Studienabschlussarbeiten

Connected devices and mobile broadband are transforming our life to be a networked society where every device can benet from the network, will be connected. Ericsson estimates that by year 2020 there will be 50 Billion connected devices. This big transformation will change every industry and the way we are living and doing business. LTE as the most advanced and the fastest growing cellular network is playing a major role in this transformation. LTE was designed to serve the need of human usage of data with high throughput and data rate for video and web applications. But the Internet of Things or the Machine Type Communication which will need to be connected via LTE add enormous challenges on the network to be able to deal with huge amount of devices with totally different behaviour and protocols. A lot of new standards and new features have been added to LTE new releases of release 12 and 13 which are referred to as LTE-M or LTE for machine type communication which can adapt to the new requirements for new connected devices. In the context of this thesis, the performance of LTE network has been studied for different machine type communication applications. Different MTC use cases are studied such as smart charging stations for electric vehicles, smart meters communication and wearable devices like watches healthcare monitoring and e-bikes. Evaluating the system level performance of LTE to handle different connected machines behaviour and communication requirements. Also evaluating new categories of devices category 0 standardised in release 12, for low cost and low complex devices. Latency reduction technique has been studied and applied in all scenarios to reduce the latency of messages from the low cost devices which user high delays of sending packets because of the new low complexity requirements. This latency reduction will be standardised in LTE release 14 and will be a critical feature for the future 5G networks. These simulations have been carried out using an Ericssons radio simulation tool which simulates large scale real life network scenarios.

Diese Arbeit befasst sich mit der Synthetic Aperture Focusing Technique (SAFT) für Ultraschall Impuls Echo Messungen. SAFT ist eine wichtige Bildrekonstruktionsmethode, die im Ultraschall großflächig Anwendung findet. Sie erlaubt das korrekte Bestimmen und Bemessen von Rissen, Einschlüssen und anderen Fehlerstellen in Festkörpern. In der Literatur wurden eine Reihe verschiedener SAFT-Algorithmen entwickelt, die im Zeit oder Frequenzbereich arbeiten. Diese sind nicht äquivalent im Hinblick auf Bildgebungsqualität, Laufzeit und Anforderungen an die Rechenhardware. Diese Arbeit stellt die Algorithmen für kubische isotropische homogene feste Testkörper gegenüber. Es werden sowohl die Bildgebung als auch die Anforderungen an Rechenzeit und Arbeitsspeicher untersucht, so dass eine Grundlage für zukünftige angepasste Entwicklungen gelegt wird. Die Algoritmen wurden in einem einheitlichen Framework implementiert. Implementierungsdetails werden aufgeschlüsselt. Zwei Heuristiken für die Zeitbereichsprozessierung werden dargestellt. Zwei verschiedene Interpolationsmethoden für die Frequenzbereichsverfahren, die eine Stolt-Abbildung im Frequenzbereich nutzen, werden entwickelt. Es wird gezeigt, dass diese entweder die bestmögliche Rekonstruktionsqualität liefern oder einen Abgleich zwischen Qualität und Rechenzeit erlauben. Die asymptotische Komplexität der Algorithmen wird untersucht. Dabei stellt die Dimension der Messdaten den Haupteinfluss auf die Rechenzeit dar. Diese theoretischen Erkenntnisse werden durch Messungen fundiert. Die Arbeitsspeicheranforderungen der Algorithmen wird theoretisch untersucht. Darauf basierend werden in der Praxis beobachteten Spitzenwerte für eine Reihe von Messungen diskutiert. Auf Grundlage eines einfachen Vorwärtsmodells werden Messdaten synthetisiert, die eine Untersuchung der Fokusierung durch die Algorithmen erlauben. Es werden drei Messszenarien betrachtet, wobei der Einfluss der Wellenlänge des Sendesignals sowie schattierter Messdaten beleuchtet werden. Schlussendlich werden die bisherigen Ergebnisse sowie deren Praxistauglichkeit anhand von Messdaten, die vom Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP bereitgestellt wurden, verifiziert.

Die vorliegende Bachelorarbeit gibt einen Überblick über die Grundlagen von Radarsystemen und befasst sich anschließend mit der Funktionsweise eines Korrelationsradars auf UWB-Basis. Ziel der Arbeit ist die Entwicklung eines Algorithmus zur Detektion und Klassifizierung von im Sensorbereich eines solchen Systems ausgeführten Bewegungen, um die Nutzung von Steuerungsgesten im Automobilbereich, z.B. für das Öffnen des Kofferraums, zu ermöglichen. Für die Datengewinnung wird ein Testaufbau entwickelt, der ein an einer Fahrzeugheckstoßstange befestigtes auf Ultra-Breitband-Technik basierendes Radarsystem enthält. Damit werden verschiedene Bewegungsszenarien erfasst und die hierbei erhaltenen Messdaten mit Hilfe von Matlab analysiert und ausgewertet. Dafür werden die Daten mittels digitaler Signalverarbeitung zunächst entsprechend vorverarbeitet. Basierend auf physikalischen Eigenschaften werden daraus Merkmale bestimmter Bewegungen ermittelt und mit den Daten abgeglichen. Hieraus wird ein Algorithmus entworfen, mit dessen Hilfe die während der Messungen durchgeführten Bewegungen detektiert und klassifiziert werden können. An einem konkreten Beispiel wird der Ablauf des Algorithmus dargestellt und basierend auf sämtlichen während der Arbeit aufgenommenen Daten die Erfolgsrate für verschiedene Varianten der Klassifizierung untersucht. Dabei wird auch auf die Klassifizierungsschwierigkeiten und die Möglichkeiten zur Optimierung eingegangen.

Diese Arbeit befasst sich mit dem Entwurf und der Implementierung eines geeigneten Kalibrationsalgorithmus zur Erzeugung einer ebenen Welle mithilfe der MIMO-OTA-WFS. Zur Beschreibung der Wellenfelder realer Funkkanäle werden geometrische Kanalmodelle verwendet, welche mittels Superposition ebener Wellen ein Ausbreitungsszenario beschreiben. Over-the-Air-Testsysteme sind hierfür besonders geeignet, da diese mithilfe einer Vielzahl von Antennen ebene Wellen aus beliebigen Richtungen erzeugen. Für die WFS ist es nötig, die Signale der OTA-Antennen in Betrag und Phase exakt zu bestimmen. Dementsprechend ist ein Kalibrationsalgorithmus, welcher mit möglichst geringem Hardware- und Zeitaufwand eine ebene Welle erzeugt, das Ziel dieser Arbeit. Die Kalibration besteht aus der Hardwarekalibration sowie der Berechnung der WFS-Signale. Die Hardwarekalibration kompensiert die Frequenzgänge der verwendeten Geräte, sodass diese keinen Einfluss auf das OTA-System haben. Zur Berechnung der WFS-Koeffizienten existieren der High- sowie der Basic-Performance-Mode. Der HPM berechnet die WFS-Koeffizienten über der kompletten Bandbreite im Frequenzbereich. Aufgrund der vollständigen Berechnung sowie der blockweisen Verarbeitung im Frequenzbereich besitzt der HPM eine große Grundlaufzeit und ist somit nicht für Szenarien mit kurzen Signallaufzeiten geeignet. Der BPM, welcher in den meisten derzeitig verfügbaren kommerziellen Systemen implementiert ist, berechnet die WFS-Koeffizienten im Zeitbereich und nutzt lediglich einige wenige Koeffizienten zur Synthese des Wellenfeldes. Diese Methode resultiert in sehr geringen Grundlaufzeiten und eignet sich besonders für kurze Signallaufzeiten. Der Nachteil des BPM liegt in der geringen Anzahl der Koeffizienten, welche gegebenenfalls fehlerbehafteten Wellenfelder erzeugen und nur Kanalmodelle mit wenigen Ausbreitungspfaden abbilden können. In dieser Arbeit werden die aus dem HPM und BPM resultierenden Wellenfelder verglichen und analysiert. Darüber hinaus besteht die Hauptaufgabe dieser Arbeit in der Entwicklung eines geeigneten Algorithmus, welcher im BPM ein möglichst genaues Wellenfeld mit wenigen Koeffizienten erzeugt. Der vorgestellte Algorithmus wird erläutert und sowohl durch Simulationen und Messungen verifiziert. Es wird gezeigt, dass der Algorithmus trotz Unzulänglichkeiten im Testsystem gute Wellenfelder synthetisiert.

In diesem Projekt haben wir verschiedene nicht überwachte Algorithmen ausgeführt, um die Cluster von MIMO -Mehrwegekomponenten (MPCs) zu erkennen, ohne Vorgabe der Clusteranzahl. Improved Subtractive ist ein Initialisierungsalgorithmus, der wir anhand des Subtractive Algorithmus entwickelt haben, welcher sehr empfindlich auf einen spezifischen Parameter ist. Unsere Methode benötigt keine Vorkenntnisse über den Datensatz. Im Anschluss haben wir den Algorithmus erweitert, und ihn somit zu einem vollständigen Cluster-Algorithmus weiterentwickelt. Wir führten psSubtractive ein, was eine Vereinfachung des "Improved Subtractive" ist. Er wählt MPCs aus dem Datensatz, und sendet nur wenige dieser Proben zum "Improved Subtractive" Algorithmus, was die Komplexität vermindert. Chameleon ist ein hierarchischer Graph-Cluster-Algorithmus. Unser Ansatz ermöglicht nun die Clusterbildung ohne vorherige Informationen über den Datensatz, so dass wir seine Empfindlichkeit durch die Reduzierung der Parameteranzahl verringern konnten. Wir führten Denclue2.0 ein, und haben es derart optimiert, dass die Clusterbildung ohne Wiederholungen des Algorithmus durchzuführen ist. Es ist ein dichte-basierter Algorithmus, welcher die Cluster in unterschiedlichen Größen und Formen erkennen kann. Des Weiteren verbesserten wir MR-DMS durch Vermeiden des Problems des Ausschneidens einiger MPCs. Auch optimierten wir IG-CS + K-Means durch Verwendung des Mittelwerts aller Fusionen anstatt wie bisher XB. Wir verwendeten die Algorithmen auf unterschiedliche WINNER Szenarien und verglichen die Ergebnisse mit MR-DMS, IG-CS+KMeans+MoF und IG-Czink. Dabei konnten wir feststellten, dass unsere Algorithmen verglichen mit den bisher verwendeten besser bezüglich Genauigkeit der Ergebnisse und Komplexität sind oder in einem von beiden Punkten die bisherigen Algorithmen übertrafen. Es zeigt sich, dass psSubtracitve den wenigsten Rechenaufwand benötigt, während Chameleon und Denclue2.0 die genauesten Algorithmen sind. Der ausgewogenste Algorithmus, der die besten Ergebnisse bei geringster Komplexität gibt, ist der Improved Subtractive. Er ist ein automatischer Algorithmus, der sowohl für eine Ausgangsabschätzung als auch eine vollständige Clustering-Prozedur verwendet werden kann. Er gibt bessere Ergebnisse als die anderen Algorithmen und das bei sehr geringer Komplexität.