Signal- und Informationsdarstellung

Verteilte Signale und Daten werden in Zukunft von zentraler Bedeutung für viele Bereiche des täglichen Lebens sein. Vernetzte Sensoren und verteilte Daten erlauben ein verbessertes Verständnis unserer Welt und ihre nachhaltige Nutzung. Um diese großen Datenmengen in nützliche Information zu verwandeln, sind bahnbrechende wissenschaftliche Erkenntnisse am Schnittpunkt von Mathematik, Signal- und Informationsverarbeitung, Nachrichtenübertragung und Scientific Computing erforderlich. Wir werden neue Theorien, Algorithmen und Implementierungen entwickeln, die die Extraktion, Kompression, Übertragung und Speicherung von großen verteilen Datenmengen erlauben. Der Schwerpunkt liegt auf verteilten Architekturen, die fehlertolerant und skalierbar gestaltet werden können. Die Ergebnisse dieser Grundlagenforschung sind in Sensor- und Kommunikationsnetzen, verteilten Systemen, kooperativen Mobilfunksystemen, maschinellem Lernen, dem Entwurf von Embedded Systems und der molekularen Biologie anwendbar. Unsere Forschungsziele betreffen die folgenden Aspekte: - Flexible Frame-basierte Signaldarstellungen für verteilte, instationäre und stochastische Umgebungen. - Methoden zur verteilten Schätzung die robust sind bezüglich Signalkomprimierung und Übertragungsfehlern. - Nichtlineare Methoden für die Modellierung sequentieller Daten und zur räumlich-zeitlichen Datenverknüpfung. - Verteilte kombinierte Quell-Kanal-Netzcodierung mit minimaler Kooperation der einzelnen Knoten. - Kooperativer Kommunikationssysteme für bewegte Benutzer und Sensoren. - Optimierte hardwareangepasste numerische Algorithmen die Genauigkeit gegen Parallelität austauschen. - Entwurf von Kommunikationsnetzen und deren Knoten mittels einer formalisierten mathematischen Sprache.