IPv6 over Low power Wireless Personal Area Network (6LoWPAN) für den Einsatz im Smart Home. - Ilmenau. - 47 Seiten
Technische Universität Ilmenau, Bachelorarbeit 2022
Das Internet der Dinge ist ein entwickeltes Konzept des Internets, bei dem alle Dinge in unserem Leben mit dem Internet oder untereinander verbunden werden können, um Daten zu senden und zu empfangen und bestimmte Funktionen über das Netzwerk durchzuführen. So erfreut sich das Smart Home immer größerer Beliebtheit, bei dem verschiedenen technischen Einrichtungen im Haus vernetzt werden, um das Leben angenehmer zu machen. Diese Arbeit untersucht die Eignung von 6LoWPAN für den Einsatz in Smart Home. 6LoWPAN ist ein Akronym für Internet Protokoll Version 6 über drahtloses Netzwerk mit geringem Energieverbrauch. In dieser Arbeit wurden Simulationswerkzeuge wie OPNET, OMNET++,ns2, ns3, COOJA recherchiert und COOJA als Simulationswerkzeug ausgewählt, in dem die 6LoWPAN-Implementierung durchgeführt wurde.
Precise Indoor Positioning Based on Bluetooth Low Energy 5.1 for the Internet of Things. - Ilmenau. - 92 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Der Wunsch nach einer präzisen Verfolgung von Objekten in Innenräumen wurde seit der Erfindung der Außenortung nicht mehr befriedigt. Mit der Einführung von IoT-basierten Lösungen in immer mehr Branchen ist diese Nachfrage noch gestiegen. Ein Outdoor-Positionierungssystem funktioniert in Innenräumen aufgrund von Dämpfungen durch Reflexionen an Wänden und engen Bereichen nicht. Dieses Problem wurde auf verschiedene Weise angegangen, von der Einführung von Infrarot bis hin zur Verwendung anderer neuerer drahtloser Technologien. Wir haben jedoch eine Lösung vorgeschlagen, die sich auf die Nutzung von \ac{BLE} konzentriert, da diese kostengünstig ist, nur minimale Energieanforderungen hat und in den meisten bereits verwendeten intelligenten Geräten verfügbar ist. Um besser zu verstehen, welche Platzierung für die betrachtete Region ideal ist, haben wir die Grenzen des eigenständigen \ac{BLE}-Moduls in den Ankern durch Verschieben bewertet. Wir wendeten die Nullhypothese auf die generierten Daten jedes Experiments an, um deren Unterschied zu bestätigen, was positiv ausfiel, um zu bestätigen, dass die Änderungen der Platzierung für die Ergebnisse verantwortlich waren. Schließlich sind die berechnete Kreisfehlerwahrscheinlichkeit und der Schätzfehler kleiner als $0,5m$. Die erzielten Ergebnisse zeigten eine optimale Platzierung der Anker, wodurch eine zufriedenstellende Position im Innenraum erreicht wurde. Dies zeigte auch, dass das \ac{BLE}-Modul genau und erfolgreich in der Sichtlinie arbeitete.
Emulation of electromagnetic plane waves for 3D antenna pattern estimation. - In: 2022 IEEE 96th Vehicular Technology Conference:(VTC 2022-Fall), (2022), insges. 6 S.
With the fast development of wireless devices, over-the-air (OTA) testing is becoming the preferred method among developers and manufacturers of wireless equipment. The ability to recreate a scenario under controllable and repeatable conditions keeps the method under constant development, providing new features that increase the realism during the tests. A recent proof of that is the integration of 3D wave field synthesis (3DWFS) to OTA testing, which becomes a significant step to accurately emulate wireless scenarios within a controlled environment.In this context, this contribution improves the OTA system calibration for 3DWFS; efficiently increasing the emulation quality of electromagnetic plane waves impinging from any angular position within an anechoic chamber. In fact, this enhancement implicitly delivers a new method for accurate estimation of the antenna radiation pattern in 3D. This is not only a highly demanded application among antenna manufacturers but in this case also proves the validity of the results and consolidates the integration of 3DWFS to OTA testing.
https://doi.org/10.1109/VTC2022-Fall57202.2022.10013008
Intelligente Alarmverarbeitung und Filterung zur Effektivierung des Netzwerkmanagements auf Basis standardbasierter Systeme. - Ilmenau. - 121 Seiten
Technische Universität Ilmenau, Diplomarbeit 2022
Die Funktionstüchtigkeit und Stabilität ist eine wesentliche Voraussetzung für den Betrieb eines Kommunikationsnetzes. Diese Diplomarbeit beschäftigt sich mit verschiedenen Standards für das Monitoring und Netzwerkmanagement in Unternehmensnetzwerken und weiterführend mit einer praktischen Implementierung einer Monitoringlösung in der TEAG-Gruppe. Anfänglich wird das Thema Monitoring und Netzwerkmanagement theoretisch aufgearbeitet und im Kontext von Unternehmensnetzwerken der aktuelle Stand der Technik beleuchtet. Dabei wird die grundlegende Managementarchitektur dargestellt und der Einsatz des funktionalen Modells der ISO (FCAPS) beschrieben. Im Anschluss erfolgt die Untersuchung der verschiedenen Netzbereiche im Unternehmensnetzwerk der TEAG-Gruppe hinsichtlich der aktuellen Umsetzung von Monitoring und Netzwerkmanagementaufgaben. Diesbezüglich bestehende Probleme werden dargestellt. Ein Augenmerk liegt dabei auf der eingesetzten Software-defined Networking-Lösung Cisco ACI™ im Rechenzentrum. Der praktische Teil umfasst die Ausarbeitung eines Konzeptes für eine neue Monitoringlösung. Dafür erfolgt eine Evaluierung mit Hilfe einer Vergleichsmatrix, welche auf Basis bestehender Probleme und weiterer definierter Anforderungen erstellt wurde. Abschließend wird die Fehlerüberwachung der Cisco ACI™ mit automatischer Weiterleitung von Alarmmeldungen über verschiedene Kommunikationswege an das Network Management Center und den Bereitschaftsdienst realisiert.
Effect of contact pressure on porcine postmortem brain tissue impedance. - In: Proceedings of International Workshop on Impedance Spectroscopy, IWIS 2022, (2022), S. 36-40
In this experimental study we demonstrate the influence of contact pressure on porcine postmortem brain tissue impedance using a movable electrode array and a load cell. We show that the variation of the contact pressure between the tissue and the measurement probe leads to a coefficient of variation in the measured impedance of under 3%. Its influence can therefore be neglected in the investigated use case. Further, we fit the measured impedances to an equivalent circuit model and compare the resistance of grey and white matter brain tissue based on the model parameters.
https://doi.org/10.1109/IWIS57888.2022.9975122
Machine learning routing protocol in mobile IoT based on software-defined networking. - In: 2022 IEEE Conference on Network Function Virtualization and Software Defined Networks, (2022), S. 108-111
The Internet's pervasive influence in all aspects of life has caused the number of heterogeneous devices connected to this network to grow exponentially. As a result, recognizing these devices and their management has led to the emergence of a new paradigm called the “Internet of Things” (IoT). Sensor networks are the essential pillar of the Internet of Things. Due to their low cost and ease of deployment, they can be implemented in a structured or unstructured way in a dynamic physical environment to manage and monitor the dynamic conditions of the desired area in various applications. Nevertheless, what is noteworthy in this regard is the limited resources of sensor networks, which cannot meet the diverse needs of the Internet of Things, so appropriate solutions must be adopted to some challenges, such as scalability and routing in dynamic topologies. Against this challenge, the SDN paradigm has attracted massive attention because it is possible to add new capabilities to networks with limited resources to reduce the overhead caused by processing and computing in sensor nodes and delegate these energy-consuming tasks to the controller. On the other hand, machine learning techniques have also shown their ability to optimize routing and increase the quality of service, reliability, and security by using statistics and information obtained from these networks. However, less research has addressed sensor nodes' mobility and challenges in resource-constrained IoT networks.
https://doi.org/10.1109/NFV-SDN56302.2022.9974791
Versatile safe autonomous intersection management protocol for heterogeneous connected vehicles. - In: 2022 IEEE Vehicle Power and Propulsion Conference (VPPC), (2022), insges. 7 S.
In this paper, we employ a novel safe centralized intersection management (IM) scheme for heterogeneous classes of connected vehicles such as passenger vehicles (PVs), buses, vans, trucks, emergency vehicles (EVs), trams and also vulnerable road users (VRUs) including motorcycles, bicycles, and moped. A rule-based algorithm undertakes safe coordination using different criteria such as intersection traffic rules, vehicle types and road priorities. Besides, in the proposed system, dynamics and behavior of the road users, which might be totally distinct, are taken into account. These underlying characteristic behaviors comprise of reaction distance $(D_r)$, stopping distance $(D_s)$, braking distance $(D_b)$, braking lag distance $(D_bl)$ as well as deceleration (d) and velocity (v) of the vehicles in an urban environment. In addition, special lanes for cyclists and tram tracks are considered in the layout. Furthermore, in order to more properly image the realistic traffic situations, we have integrated the impact of various road conditions in our system in terms of dry, wet, snowy, and icy. Performance of the system is analyzed in several sparse and dense traffic situations with respect to different criteria such as speed and travel time. Additionally, efficiency is also compared to traditional intersection management systems like traffic lights (TLs).
https://doi.org/10.1109/VPPC55846.2022.10003461
Robust multi-dimensional model order estimation using LineAr Regression of Global Eigenvalues (LaRGE). - In: IEEE transactions on signal processing, ISSN 1941-0476, Bd. 70 (2022), S. 5751-5764
The efficient estimation of an approximate model order is very important for real applications with multi-dimensional low-rank data that may be corrupted by additive noise. In this paper, we present a novel robust to noise method for model order estimation of noise-corrupted multi-dimensional low-rank data based on the LineAr Regression of Global Eigenvalues (LaRGE). The LaRGE method uses the multi-linear singular values obtained from the HOSVD of the measurement tensor to construct global eigenvalues. In contrast to the Modified Exponential Test (EFT) that also exploits the approximate exponential profile of the noise eigenvalues, LaRGE does not require the calculation of the probability of false alarm. Moreover, LaRGE achieves a significantly improved performance in comparison with popular state-of-the-art methods. It is well suited for the analysis of noisy multidimensional low-rank data including biomedical signals. The excellent performance of the LaRGE method is illustrated via simulations and results obtained from EEG recordings.
https://doi.org/10.1109/TSP.2022.3222737
Optimization of functional splitting using machine learning approaches in private 5G campus networks. - Ilmenau. - 70 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Functional Split (FS) befasst sich mit der Aufgabenteilung zwischen den verschiedenen Geräten, basierend auf ihren Fähigkeiten. Ein wichtiger Aspekt von FS ist das Computation Offloading (CO), das sich auf die Übertragung schwerer Rechenaufgaben von hardwarebegrenzten Geräten (Clients) [GPU, CPU, RAM, Speicher] auf leistungsfähigere (Server) bezieht. Das Ziel von CO besteht darin, entweder die Gesamtausführungszeit aller Apps zu reduzieren, den Stromverbrauch der Client-Geräte zu reduzieren oder eine Kombination aus beidem. Cloud Computing (CC) ist eine mögliche Technologie, die in CO verwendet werden kann, aber da die Entfernung zwischen den Clients und Server im Bereich von Hunderten von Kilometern liegt, ist dies für Apps, die eine geringe Latenzzeit erfordern, nicht machbar. Für diese Arten von Apps kann Edge Computing (EC) verwendet werden. EC als Paradigma, kombiniert mit der Entwicklung der 5. Generation (5G), hat die Art und Weise, wie die Daten heutzutage verarbeitet werden, erheblich verbessert. In den letzten Jahren wurde viel geforscht, um einzelne Fragen („Warum“, „Was“, „Wo“, „Wenn/Wann“ und „Wie“) zu beantworten, die für CO entscheidend sind. Da diese Fragestellungen sehr komplex sein können, ist die Implementierung eines Software-Agenten mittels Machine Learning (ML) von größter Bedeutung. Ein Emulationsaufbau, bestehend aus einem Raspberry Pi (RPi) 3B als Client und einem Laptop als Server, wurde verwendet. Als zugrunde liegendes Netz wurde ein echtes 5G-Netz verwendet. Um den Entscheidungsaspekt zu optimieren, wird ein Deep Reinforcement Learning (DRL) Agent implementiert und trainiert. Es wurden verschiedene Tests durchgeführt, um die Leistung unseres Agenten mit der Closed-Form-Lösung und State-of-the-Art-Ansätzen, wie dem zuvor implementierten RL-Agenten, vergleichen zu können. Unser vorgeschlagener DRL-Agent hat gezeigt, dass er die Lösung in geschlossener Form übertrifft, während er auch eine ähnliche Leistung wie der RL-Agent zeigt. Beide ML-Modelle reduzieren die Gesamtfertigstellungszeit aller Apps. Es wurden verschiedene Szenarien in Betracht gezogen und die Größe des für das Training verwendeten Datensatzes schrittweise reduziert. Basierend auf unseren Ergebnissen haben wir bewiesen, dass der DRL-Agent genauso gut abschneidet wie der RL-Agent, während er im Vergleich zu letzterem eine Reihe von Vorteilen hat. Nicht nur die Menge an Trainingsdaten, die zum Trainieren des Agenten benötigt wird, wurde reduziert, sondern wir haben auch eine Lösung, die sowohl auf diskreten als auch auf kontinuierlichen Zustandsräumen funktioniert. Während der RL-Agent nur Entscheidungen für Zustände treffen kann, die er zuvor angetroffen hat, kann unser DRL-Agent aufgrund der Einbindung neuronaler Netze auch Entscheidungen für ähnliche Zustände treffen.
Empirical multi-band characterization of propagation with modelling aspects for communications. - Ilmenau : Universitätsbibliothek, 2022. - 1 Online-Ressource (xv, 243 Seiten)
Technische Universität Ilmenau, Dissertation 2022
Diese Arbeit präsentiert eine empirische Untersuchung der Wellenausbreitung für drahtlose Kommunikation im Millimeterwellen- und sub-THz-Band, wobei als Referenz das bereits bekannte und untersuchte sub-6-GHz-Band verwendet wird. Die großen verfügbaren Bandbreiten in diesen hohen Frequenzbändern erlauben die Verwendung hoher instantaner Bandbreiten zur Erfüllung der wesentlichen Anforderungen zukünftiger Mobilfunktechnologien (5G, “5G and beyond” und 6G). Aufgrund zunehmender Pfad- und Eindringverluste bei zunehmender Trägerfrequenz ist die resultierende Abdeckung dabei jedoch stark reduziert. Die entstehenden Pfadverluste können durch die Verwendung hochdirektiver Funkschnittstellen kompensiert werden, wodurch die resultierende Auflösung im Winkelbereich erhöht wird und die Notwendigkeit einer räumlichen Kenntnis der Systeme mit sich bringt: Woher kommt das Signal? Darüber hinaus erhöhen größere Anwendungsbandbreiten die Auflösung im Zeitbereich, reduzieren das small-scale Fading und ermöglichen die Untersuchung innerhalb von Clustern von Mehrwegekomponenten. Daraus ergibt sich für Kommunikationssysteme ein vorhersagbareres Bild im Winkel-, Zeit- und Polarisationsbereich, welches Eigenschaften sind, die in Kanalmodellen für diese Frequenzen widergespiegelt werden müssen. Aus diesem Grund wurde in der vorliegenden Arbeit eine umfassende Charakterisierung der Wellenausbreitung durch simultane Multibandmessungen in den sub-6 GHz-, Millimeterwellen- und sub-THz-Bändern vorgestellt. Zu Beginn wurde die Eignung des simultanen Multiband-Messverfahrens zur Charakterisierung der Ausbreitung von Grenzwert-Leistungsprofilen und large-scale Parametern bewertet. Anschließend wurden wichtige Wellenausbreitungsaspekte für die Ein- und Multibandkanalmodellierung innerhalb mehrerer Säulen der 5G-Technologie identifiziert und Erweiterungen zu verbreiteten räumlichen Kanalmodellen eingeführt und bewertet, welche die oben genannten Systemaspekte abdecken.
https://doi.org/10.22032/dbt.53613