Raum-Zeit-Funktionsschätzung und Sensornavigation

Viele physikalische und technische Parameter variieren mit der räumlichen Position und mit der Zeit. Beispiele sind Temperatur, Luftdruck, Luftfeuchtigkeit, Krebssterblichkeit, Magnetfeldstärke, Salzgehalt des Wassers, Schadstoffkonzentration in einer chemischen Wolke, Inzidenzrate bei einer Epidemie, Servicequalität in der Mobilkommunikation und viele andere. Das Hauptziel dieses Projekts ist die Schätzung raumzeitlicher Funktionen, die orts- und zeitabhängige Parameter beschreiben. Diese Schätzung basiert auf Messwerten, die von ferngesteuerten Sensoren wie z.B. Drohnen stammen. Zwei weitere Ziele sind die Lokalisierung der Sensoren d.h. die Schätzung ihrer zeitveränderlichen Positionen und die Steuerung der Sensoren derart, dass die Genauigkeit der raumzeitlichen Funktionsschätzung maximiert wird. Der neue Ansatz des Projekts besteht darin, die drei Aufgaben der raumzeitlichen Funktionsschätzung, Sensorlokalisierung und Sensorsteuerung mittels einer einheitlichen statistischen Methodik zu lösen. Das Gesamtproblem wird durch ein statistisches Modell beschrieben, das die Beziehungen zwischen raumzeitlicher Funktion, Sensorpositionen, Messwerten und Steuervariablen charakterisiert. Unbekannte oder schwer zu beschreibende Aspekte des statistischen Modells werden mithilfe tiefer neuronaler Netze erlernt. Basierend auf diesem statistischen Modell werden fortschrittliche statistische Datenverarbeitungs- methoden eingesetzt, um die drei Aufgaben der raumzeitlichen Funktionsschätzung, Sensorlokalisierung und Sensorsteuerung in einer methodisch konsistenten Weise auszuführen. Dieser Ansatz ermöglicht einen Austausch probabilistischer Information zwischen den drei Aufgaben, wodurch sich die Aufgaben gegenseitig unterstützen und eine bessere Genauigkeit der raumzeitlichen Funktionsschätzung erzielt wird. Darüber hinaus ermöglicht unser Ansatz eine quantitative Charakterisierung der Genauigkeit der raumzeitlichen Funktionsschätzung und Sensorlokalisierung, was in vielen Anwendungen wie z.B. der Mobilkommunikation erforderlich ist. Die im Projekt entwickelten Methoden werden für eine konkrete Anwendung implementiert und getestet, nämlich für die Schätzung orts- und zeitabhängiger Leistungsindikatoren in Mobilfunknetzen. Die Kenntnis von Leistungsindikatoren ist beim Entwurf und bei der Optimierung von Mobilfunknetzen erforderlich, um mit begrenzten Ressourcen eine zuverlässige Abdeckung und eine hohe Dienstqualität zu erzielen. Wir erwarten, dass die Ergebnisse des Projekts die Genauigkeit der raumzeitlichen Funktionsschätzung und Sensorlokalisierung verbessern werden, bei gleichzeitiger Verringerung der Anzahl und des Stromverbrauchs der Sensoren. Dies wird die Leistungsgrenzen mobiler Sensornetze erweitern, insbesondere in kritischen Szenarien mit starken Leistungs- und Reichweitenbeschränkungen. Im betrachteten Anwendungsfall erwarten wir, dass unsere Ergebnisse die Leistungsfähigkeit zukünftiger Mobilfunknetze verbessern werden.