequenzgang und ohne Aliasing verdoppeln. Die theoretischen Eigenschaften des Inphase Quadratur (I/Q)-Samplings mithilfe eines 90˚-Hybridkopplers und des Interleaved-Samplings über einen Power-Splitter werden analytisch hergeleitet und die Auswirkungen nicht idealer Systemeingenschaften modelliert. Beide Front-End-Architekturen werden aufgebaut und ihre Leistung durch Messungen verifiziert, wobei das implementierte Ethernet basierte Sample-Streaming zum Einsatz kommt. Es wird gezeigt, dass die gewünschte Bandbreitenerweiterung realisiert werden kann. Bereits ohne Kalibrierung werden bis zu 36 dB Image Rejection Rate (IRR) erreicht. Die resultierenden Werte liegen hierbei in der Regel 4 bis 8 dB unterhalb der theoretischen Grenzen.
Interactive platform for demonstrating different channel modeling approaches and features. - Ilmenau. - 62 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Bei der drahtlosen Kommunikation wird die Qualität des empfangenen Signals durch Faktoren wie Empfängerempfindlichkeit, Sendeleistung, Antennenparameter, Kommunikationsfrequenz und Kanalausbreitungseigenschaften bestimmt. Das Verständnis dieser Eigenschaften ist für die Arbeit mit und für die Analyse von drahtloser Kommunikation notwendig. Die Modellierung drahtloser Kanale bei der Planung von Kommunikationsnetzen und der Bewertung der Leistung eines Kommunikationssystems für bestimmte Kanalparameter. Das Verständnis des drahtlosen Kommunikationssystems kann durch die Visualisierung verschiedener Kanalmodellierungsansätze und -eigenschaften in dreidimensionalen Darstellungen vereinfacht werden. In dieser Masterarbeit wird das Konzept einer interaktiven Plattform aus Pappkartons und Sand zur Modellierung von Kanalumgebungen zur Demonstration verschiedener Kanalmodellierungsmethoden und -funktionen vorgeschlagen. Dazu, um einige drahtlose Ausbreitungsmerkmale wie Sichtlinie, Fresnel-Zone, Beugung an einer scharfen Kante, Antennenstrahlungsmuster, Mehrwegeausbreitung, Signalabdeckung und scattering-clusters. Darüber hinaus wird ein Konzept für den Aufbau der interaktiven Plattform, der Benutzeroberfläche und der Bibliothek der Programmierschnittstellen entwickelt. Das Systemdesign und das Konzept sind anpassbar, um den Anforderungen der Benutzer gerecht zu werden. Darüber hinaus wird in dieser Arbeit eine Referenzimplementierung für das vorgeschlagene Konzept entwickelt. Die auf der dreidimensionalen Plattform erstellte Szene wird mit einer Tiefensensorkamera aufgenommen. Die Szene wird dann so skaliert, dass sie einer natürlichen Kanalumgebung ähnelt. Auf der Grundlage der angegebenen Sender- und Empfängerpositionen werden dann dreidimensionale Abbildungen entwickelt, die die Merkmale der drahtlosen Ausbreitung darstellen. Die Draufsicht dieser Abbildungen wird auf die Plattformszene projiziert, um die Visualisierung der drahtlosen Kommunikationssysteme zu zeigen. Darüber hinaus werden die Abbildungen der Merkmale auch innerhalb des dreidimensionalen Modells der Szene simuliert. Um Daten für die Implementierung von Illustrationen für die drahtlose Mehrwegeausbreitung zu demonstrieren, wird ein Ray-Tracing-Algorithmus implementiert, der auf der SBR-Methode (Shooting Bouncing Ray) basiert.