Studienabschlussarbeiten

Die Revolution in der Global Navigation Satellite Systems (GNSS) erlaubte Benutzer Anwendungen zu realisieren, die vor ein paar Jahren nicht realisierbar waren. Die Unsicherheiten in der Satelliten-Code und Phase Vorurteile und Code und Phase Multipath ist jedoch nach wie vor ein limitierender Faktor bei der Erreichung höheren Genauigkeit. Heutzutage verwenden die differentielle GPS-Techniken, die ein Netzwerk von Referenz-Receiver einsetzen, Sub-Meter oder sogar Zentimeter Höhe Positioniergenauigkeit erreichbar. Nach dem Modernisierungsplan für GPS wird ein drittes neues ziviles Signal L5 für dem Benutzer zur Verfügung gestellt. Der größte Vorteil der Verwendung vom L5 Signal gehört mit der enormen Vorteile der $L5$ Signal wie verbesserten ionosphärische Korrektur, verbesserte Signalgenauigkeit und verbesserte Störungen Ablehnung die Bildung der extra breite Spur. Laning ist der Prozess der Verwendung von zwei GPS-Signale um neue lineare Kombination bilden, die höhere Wellenlänge als zwei einzelne Signale hat. Höhere Wellenlänge des Signals Ergebnisse in leichter Mehrdeutigkeit Befestigung. Dieser Masterarbeit wurde im Rahmen der Studien und Umsetzung des dreifachen Träger Mehrdeutigkeit Auflösung Technik vorgeschlagen. Diese Technik basiert auf der Verwendung von drei modulierten Träger (TCAR), die theoretisch ermöglichen, um die Zahl der Kandidaten Punkte die Mehrdeutigkeit zu nur einem, damit präzise Navigation in Echtzeit möglich. Diese Methode funktioniert in einem schrittweisen Mode, ausgehend von der Code-Phase auf die einzelnen Trägerphase Auflösung, zwei mittlere Breite Spur Frequenzen durchlaufen. In dieser Arbeit die TCAR basierend auf verschiedene Ansätze vorgeschlagen durch M.Minghella, R.Hatch und Y.Feng wurde implementiert. Im Vergleich zu dual Mehrdeutigkeit Frequenzauflösung (Kaskade) zeigt TCAR verbesserten Genauigkeit sogar mit einer geringeren Anzahl von Satelliten L5 Signal zu unterstützen.

Diese Masterarbeit enthält ein Design-Modell Dynamic Request Control (DRC) Algorithmus für Satellitenterminals sowie die Implementierung des Algorithmus in Linux Kernel mit Simulink. Der Algorithmus basiert auf einer Bitrate Prädiktor die Exponentially basiert auf Weighted Moving Average-Algorithmus (EWMA) an die künftige Datenverkehr prognostiziert. Die DRC-Implementierung ist in Linux Kernel Version 2.6.32.59-msc6-Cavium OCTEON. Ein Teil der DRC-Modell ist zu Bitfehlerratentests auf der ND Satcom Sky WAN 5G Modem durchführen. Eine weitere Verbesserung auf dem implementierten DRC-Algorithmus wird auch als auch einen Vergleich zwischen verschiedenen linearen adaptiven bitrate Vorhersagealgorithmen analysiert. Es ist wichtig zu sagen, dass die Arbeit nicht in die Transmit Power Control Seite des Problems aussehen wird, was bedeutet, dass nur Durchschnittswerte für den durchschnittlichen Bedingungen der Satellitenkommunikation verwendet wird.

Die vorliegende Abschlussarbeit beschäftigt sich mit dem Entwurf hybrider Vorcodierung und hybrider Dekodierung für Mehrfachantennen- (sog. Multiple-Input Multiple-Output (MIMO)) Kommunikationssysteme im Millimeterwellenbereich. Als Szenario wird der MIMO Multi-X Kanal mit L Sendebasisstationen und K Empfangsstationen betrachtet, wobei jede Sendebasisstation mit allen Empfangsbasisstationen kommuniziert. Die Basisstationen sind jeweils mit mehreren Antennen ausgestattet. Aufgrund der geringen räumlichen Dimensionen der Antennenelemente im Millimeterwellenbereich ist es möglich Kommunikationssysteme mit gerichteten Antennen (sog. Antennen-Arrays) mit hohem Gewinn zu realisieren. Die Signalverarbeitung mit derartigen großen Arrays führt jedoch zu preisintensiven, komplexen Hardwarestrukturen mit hohem Stromverbrauch. Aus diesem Grund wurden in letzter Zeit hybride (analog/digitale) Methoden zur Vorcodierung/Dekodierung untersucht, die sowohl die Kosten als auch den Energieverbrauch deutlich reduzieren. Die Optimierung derartiger hybrider Systeme ist hinsichtlich der Maximierung der Summenrate ein nicht-konvexes Optimierungsproblem mit sehr hoher Komplexität. Daher werden in dieser Arbeit verschiedene Verfahren zur Komplexitätsreduktion untersucht, die eine getrennte Optimierung im analogen und digitalen Bereich erlauben. Die vorgeschlagenen Lösungen basieren auf bekannten Ansätzen zur Blockdiagonalisierung und Minimierung des mittleren quadratischen (MMSE) Fehlers unter Verwendung von partieller Kanalkenntnis an den Basisstationen. Zur Bewertung der Leistungsfähigkeit und Analyse der Komplexität der Algorithmen wurden Simulationen mit verschiedenen Parametern durchgeführt und ausgewertet. Außerdem wurde eine Beziehung zum erreichbaren Multiplexing Gewinn an jeder Basisstation abgeleitet. Ebenso wurden verschiedene suboptimale Methoden basierend auf der "Gaussian randomization"-Methode zur Realisierung der analogen Vorkodierung/Dekodierung untersucht.

In digitaler Signalverarbeitung werden Signale traditionell basierend auf dem Nyquist-Shannon Theorem abgetastet. Verwendet man mindestens das Doppelte der höchsten im Signal vorkommenden Frequenz als Abtastrate, so geht dabei keine Information verloren. In manchen Anwendungen ist es aufgrund physikalischer Gegebenheiten, wie zum Beispiel der zu geringen Geschwindigkeit der Analog-Digital-Wandlers, nicht möglich diese Anforderungen zu erfüllen. Kürzlich wurde eine neue Theorie unter dem Namen "Compressive Sampling" (CS) bekannt, welche eine verlustfreie Signalrekonstruktion bei Messraten unterhalb der Nyquist-Rate für eine bestimmte Klasse von Signalen ermöglicht. Diese Signale nennt man komprimierbar oder sparse, da sie in einer Basis mit wenigen Koezienten beschreibbar sind. Die vorliegende Arbeit beschäftigt sich mit dem "Multiple Measurement Vector" (MMV) CS Signalmodell. Das MMV-Modell geht davon aus, dass aufeinanderfolgende gemessene Vektoren in der gleichen Basis gemeinsam sparse sind. Das "Sparsity Pattern", also die Position der von Null verschiedenen Werte, kann sich jedoch im Zeitverlauf ändern. Deshalb erweitern wir in dieser Arbeit den stationären Ansatz zu einem quasistationären, der spontane Änderungen des Sparsity Patterns zulässt. Dazu wird ein Konzept vorgeschlagen, welches die Änderung dieser Patterns über der Zeit abschätzt. Darauf basierend werden dann mehrere statische Zeitfenster unabhängig voneinander ausgewertet und rekonstruiert. Dazu ist ein geeignetes "Messfenster" nötig, welches adaptiv bestimmt wird. Die numerischen Ergebnisse dieser Überlegungen führen zu einer deutlichen Verbesserung der Rekonstruktionsleistung in einem breiten Bereich des Signal-Rausch-Verhältnisses.

Compressed Sensing (CS) stellt einen neuen Ansatz in der Erfassung analoger Signale dar. Mit Hilfe von CS können bestimmte Signale aus Abtastwerten, die mit einer Messrate unterhalb der Shannon-Nyquist-Grenze aufgenommen wurden, verlustfrei rekonstruiert werden, vorausgesetzt, dass diese Signale eine dünn besetzte (,,sparse\) Darstellung in einer geeigneten Basis besitzen. Auf diese Weise kann durch CS der Messaufwand reduziert und die Messgeschwindigkeit erhöht werden. CS hat sich bereits in zahlreichen Anwendungsfeldern etabliert, darunter medizinische Bildgebung, Radar, Sensornetze, Cognitive Radio, Parameterschätzung und viele weitere. In dieser Arbeit wird die Anwendung von CS auf das Laser-Lichtschnitt-Scanverfahren untersucht. Hierbei sind die einzelnen Scans selbst bereits sparse sind (darüber hinaus lassen sie sich im Raum, der durch schrittweise Verschiebung der einfallenden Pulsform entsteht, sparse darstellen). Die Ermittlung des Höhenprofils aus den Laserscans eines Objektes wird als Parameterschätzproblem modelliert. Anhand dessen werden Simulationen sowie theoretische Untersuchungen durchgeführt. Dabei wird zwischen zwei Rauschmodellen unterschieden: additives weißes Gaußverteiltes Rauschen (AWGN) sowie poisson verteiltes Rauschen. Praktisch liegt bei der Bildgebung immer eine Überlagerung beider Rauschphänomene vor, wobei es von der Helligkeit des Bildes abhängt, welcher Effekt dominiert. In dieser Arbeit werden die Effekte vereinfachend getrennt betrachtet. Anhand vom Verlauf der Cramer-Rao-Schranke (CRLB) im Fall von AWGN wird gezeigt, dass die erreichbare Schätzgenauigkeit des Höhenprofils mit CS vergleichbar ist zum unkomplizierten Fall. Da die CRLB die Leistungsfähigkeit von CS-Verfahren bezüglich der Kompressionsrate, Bildgröße und Variation der Linienposition über das Bild nicht vollständig beschreiben kann sind hier weitere Untersuchungen nötig. Für den Fall von poisson verteiltem Rauschen wird in der Arbeit eine CRLB hergeleitet. Die Ergebnisse zeigen, dass die Schätzung des Höhenprofils aus komprimierten, Poisson-gestörten Messungen grundsätzlich schwieriger ist als im AWGN-Fall. Dies kann zum Teil durch die Wahl der CS-Messmatrizen erklärt werden, was weitere Untersuchungen motiviert, wie bessere Matrizen gewählt werden können und wie die Linienpositions-Schätzung verbessert werden kann. Neben den theoretischen Diskussionen wird die erreichbare Genauigkeit von verschiedenen Schätzmethoden für die Höhenprofile systematisch bezüglich erreichbarer Auflösung, Abweichung der Schätzung und Laufzeit untersucht, wobei sowohl CS-Verfahren als auch klassische Methoden zum Einsatz kommen. Die Untersuchungen werden auf Daten aus SOLSimulationstools sowie auf real gemessenen Daten durchgeführt.