Sprungmarken

Servicenavigation

TU Dortmund Webseite TU Dortmund

Hauptnavigation

Sie sind hier:

Bereichsnavigation

Hauptinhalt

Forschung



Das Arbeitsgebiet Datentechnik (DT) beschäftigt sich mit dem Entwurf und der Implementierung von Verfahren der Informationstechnik und Signalverarbeitung. Die Umsetzung der Verfahren auf konkrete Rechnerarchitekturen(Signalprozessoren, FPGA, integrierte Schaltungen) und die Realisierung in elektronischen Endgeräten (System-on-Chip) werden dabei für verschiedene technische Anwendungen untersucht: mobile Kommunikationssysteme (UMTS, LTE), Global Positioning System (GPS), elektrische Energieversorgung. Beim Entwurf der Verfahren spielt die Wechselwirkung von Algorithmus und Architektur der Realisierung eine wichtige Rolle, aber auch die Randbedingungen der konkret untersuchten technischen Anwendung (Echtzeit, Verlustleistung, Rauschen) fließen in das Entwurfskonzept ein.

Im Rahmen des EffizienzClusters LogistikRuhr (BMBF) besteht eine Kooperation mit der Deutschen Post AG und Infineon. Eine enge Zusammenarbeit in der Forschung erfolgt mit der Leibnitz Universität Hannover (Prof. W. Mathis) und der National Taiwan University of Science and Technology (Prof. S.-J. Ruan). Weitere Förderprojekte befassen sich mit Anwendungen der Parameterschätzung in Energienetzen (DFG), der adaptiven Modellierung von Energiesystemen (DFG Forschergruppe) und der Implementierung von irregulären Algorithmen mit Network-on-Chip Konzepten (DFG). Außerdem besteht eine Industriekooperation im Bereich Mobilfunk.

Folgende Themengebiete werden bearbeitet:

  • Kooperative Positionierung in mobilen Ad-Hoc Netzwerken
  • Positionierung von RFID Tags
  • OFDM Systeme mit reduziertem zyklischen Präfix für LTE
  • Adaptive Decodierung von Faltungscodes
  • Methoden der Signalverarbeitung in der elektrischen Energieversorgung
  • Schwach besetzte Matrixprobleme auf Network-on-Chip Architekturen
  • Blinde Entzerrung unter Verwendung von Wasserzeichen
  • Konvexe Optimierung in Kommunikationsproblemen
  • FPGA und ASIC Implementierung der entwickelten Verfahren


Signalverarbeitung und Klassifikation biomedizinischer Signale in Sensornetzwerken

Im Bereich der Biomedizin gewinnen kostengünstige und effiziente Methoden der Signalverarbeitung immer mehr an Bedeutung. Am Körper angebrachte Sensornetzwerke, welche als “Body Sensor Networks” bezeichnet werden, bestehen aus diversen Sensortypen und gewährleisten eine kontinuierliche Messung von Körperfunktionen. Zum Einsatz kommen hier unter anderem Sensoren für die Oberflächenelektromyografie, die Elektrokardiografie sowie Beschleunigungssensoren oder Gyroskope.

Die Daten der Sensoren eines Body Sensor Networks werden aufbereitet und miteinander kombiniert, sodass unter Zuhilfenahme von Klassifikationsmethoden der gesundheitliche Zustand eines Menschen beurteilt werden kann. Auch in Bezug auf Verletzungsprävention und Einschätzung von eingeleiteten medizinischen Maßnahmen können diese Ergebnisse sehr wichtig sein.

Durch die Weiterentwicklung von Body Sensors Networks können in Zukunft komplizierte Messaufbauten ersetzt werden. Hierbei erweist sich der Einsatz dieser Sensornetzwerke als besonders aussichtsreich, da unabhängig von einem Messlabor die Datenerfassung während den alltäglichen Bewegungsabläufen durchgeführt werden kann. Somit kann die Beurteilung des gesundheitlichen Zustands langfristiger und auch präziser erfolgen.

Ziel unserer Forschungen ist die Entwicklung von Werkzeugen für die geschickte Klassifikation von Ausgangssignalen biomedizinischer Sensoren. Hierbei nimmt die Kombination der Signale einzelner Sensoren in einem Netzwerk eine besondere Rolle ein. Im Gegensatz zur isolierten Betrachtung eines Signals kann die Hinzunahme von weiteren Sensoren die Effizienz der Resultate erhöhen.

Bevor aber das Zusammenspiel der Messwerte bzw. die Klassifikation erfolgen kann, müssen die Sensordaten aufbereitet werden. Die Herausforderung besteht hierbei in der Trennung von Nutzsignalen und Artefakten. Die zuletzt genannten Störsignale können unterschiedlicher Herkunft sein und haben einen deutlichen Einfluss auf die Ausgangssignale. Ein Beispiel hierfür ist die Veränderung des Hautwiderstandes während einer Messung durch schwankende Schweißabsonderung. Demzufolge besteht die Aufgabe in der Beseitigung dieser Artefakte mit den Methoden der Signalverarbeitung. Neben dieser Filterung der Signale ist auch die Extraktion von bestimmten Parametern(z.B. Standardabweichung, Mittelwert, Medianfrequenz, Unterräume, usw.) für die Klassifikation unumgänglich.

Abschließend wird durch die Zuordnung der extrahierten Parameter zu vorher definierten Klassen der Zustand des Systems(Mensch) beurteilt.

Adaptive Modellierung und echtzeitfähige Identifikation von transkontinentalen Energieübertragungssystemen

Elektrische Übertragungsnetze in Europa werden immer näher an ihren zulässigen Grenzen betrieben als Folge der Liberalisierung und fluktuierender Einspeisung durch erneuerbare Energieen. Zur Gewährleistung der Zuverlässigkeit und Sicherheit des Betriebes sowie zur Vermeidung großräumiger Systemzusammenbrüche, werden im Rahmen der interdisziplinären DFG Forschergruppe 1511 gewinnbringende Verfahren zur Netzzustandsbewertung, Entscheidungslogiken über Gegenmaßnahmen und die simulative Evaluation von schutz- und leittechnischen Applikationen entworfen und angewendet. Forschungsschwerpunkt bilden dabei neueste statistische und datentechnische Methoden im Kontext transkontinentaler Energiesysteme.

Statische Clusterverfahren wie das Spectral Clustering bieten die Möglichkeit energietechnische Netzmodelle in topologisch zusammenhängende Regionen einzuteilen. Die Netzdynamische Clusterung ermöglicht eine Clusterung von dynamisch ähnlichen Teilbereichen und basiert auf Stabilitätsindikatoren synchronisierter Messwerte. Für die Stabilitätsuntersuchung wird für jeden Knoten ein ARMAX-Modell erstellt und eine knotenspezifische Eigenwertanalyse vorgenommen. Die Ergebnisse können für die Entscheidungslogiken der Schutzfunktionen insbesondere in Hinblick auf die Teilnetzbildung sowie zur Erstellung von adaptiven Ersatzmodellen zur Analyse von niederfrequenten Schwingungen genutzt werden.

Zustandserkennung von Lithium-Akkumulatoren im Automotive-Umfeld

Um Zuge der Umstellung von fossilen Brennstoffen auf reegenerativen Energien ist auch die Elektrifizierung von Fahrzeugen eine wichtige Aufgabe. Dabei haben sich gerade Lithium-Akkumulatoren als besonders Leistungsfähig gezeigt. Jedoch sind aktuell bestehende Methoden zur Zustandserkennung für Lithium-Batterien nicht gut geeignet.

Ziel der Forschung sind somit neuartige Methoden zur Zustandserkennung aus dem Gebiet der Informationstechnik. Dabei liegt der Fokus auf einer Anwendbarkeit im Fahrzeug, entweder als Online- oder Offline-Verfahren.

Network-on-Chip Optimierungen für Aufgaben mit dünnbesetzten Matrizen

Schwach besetzte Matrizen finden in vielen wissenschaftlichen und technischen Gebieten ihre Anwendung. Zur Lösung der entsprechenden Probleme, z.B. Lösung schwach besetzter linearer Gleichungssysteme oder Eigenwertprobleme schwach besetzter Matrizen) werden iterative Methoden (Jacobi Methode, Konjugierte Gradienten Methode, Lanczos Methode) verwendet.

Da diese iterativen Lösungsmethoden auf der Matrix Vektor Multiplikation mit schwach besetzten Matrizen (SMVM) beruhen, wurden verschiedene Wege vorgestellt um die SMVM sowohl auf allgemeinen Prozessorarchitekturen als auch auf parallelen Hardwarearchitekturen zu beschleunigen. Allerdings hängen alle diese Ansätze sehr stark von der Struktur der Besetzung der schwach besetzten Matrix ab. In diesem Projekt soll untersucht werden, wie durch die Verwendung von Netzwerken-auf-dem-Chip (NoC) auch mit allgemeinen Besetzungsstrukturen der schwach besetzten Matrizen umgegangen werden kann.

NoC Architekturen wurden vorgeschlagen, um die traditionellen Bus basierten Verbindungen auf einem Chip durch paketvermittelte Verbindungsstrukturen zu ersetzen, so dass die Datenpakete (Vektorelemente, Matrixelmente) frei auf der parallelen Hardware Architektur verteilt werden können. Hier gibt es eine Vielzahl von Netzwerktopologien und Verteilungsstrategien, um diesen Transport zu realisieren. In diesem Projekt sollen NoC Architekturen verwendet werden, um die im höchsten Maße unregelmäßigen Kommunikationsstrukturen der parallelen SMVM zu realisieren. Das zu entwickelnde SMVM-NoC soll den chip-internen paket-basierten Datenverkehr realisieren, der bei der Ausführung einer SMVM auf parallelen Architekuturen erfoderlich ist. Das vorgestellte Konzept soll mit FPGA Prototypen und als ASIC mit der TMSC 45nm Bibliothek realisiert werden.