Periodicity pitch perception part III: sensibility and Pachinko volatility. - In: Frontiers in neuroscience, ISSN 1662-453X, Bd. 16 (2022), 736642, S. 1-15
Neuromorphic computer models are used to explain sensory perceptions. Auditory models generate cochleagrams, which resemble the spike distributions in the auditory nerve. Neuron ensembles along the auditory pathway transform sensory inputs step by step and at the end pitch is represented in auditory categorical spaces. In two previous articles in the series on periodicity pitch perception an extended auditory model had been successfully used for explaining periodicity pitch proved for various musical instrument generated tones and sung vowels. In this third part in the series the focus is on octopus cells as they are central sensitivity elements in auditory cognition processes. A powerful numerical model had been devised, in which auditory nerve fibers (ANFs) spike events are the inputs, triggering the impulse responses of the octopus cells. Efficient algorithms are developed and demonstrated to explain the behavior of octopus cells with a focus on a simple event-based hardware implementation of a layer of octopus neurons. The main finding is, that an octopus’ cell model in a local receptive field fine-tunes to a specific trajectory by a spike-timing-dependent plasticity (STDP) learning rule with synaptic pre-activation and the dendritic back-propagating signal as post condition. Successful learning explains away the teacher and there is thus no need for a temporally precise control of plasticity that distinguishes between learning and retrieval phases. Pitch learning is cascaded: At first octopus cells respond individually by self-adjustment to specific trajectories in their local receptive fields, then unions of octopus cells are collectively learned for pitch discrimination. Pitch estimation by inter-spike intervals is shown exemplary using two input scenarios: a simple sinus tone and a sung vowel. The model evaluation indicates an improvement in pitch estimation on a fixed time-scale.
https://doi.org/10.3389/fnins.2022.736642
Intrusion Detection System against Denial of Service attack in Software-Defined Networking. - Ilmenau : Universitätsbibliothek, 2022. - 1 Online-Ressource (vii, 153 Seiten)
Technische Universität Ilmenau, Dissertation 2022
Das exponentielle Wachstum der Online-Dienste und des über die Kommunikationsnetze übertragenen Datenvolumens macht es erforderlich, die Struktur traditioneller Netzwerke durch ein neues Paradigma zu ersetzen, das sich den aktuellen Anforderungen anpasst. Software-Defined Networking (SDN) ist hierfür eine fortschrittliche Netzwerkarchitektur, die darauf abzielt, das traditionelle Netzwerk in ein flexibleres Netzwerk umzuwandeln, das sich an die wachsenden Anforderungen anpasst. Im Gegensatz zum traditionellen Netzwerk ermöglicht SDN die Entkopplung von Steuer- und Datenebene, um Netzwerkressourcen effizient zu überwachen, zu konfigurieren und zu optimieren. Es verfügt über einen zentralisierten Controller mit einer globalen Netzwerksicht, der seine Ressourcen über programmierbare Schnittstellen verwaltet. Die zentrale Steuerung bringt jedoch neue Sicherheitsschwachstellen mit sich und fungiert als Single Point of Failure, den ein böswilliger Benutzer ausnutzen kann, um die normale Netzwerkfunktionalität zu stören. So startet der Angreifer einen massiven Datenverkehr, der als Distributed-Denial-of-Service Angriff (DDoSAngriff) von der SDN-Infrastrukturebene in Richtung des Controllers bekannt ist. Dieser DDoS-Angriff führt zu einer Sättigung der Steuerkanal-Bandbreite und belegt die Ressourcen des Controllers. Darüber hinaus erbt die SDN-Architektur einige Angriffsarten aus den traditionellen Netzwerken. Der Angreifer fälscht beispielweise die Pakete, um gutartig zu erscheinen, und zielt dann auf die traditionellen DDoS-Ziele wie Hosts, Server, Anwendungen und Router ab. In dieser Arbeit wird das Verhalten von böswilligen Benutzern untersucht. Anschließend wird ein Intrusion Detection System (IDS) zum Schutz der SDN-Umgebung vor DDoS-Angriffen vorgestellt. Das IDS berücksichtigt dabei drei Ansätze, um ausreichendes Feedback über den laufenden Verkehr durch die SDN-Architektur zu erhalten: die Informationen von einem externen Gerät, den OpenFlow-Kanal und die Flow-Tabelle. Daher besteht das vorgeschlagene IDS aus drei Komponenten. Das Inspector Device verhindert, dass böswillige Benutzer einen Sättigungsangriff auf den SDN-Controller starten. Die Komponente Convolutional Neural Network (CNN) verwendet eindimensionale neuronale Faltungsnetzwerke (1D-CNN), um den Verkehr des Controllers über den OpenFlow-Kanal zu analysieren. Die Komponente Deep Learning Algorithm(DLA) verwendet Recurrent Neural Networks (RNN), um die vererbten DDoS-Angriffe zu erkennen. Sie unterstützt auch die Unterscheidung zwischen bösartigen und gutartigen Benutzern als neue Gegenmaßnahme. Am Ende dieser Arbeit werden alle vorgeschlagenen Komponenten mit dem Netzwerkemulator Mininet und der Programmiersprache Python modelliert, um ihre Machbarkeit zu testen. Die Simulationsergebnisse zeigen hierbei, dass das vorgeschlagene IDS im Vergleich zu mehreren Benchmarking- und State-of-the-Art-Vorschlägen überdurchschnittliche Leistungen erbringt.
https://doi.org/10.22032/dbt.51449
Coherent measurements of a multistatic MIMO radar network with phase noise optimized non-coherent signal synthesis. - In: IEEE journal of microwaves, ISSN 2692-8388, Bd. 2 (2022), 2, S. 239-252
For multistatic radar networks in the upper mm-wave range with a large spacing between its radar sensor nodes, a coherent signal distribution is very complex and thus very costly. Hence, it is desirable to generate the mm-wave signals individually for each radar sensor node, i.e., non-coherently. However, multistatic radar networks using a non-coherent signal distribution for its radar sensor nodes are affected by systematic errors and uncorrelated phase noise, which reduces the resolution and the detection performance of these systems. In this article, a novel non-coherent signal synthesis concept based on the direct digital synthesis (DDS) principle is presented for multistatic radar networks. Compared to a signal synthesis using a phase-locked loop (PLL), it is shown that the different phase noise behavior of the DDS is beneficial for bistatic signal paths between the radar sensor nodes. The presented hardware concept is considered and analyzed for three different types of coherency regarding the signal distribution: coherent, quasi-coherent, and incoherent. Measurements with a multiple-input multiple-output (MIMO) radar at 150GHz prove that despite 150 GHz prove that despite a non-coherent signal distribution, it is possible to achieve the same detection and imaging performance as with a fully coherent radar by using a DDS.
https://doi.org/10.1109/JMW.2022.3154886
Investigation of electromagnetic wave propagation in the bicomplex 3D-FEM using a wavenumber Whitney Hodge operator. - In: Compel, ISSN 2054-5606, Bd. 41 (2022), 3, S. 996-1010
Purpose - The purpose of this paper is to show the applicability of a discrete Hodge operator in the context of the De Rham cohomology to bicomplex-valued electromagnetic wave propagation problems. It was applied in the finite element method (FEM) to get a higher accuracy through conformal discretization. Therewith, merely the primal mesh is needed to discretize the full system of Maxwell equations. Design/methodology/approach - At the beginning, the theoretical background is presented. The bicomplex number system is used as a geometrical algebra to describe three-dimensional electromagnetic problems. Because we treat rotational field problems, Whitney edge elements are chosen in the FEM to realize a conformal discretization. Next, numerical simulations regarding practical wave propagation problems are performed and compared with the common FEM approach using the Helmholtz equation. Findings - Different field problems of three-dimensional electromagnetic wave propagation are treated to present the merits and shortcomings of the method, which calculates the electric and magnetic field at the same spatial location on a primal mesh. A significant improvement in accuracy is achieved, whereas fewer essential boundary conditions are necessary. Furthermore, no numerical dispersion is observed. Originality/value - A novel Hodge operator, which acts on bicomplex-valued cotangential spaces, is constructed and discretized as an edge-based finite element matrix. The interpretation of the proposed geometrical algebra in the language of the De Rham cohomology leads to a more comprehensive viewpoint than the classical treatment in FEM. The presented paper may motivate researchers to interpret the form of number system as a degree of freedom when modeling physical effects. Several relationships between physical quantities might be inherently implemented in such an algebra.
https://doi.org/10.1108/COMPEL-03-2021-0078
ICNOW : an architechture of ICN over wireless network MQTT pub-sub service over NDN access network for connected vehicles. - Ilmenau. - 53 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Ein MQTT-Pub-Sub-Dienst über ein Fahrzeug-NDN-Netzwerk ist für intelligente Fahrzeuge konzipiert. Das Kommunikationssystem ist ein Push-basiertes Publisher-Subscriber-Modell, das auf einem Pull-basierten NDN-Protokoll beruht. Ein MQTT-Proxy wird eingeführt, der es ermöglicht, Themen im Namen von Abonnenten- und Herausgeberfahrzeugen zu abonnieren und zu veröffentlichen. Der MQTT-Proxy hat sowohl eine MQTT-Schicht als auch eine NDN-Schicht. Die MQTT-Schicht fungiert als MQTT-Client, während die NDN-Schicht als NFD fungiert. Zusätzlich erfolgt die Einführung und Umsetzung des Konzepts von PersistentPath. Es hilft dem Teilnehmerfahrzeug und dem MQTT-Proxy, die Daten über einen dauerhaften Pfad weiterzuleiten und kontinuierlich aktualisierte Nachrichten zu empfangen, ohne nachfolgende Interessen an den Proxy zu senden. In ähnlicher Weise leitet ein nicht dauerhafter Pfad das Datenpaket, das die veröffentlichten Daten trägt, von einem Herausgeber an den Proxy weiter. Der Hauptunterschied zwischen dem dauerhaften und dem nicht dauerhaften Pfad besteht hier darin, dass eine dauerhafte Verbindung eine kontinuierliche Verbindung aufrechterhält und andererseits eine nicht dauerhafte Verbindung eine einmalige Verbindung herstellt Beständiger Pfad. Für die zukünftige Arbeit muss ein NDN-Routing-Schema entwickelt werden, um einen verteilten Proxy-Lastenausgleich zu erreichen, und ein Caching-Algorithmus, um die Teilnehmerlatenz zu reduzieren, da wir veraltete Nachrichten oder Daten nicht auf einem der NFDs zwischenspeichern dürfen V-NDN in Kombination mit herkömmlichem LTE-System ist möglich. Es kann untersucht werden, wie die LTE-Netzwerkstruktur mithilfe der NDN-Funktionen verbessert werden kann. Der in dieser Arbeit implementierte MQTT-Proxy wird für viele zukünftige Studien von Nutzen sein, um das Verhalten des MQTT-Dienstes über NDN zu analysieren. Darüber hinaus muss das Netzwerk mit mehreren MQTT-Proxys simuliert und getestet werden, was einen besseren Lastausgleich ermöglicht, was in der realen Welt wahrscheinlich der Fall sein wird.
Efficient probability mass function estimation from partially observed dData. - Ilmenau. - 85 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Die Schätzung der gemeinsamen Wahrscheinlichkeitsverteilung (Probability Mass Function, PMF) diskreter Zufallsvariablen aus teilweise beobachteten Daten ist ein grundlegendes Problem im statistischen Lernen und der Datenanalyse. Der Bedarf an zuverlässigen PMF-Schätzungen entsteht in Bereichen wie maschinelles Lernen, Signalverarbeitung und Data Mining, mit Anwendungen in Empfehlungssystemen, Klassifizierungsaufgaben und automatischer medizinischer Diagnose. Zunächst wird ein Überblick über die Grundlagen der PMF-Schätzung gegeben. Basierend auf der kanonischen polyadischen Zerlegung (Canonical Polyadic Decomposition, CPD) des PMF-Tensors leiten wir mathematische Ausdrücke her, um verschiedene probabilistische Größen wie gemeinsame, marginale und bedingte Wahrscheinlichkeiten darzustellen. Mithilfe dieser Größen können wir fehlende Daten aus Teilbeobachtungen in Form der maximalen a posteriori (MAP)-Schätzung oder des bedingten Mittelwerts vorhersagen, für die ebenfalls Ausdrücke bereitgestellt werden. Darüber hinaus geben wir einen Überblick über marginalbasierte und datenbasierte Ansätze zur PMF-Schätzung. Zweitens stellen wir die wichtigsten PMF-Schätzalgorithmen in der Literatur vor und stellen deren mathematische Herleitungen detailliert dar. Anschließend entwickeln wir eine Methode zur Verbesserung der Konvergenzrate des bekannten Erwartungs\-maximierungsalgorithmus (Expectation Maximization, EM), indem wir einen bestehenden Algorithmus namens SQUAREM verwenden. Soweit wir wissen, ist dies die erste Arbeit, die SQUAREM im Zusammenhang mit der PMF-Schätzung zur Anwendung bringt. Schließlich evaluieren wir die Algorithmen durch umfangreiche Computersimulationen auf synthetischen Daten und auf realen Daten im Zusammenhang mit Filmempfehlungen. Die Ergebnisse auf den synthetischen Daten zeigen, dass die Verwendung des EM-Algorithmus im Gegensatz zu einem hybriden, aber rechenintensiven Algorithmus (AD-EM) ausreichend ist. Die verbesserte Konvergenzrate von SQUAREM im Vergleich zu EM wird ebenfalls verifiziert. Anschließend werden die EM- und SQUAREM-Algorithmen anhand von realen Filmbewertungsdaten evaluiert mit dem Ergebnis, dass sie in Bezug auf die Vorhersage fehlender Filmbewertungen besser abschneiden als vergleichbare Algorithmen auf dem Stand der Technik.
Technische Universität Ilmenau, Masterarbeit 2022
Einige der Hauptprobleme bei der Tensorzerlegung sind erstens die korrekte Bestimmung des Ranges (oder der Modellordnung) der analysierten Daten und zweitens die genaue Zerlegung dieser analysierten Daten. Diese Arbeit befasst sich mit beiden Problemen. In der Literatur gibt es eine Vielzahl verschiedener Tensorzerlegungen, die in vielen Anwendungen eingesetzt werden. In dieser Arbeit wird ein "Coupled Block Term Decomposition" (C-BTD) Algorithmus vorgestellt, der auf der Grundlage der "Coupled Canonical Polyadic Decomposition" (C-CPD) auf Basis des "Coupled SECSI Framework" berechnet wird. Die Leistung des vorgeschlagenen C-BTD-Algorithmus wird mit dem Tensorlab-Algorithmus für verschiedene Arten von Daten verglichen. Außerdem wird der gekoppelte Algorithmus zur Schätzung der Modellordnung vorgestellt. Er basiert auf dem "Coupled LaRGE" (C-LaRGE) Algorithmus, aber der Algorithmus ist angepasst, um die Parameter von BT-konstruierten Daten zu bestimmen. Es wurden Simulationen durchgeführt, um den Schwellenwert des angepassten C-LaRGE-Algorithmus für die BT-konstituierten Daten zu bestimmen. Die beschriebene gekoppelte BT-Zerlegung und der gekoppelte Algorithmus zur Schätzung der Modellordnung werden miteinander kombiniert, um einen Gesamtalgorithmus zu erhalten, der beide Probleme der Tensorzerlegung lösen kann. In dieser Arbeit wenden wir den vorgeschlagenen Algorithmus für die gemeinsame Analyse biomedizinischer Signale an.
Cost-efficient modular platform for distributed and synchronized measurements. - Ilmenau. - 67 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
In bestimmten Messsystemen können Sensoren räumlich weit verteilt sein. Die Aufnahme von Messwerten kann zentral erfolgen, durch Verbinden der Sensoren mit dem zentralen Messsystem mittels Kabeln, oder verteilt, mit einzelnen Messmodulen direkt an den Sensoren. Je nach Anwendungsfall kann es hierbei nötig sein, im letzteren Fall die Messmodule miteinander zu synchronisieren. In dieser Masterarbeit werden zwei Methoden zur Synchronisierung des Samplingprozesses von Sampling-Modulen untersucht. In der ersten Methode wird der Samplingprozess durch Software gestartet, welche in periodischen Abständen die Systemzeit abfragt. Die Systemzeit der einzelnen Module wird mittels des Network Time Protocol (NTP) mit einem zentralen Server synchronisiert. In der zweiten Methode wird ein im Ethernet-PHY integrierter Clock-Baustein verwendet um den Samplingprozess zu starten. Dieser Clock-Baustein wird mittels des Precision Time Protocol (PTP) mit einem Master synchronisiert. Für beide Methoden wird die Verzögerung zwischen den Sampling-Modulen unter verschiedenen Bedingungen (Synchronisierung ein/aus, mit CPU-Last, mit Netwerklast) gemessen. Hierfür wurde ein Testaufbau bestehend aus fünf Sampling-Modulen, einem Signalgenerator, einem PC und Netzwerk-Hardware aufgebaut. Die Messungen wurden ausgewertet und die Ergebnisse der Methoden miteinander verglichen. Mit der ersten Methode ließen sich Verzögerungen zwischen den Sampling-Modulen im Bereich zwischen 40 [my]s und 15 ms erreichen. Mit der zweiten Methode verringerte sich die Verzögerung auf Werte zwischen 37 ns und 11 [my]s, eine Reduktion auf ein Tausendstel.
Application of deep learning to physical layer link abstraction. - Ilmenau. - 83 Seiten
Technische Universität Ilmenau, Masterarbeit 2022
Diese Arbeit stellt den Entwurf und die Analyse eines datengesteuerten Link-to-System (L2S) Modells vor, das in der Lage ist, die Leistung der physikalischen Schicht von zellularen Mobilfunknetzen im Downlink vorherzusagen. Ein datengesteuertes L2S-Modell zielt darauf ab, die physikalische Schicht mithilfe von Techniken des maschinellen Lernens (ML)/Deep Learning (DL) genau zu abstrahieren. Es wird ein generischer und einfacherer Ansatz zur L2S-Modellierung im Vergleich zu ihren modellgetriebenen Vorgängern geschaffen, die eine Abbildung des gemessenen Signals auf das Interferenz-plus- Rauschverhältnis (SINR) aus den für eine bestimmte Übertragung zugewiesenen Ressourcen der physikalischen Schicht auf einen effektiven SINR-Wert abbilden, der dem SNR in einer auf additivem weißem Gaußschen Rauschen (AWGN) basierenden Übertragung entspricht - Methoden wie die auf gegenseitiger Information basierende Abbildung des effektiven Signal-zu-Interferenz- und Rauschverhältnisses (MIESM) und die auf Exponentialität basierende Abbildung des effektiven Signal-zu-Interferenz- und Rauschverhältnisses (EESM). Die Arbeit gliedert sich in drei Hauptteile. Zunächst werden die Grundlagen der 5G NR-Standards vorgestellt. Im zweiten Abschnitt wird der modellgetriebene Ansatz zur L2S-Modellierung vorgestellt, wobei die Trainings- und Testphase der ESM-Algorithmen (Effective SINR Mapping) detailliert beschrieben wird. Im letzten Kapitel wird ein datengesteuerter Ansatz zur Abstraktion von Verbindungen beschrieben. ML-Algorithmen wie Random Forest Regression, Decision Tree Regression und XGBoost Regression werden beschrieben und numerisch mit den modellgetriebenen L2S-Methoden verglichen. Die Anwendung von DL-Techniken, nämlich Künstliche Neuronale Netze (ANN), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM) und Conditional Tabular Generative Adversarial Network (CTGAN) wird ebenfalls in diesem Kapitel analysiert. Die Leistung der datengesteuerten Algorithmen wurde mit Tapped Delay Line (TDL)-Kanal-modellen des Third Generation Partnership Project (3GPP) für Innenraum- und Stadtszenarien evaluiert, einschließlich Single Input und Single Output (SISO) sowie Multiple Input und Multiple Output (MIMO) Fälle. Darüber hinaus werden die Rechen-, Arbeitsspeicher- und Speicherkomplexität sowohl für die modellgetriebenen als auch für die datengesteuerten Ansätze analysiert, um ein vollständiges Bild der Vor- und Nachteile sowie der damit verbundenen Kompromisse zu erhalten.
fastmat: efficient linear transforms in Python. - In: SoftwareX, ISSN 2352-7110, Bd. 18 (2022), 101013, S. 1-8
Scientific computing requires handling large linear models, which are often composed of structured matrices. With increasing model size, dense representations quickly become infeasible to compute or store. Matrix-free implementations are suited to mitigate this problem at the expense of additional implementation overhead, which complicates research and development effort by months, when applied to practical research problems. Fastmat is a framework for handling large structured matrices by offering an easy-to-use abstraction model. It allows for the expression of matrix-free linear operators in a mathematically intuitive way, while retaining their benefits in computation performance and memory efficiency. A built-in hierarchical unit-test system boosts debugging productivity and run-time execution path optimization improves the performance of highly-structured operators. The architecture is completed with an interface for abstractly describing algorithms that apply such matrix-free linear operators, while maintaining clear separation of their respective implementation levels. Fastmat achieves establishing a close relationship between implementation code and the actual mathematical notation of a given problem, promoting readable, portable and re-usable scientific code.
https://doi.org/10.1016/j.softx.2022.101013