Kognitive dynam. Systeme für positionsnutzende Funksysteme

Standortspezifische Positionsinformation von Entitäten ist eine wertvolle Information für viele Anwendungen, wie zum Beispiel, in der industriellen Prozess-Überwachung, in der Logistik, für kommerzielle Empfehlungsdienstsysteme und in Notfallsituationen. Das selbe kann man im Zusammenhang mit drahtlose Netzwerke sagen, welche basierend auf dieser standortspezifischen Positionsinformation, Metriken, wie die Zuverlässigkeit, den Datendurchsatz, die Latenzzeit und Ausnutzung der Infrastrukturressourcen, optimieren können. Um das vorgegebene Maß an Robustheit für solche Kommunikationsdienste zu erreichen, muss zuverlässig Positionsinformation mit hoher Genauigkeit zur Verfügung gestellt werden. Da es zur Mehrwegeausbreitung der Radiosignale und zur Blockierung der direkten Sichtverbindung zwischen Sender und Empfänger kommen kann, hängt die Positionierungsgenauigkeit wiederum stark vom Wissen der Umgebung und den Radiokanaleigenschaften ab. Das vorliegende Forschungsvorhaben befasst sich mit der zuverlässigen Extraktion von hochpräziser Positions- und Umgebungsmodel-Information, die in den Radiosignalen beinhaltet ist, und schafft somit die Basis für positionsnutzende drahtlose Netzwerke. Solch ein System sollte sein Verhalten an die jeweilige Umgebung anpassen und wie das visuelle Gehirn zwischen relevanter Information und störenden Signalkomponenten unterscheiden und auf Aktivität fokussieren können. Der Schlüssel um diese Verhaltenscharakteristika zu modellieren ist ein kognitives dynamisches System, welches aus mehreren interagierenden (datenaustauschenden) Ebenen auf der Empfänger- und Senderseite besteht und somit die komplexen Interaktionen zwischen physikalischen und anwendungsspezifischen Parametern abbilden kann. Das dabei entwickelte Systemkonzept kann als Basis für positionsnutzende drahtlose Netzwerke verwendet werden, welche mit Hilfe der bekannten Position, Umgebungsmodelparameter und Radiokanaleigenschaften prädizieren und damit wiederum mit hoher Zuverlässigkeit eine Vielfalt von Kommunikationsdiensten anbieten können.

Für zukünftige funkbasierte 5G-Kommunikationssysteme ist die Kenntnis der Ausbreitungsumgebung und des Nutzergerätestandortes von großer Wichtigkeit, um eine sehr zuverlässige, teilweise fehlerfreie, Kommunikation mit geforderter Kommunikationsrate zu garantieren. Diese hohen Anforderungen sind vor allem für sicherheitskritische Anwendungen, wie selbstfahrenden Autos und Regelung von Robotern in Innenräumen, wie zum Beispiel Produktionshallen, von großer Wichtigkeit. Dieses sogenannte Situationsbewusstsein für die Kommunikation kann durch Algorithem, die recheneffizient und robust diese Informationen extrahieren können, bereitgestellt werden. In diesem Projekt haben wir Methoden und Algorithmen entwickelt, mit denen die relevanten Informationen zuverlässig aus Funkkanalmessungen extrahiert werden kann. Darüber hinaus haben wir Algorithmen für die Lokalisierung und Umgebungskartierung entwickelt, die mit solchen sehr zeitvariablen und fehlmesssungsbehafteten Schätzungen umgehen können.