Investigation of message brokers and CI/CD pipelines for IoT deployment using edge and cloud computing. - Ilmenau. - 88 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
In dieser Arbeit werden Message Broker mit Edge- und Cloud-Computing-Plattformen unter Verwendung des Publish-Subscribe-Messaging-Paradigmas für effiziente Kommunikationsmechanismen untersucht, die in Internet-of-Things-Architekturen (IoT) verwendet werden. Das Message Queuing Telemetry Transport (MQTT)-Kommunikationsprotokoll wird als Message Broker betrachtet, der anhand von Parametern wie Durchsatz, Latenz und Nutzlast bewertet wurde. Dieser Message Broker wird in zwei Einrichtungsmodellen implementiert. Das erste Setup-Modell konzentriert sich auf das Bare-Metal-Gerät, um die Leistung des MQTT-Protokolls mit den verfügbaren Message-Brokern für IoT-Anwendungsszenarien zu evaluieren. Im zweiten Einrichtungsmodell wurde die Kombination von Containerisierungs- und Virtualisierungstechniken mit der Microsoft Azure Cloud-Plattform für MQTT-basierte Kommunikation angewendet, um eine agile Softwareentwicklungsmethodik zu implementieren. Ein virtuelles Edge-Gateway/Gerät, das sich unter dem Azure IoT Hub Service befindet, wurde implementiert, um die notwendigen Datenoperationen mit den jeweiligen IoT-Geräten zu steuern. Solche Edge-Geräte bieten die Funktionalität von benutzerdefinierten Modulen, um individuelle und voneinander abhängige Rechenoperationen für die sensorische Datenverarbeitung zu unterstützen; eine Cloud-Instanz des Edge-Geräts wurde auf einer virtuellen Maschine mit Hilfe eines Docker-Container-Images bereitgestellt, um die Rechenoperationen außerhalb der Cloud-Umgebung durchzuführen, um dem Edge-Gerät mehr Rechenleistung zu geben und dadurch die Cloud-Betriebskosten zu reduzieren und die Edge-Computing-Leistung zu verbessern. Die Continuous-Integration- und Continuous-Delivery-Pipeline (CI/CD) wurde zur Beschleunigung und Automatisierung des Softwareentwicklungsprozesses bei der Implementierung der Dissertation eingesetzt. Abschließend wurde untersucht, wie der Cloud-basierte MQTT-Broker mit den oben genannten Konfigurationen einen effizienten Computing-Ansatz für IoT-Szenarien bieten kann, und die entsprechenden Ergebnisse wurden vorgestellt.
Object tracking for joint communication and sensing using deep learning. - Ilmenau. - 69 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Die große Entwicklung der mobilen Kommunikationssysteme, insbesondere die geplanten Entwicklungen in der nächsten Generation 6G, ermöglicht es uns, viele besondere Anwendungsfälle und Applikationen zu definieren. Einer dieser Anwendungsfälle ist ein hoch präziser Ortungsdienst parallel zur Kommunikation. Dazu ist eine Methode zur Verfolgung von mehrfach streuenden Objekten in einer Umgebung erforderlich. Diese Arbeit ist ein Versuch, das Problem der Verfolgung mehrerer Objekte in Mehrwege-Kanälen mit Hilfe von Deep Learning zu formulieren und zu lösen. Diese Arbeit formuliert das Problem der Kanalverfolgung mit Hilfe des bestehenden mathematischen Rahmens für mehrere Objekte und führt damit Simulationen durch. In dem Modell für mehrere Objekte können Objekte nach dem Zufallsprinzip unter Berücksichtigung bestimmter Wahrscheinlichkeitsverteilungen erzeugt oder entfernt werden. Der mathematische Rahmen für die Simulation von Kanälen mit mehreren Objekten verwendet endliche Zufallsmengen, um die Unsicherheit der Anzahl der Objekte darzustellen. Die Aufgabe eines Verfolgungsalgorithmus besteht darin, diese Muster auszunutzen und den Zustand der Objekte aus verrauschten Messungen zu schätzen. Ein Tracking-Algorithmus muss auch das Problem der Datenzuordnung lösen, da es keine nicht bekannt ist, welche Messung von welchem Objekt stammt. Das Lösen der fehlenden Verbindung zwischen den Messungen und den Objekten und die gleichzeitige Unterscheidung von Objekten und Störgeräuschen führt zur Lösung des Tracking-Problems. Andererseits hat Deep Learning bewiesen, dass es in der Lage ist, viele Probleme zu lösen, einschließlich der modellbasierten Probleme, bei denen das Problem mithilfe mathematischer Modelle grob formuliert werden kann, oder der Probleme ohne vorherige Modellannahmen. Deep Learning hat sich in letzter Zeit auch auf Methoden und Algorithmen der Signalverarbeitung ausgedehnt und hat seinen Platz in vielen Anwendungen gefunden. Obwohl diese Aufgabe vorwiegend mit Hilfe von Filteransätzen gelöst wird, untersucht diese Arbeit die Eignung von Deep Learning-Methoden, insbesondere der Transformer. Diese Arbeit konzentriert sich auf das Transformer-Modell und schlägt eine Architektur für das Problem der Kanalverfolgung vor. Anschließend wird ein auf dem Transformer basierendes Deep Learning-Modell entwickelt, trainiert und seine Leistung hinsichtlich der Metriken untersucht.
Enable SDRs for real-time MIMO channel sounding featuring parallel coherent Rx channels. - In: 2022 IEEE 95th Vehicular Technology Conference (VTC2022-Spring), (2022), insges. 5 S.
A parallel receiver architecture for multiple input multiple output (MIMO) channel sounding application is presented with a software-defined radio (SDR)-based field-programmable gate array (FPGA) implementation. The receiver covers phase coherent reception via shared local oscillator (LO) and reference clock, a timing scheme synchronous to the antenna switching at the transmitter, and an integrated automatic gain control (AGC) in all receive channels. It is built with SDRs (NI USRP-2955, X310 series with TwinRx daughterboards). The use of these off-the-shelf hardware components reduces the costs of the sounding system. The FPGA implementation together with the system parameters of the chosen hardware allows a minimum AGC update interval of approx. 44.38 μs. Our setup demonstrates the applicability of state-of-the-art SDRs as a sounding system for continuous acquisition of the time variant, space, and frequency selective radio propagation channel.
https://doi.org/10.1109/VTC2022-Spring54318.2022.9860841
From 3D point cloud data to ray-tracing multi-band simulations in industrial scenario. - In: 2022 IEEE 95th Vehicular Technology Conference (VTC2022-Spring), (2022), insges. 5 S.
In this paper, we present the ray tracing (RT) simulation in the 3D model of one highly dense clutter industrial hall, which is scanned by laser scanner and reconstructed based on accurate point cloud. The whole processing chain from the scanning of the physical environment to running the simulation is presented in detail. To validate the simulation results, the synthetic channel characteristics and large-scale parameters, including delay spread (DS), angular spread (AS) and path loss (PL), are compared with those obtained from channel sounding measurement in both LOS and NLOS cases, at 6.75 GHz, 30 GHz and 60 GHz. The simulation results show that some scatters are significant in all bands and may be well identified and tracked. This indicates that our target to generate a deterministic channel model or a hybrid channel model at multi-band for industrial scenario may be possible.
https://doi.org/10.1109/VTC2022-Spring54318.2022.9861002
5G new radio physical downlink control channel reliability enhancements for multiple transmission-reception-point communications. - In: IEEE access, ISSN 2169-3536, Bd. 10 (2022), S. 97394-97407
Non-coherent transmission from multiple transmission-reception-points (TRPs), i.e., base stations, or base station panels to a user equipment (UE) is exploited in 5G New Radio (NR) to improve downlink reliability and cell-edge throughput. Ultra reliable low-latency communications (URLLC) and enhanced Mobile BroadBand (eMBB) are prominent target use-cases for multi-TRP or multi-panel transmissions. In Third-Generation Partnership Project (3GPP) Release 17 specifications, multi-TRP-based transmissions were specified for the physical downlink control channel (PDCCH) specifically to enhance its reliability and robustness. In this work, a comprehensive account of various multi-TRP reliability enhancement schemes applicable for the 5G NR PDCCH, including the ones supported by the 3GPP Release 17 specifications, is provided. The impact of the specifications for each scheme, UE and network complexity and their utility in various use-cases is studied. Their error performances are evaluated via link-level simulations using the evaluation criteria agreed in the 3GPP proceedings. The 3GPP-supported multi-TRP PDCCH repetition schemes, and the additionally proposed PDCCH repetition and diversity schemes are shown to be effective in improving 5G NR PDCCH reliability and combating link blockage in mmWave scenarios. The link-level simulations also provide insights for the implementation of the decoding schemes for the PDCCH enhancements under different channel conditions. Analysis of the performance, complexity and implementation constraints of the proposed PDCCH transmission schemes indicate their suitability to UEs with reduced-capability or stricter memory constraints and flexible network scheduling.
https://doi.org/10.1109/ACCESS.2022.3206027
Link budget considerations for automotive 5G LEO satellite-based communications. - In: 2022 IEEE USNC-URSI Radio Science Meeting (joint with AP-S Symposium), (2022), S. 106-107
Satellite communication receives strongly increasing attention for automated and connected driving. Compact size, low power consumption, and high data rates are key performance parameters for such systems. Based on realistic assumptions on user equipment terminal and satellite antenna for low-earth orbiting satellites using large space structures, we present relevant link budget considerations. The high-gain satellite antenna opens the potential to employ compact user equipment antennas of moderate gain and without beam tracking. We study selected C-, Ku-, and Ka-frequency bands for 5G satellite communications based upon usual key performance indicators. Our findings indicate that C-band and Ka-band offer a suitable spectrum, with an uplink data rate of 7 Mbit/s at Ka-band, which is suitable for IoT and broadband mobile access applications.
https://doi.org/10.23919/USNC-URSI52669.2022.9887406
Machine learning for CSI recreation in the digital twin based on prior knowledge. - In: IEEE open journal of the Communications Society, ISSN 2644-125X, Bd. 3 (2022), S. 1578-1591
Knowledge of channel state information (CSI) is fundamental to many functionalities for mobile communication systems. With the advance of machine learning (ML) and digital maps, i.e., digital twins, we have a big opportunity to learn the propagation environment and design novel methods to derive and report CSI. In this work, we propose to combine untrained neural networks (UNNs) and conditional generative adversarial networks (cGANs) for MIMO channel recreation based on prior knowledge. The UNNs learn the prior-CSI for some locations which are used to build the input to a cGAN. Based on the prior-CSI estimates, their locations and the location of the desired channel, the cGAN is trained to output the channel expected at the desired location. This combined approach can be used for low overhead CSI reporting as, after training, we only need to report the desired location. Our results show that our CSI recreation method is successful in modelling the wireless channel under different configurations of prior-CSI spatial sampling. In addition, the results consider a real world measurement campaign for indoor line of sight and non-line of sight channels. The signal to noise ratio (SNR) achieved by our CSI recreation is better than the SNR reported by the measured campaign providers. Moreover, our CSI recreation provides means for low overhead CSI reporting as the UNN structure is underparameterized compared to the full explicit CSI, and only the desired location is needed for the cGAN to recreate the desired CSI.
https://doi.org/10.1109/OJCOMS.2022.3208323
Entwicklung und Implementierung von Algorithmen zur kollisionsfreien Pfadplanung und -optimierung für einen autonomen Miniaturtransporter. - Ilmenau. - 69 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Irgendwann in der Zukunft werden wahrscheinlich selbstfahrende Fahrzeuge die klassischen Automobile ersetzen. Solche Fahrzeuge werden seit langer Zeit intensiv entwickelt. Ein wichtiges und noch nicht vollständig gelöstes Problem ist die Verringerung der Abhängigkeit der Automobile von der Steuerung durch den Menschen. Die künstliche Intelligenz (KI) erhält immer breitere Verwendung als zweckmäßige und hilfreiche Methode für die Erhöhung der Selbständigkeit selbstfahrender Fahrzeuge. So hilft die künstliche Intelligenz den Fahrzeugen, Entscheidungen in verschiedenen Verkehrssituationen selbst zu treffen beziehungsweise vorteilhafte Routen zu finden. In diesem Kontext werden in dieser Masterarbeit Algorithmen für eine optimale Pfadbestimmung für autonomen Miniaturtransporter erforscht. Der Miniaturtransporter arbeite auf der Basis des Mikrocontrollers Arduino. Die Navigation des Miniaturtransporters erfolgt auf einer vordefinierten Landkarte, die mit Hilfe eines Graphens dargestellt ist. Die Gewichte zwischen den Knoten auf dem Graph helfen, mögliche Verkehrssituationen, wie zum Beispiel einen Unfall oder Stau, zu simulieren. Zuerst wird ein klassischer Dijkstra Algorithmus zur Pfadbestimmung im Graph realisiert. Dieser Algorithmus hat eine definierte Schrittanzahl, um den Pfad zu finden. Im Falle der Änderungen der Verkehrssituation erfolgen mehrere neue Berechnungen des optimalen Pfads auf der Basis der sich ändernden Gewichte. In dieser Masterarbeit wird mit Hilfe eines künstlichen neuronalen Netzes (KNN) ein weiterer Algorithmus für die Bestimmung des kürzesten Weges im Graph realisiert. Dafür wird das KNN für mögliche Verkehrssituationen trainiert. Diese Situationen werden durch Gewichtsänderungen simuliert und mit dem Dijkstra Algorithmus berechnet. Die so erhaltenen Daten werden zum Lernen des KNN verwendet. Der Vorteil des entwickelten Algorithmus ist die Unabhängigkeit des, durch das KNN berechneten, Pfades von der Gewichtsänderungen auf dem Graph.
The angle dependent ΔE effect in TiN/AlN/Ni micro cantilevers. - In: Sensors and actuators, ISSN 1873-3069, Bd. 345 (2022), 113784, S. 1-12
In this work, magnetoelectric MEMS sensors based on a TiN/AlN/Ni laminate are investigated for the first time in regards of the anisotropic elastic properties when using hard magnetic Nickel as magnetostrictive layer. The implications of crystalline, uniaxial and shape anisotropy are analysed arising from the anisotropic ΔE effect in differently oriented cantilevers with 25 µm length and 15˚ spacing. The ΔE effect is derived analytically to consider the angular dependency of the different anisotropies within the sensors. In the measured frequency spectra complex profiles are observable consisting of contributions from neighbouring structures which are connected by a common electrode. The crosstalk effect is strongly depending on the cantilever orientation and reflects the anisotropic mechanical properties of the material stack. The intensity of the crosstalk effect is increasing for shortened cantilevers and narrowing distance between structures. The ΔE effect is investigated based on cantilevers of different angular spacing and of a single cantilever that is rotated in the magnetic field. The derived peak sensitivities are reaching values of 1.15 and 1.31T-1. The angular dependency of the sensitivity is found to be approximately constant for differently oriented cantilevers. In contrast, for a singly rotated cantilever an angular dependency of the 4th order is observed.
https://doi.org/10.1016/j.sna.2022.113784
Technische Universität Ilmenau, Masterarbeit 2022
Das Ziel der Arbeit umfasst Literaturübersicht und Überblick über den Stand der Technik von MACH-Diensten für E-Commerce. Tracing von Microservices-basierten APIs einschließlich der Probleme sowie derVorteile des Tracings. Überwachung der auf der MACH-Architektur basierenden Anwendung mit verfügbaren Überwachungswerkzeugen in einzelnen Phasen. Performance-Evaluierung der MACH für die oben genannten Anwendungsszenarien.