Publikationen

In dieser Masterarbeit wird, um die Änderungen zeitvariierender Parameter im Funkkanal genauer zu verfolgen, ein neues zeitvariantes parametrisches Modell unter Verwendung der Taylor-Reihenentwicklung erstellt und dann die Verzögerung und die Doppler-Frequenzverschiebung im Kanal geschätzt durch einen Maximum-Likelihood-Ansatz unter Verwendung des Levenberg-Marquart-Algorithmus. Zunächst werden die physikalischen Ursachen der Doppler-Frequenzverschiebung und -verzögerung sowie deren Auswirkungen auf Funkkanäle vorgestellt. Eine vorhandene Zeitinvariante wird dann angezeigt. Der Fokus liegt auf dem Zusammenhang zwischen der Kanalantwort und den Parametern im Modell und dem Prinzip des statischen Modells. Dies ist wichtig, um besser zu verstehen, warum wir motiviert sind, ein neues vorzuschlagen sich nähern. Anschließend wird das neue zeitvariante parametrische Modell im Detail vorgestellt. Im traditionellen statischen Modell beträgt die Änderungsrate von Parametern mit der Zeit wird oft ignoriert, was die Genauigkeit der Parameterschätzung stark beeinflusst. Im neuen zeitvarianten parametrischen Modell, das in diesem Papier vorgeschlagen wird, sammeln wir mehrere Momentaufnahmen in einer einzigen Beobachtung und verwenden die Taylor-Expansion, um das neue zeitvariante parametrische Modell zu verfeinern, um die Auswirkung der Änderungsrate auf die Daten zu erhalten. Dies erfolgt, um die Genauigkeit der nachfolgenden Schätzung zu verbessern und das SNR zu verbessern. Im folgenden Kapitel führt diese Arbeit die Maximum-Likelihood-Schätzung ein. Wenn die Maximum-Likelihood-Schätzung in die kleinste umgewandelt wird Quadratschätzung, Wir präsentieren eine bekannte Methode, um eine geeignete Parameterschätzung mit guter Genauigkeit und relativ geringem Rechenaufwand zu erhalten. Die Grundidee zum Finden des Minimums ist der Gradientenabstieg, einschließlich der Gaußschen Methode, der Gaußschen Newton-Methode und der Levenberg-Marquardt-Methode (LVM). Ich konzentriere mich darauf zu erklären, warum dieses Papier LVM wählt, um das Extrem zu finden Wert der Maximum-Likelihood-Funktion. Dann schlage ich unseren neuen Algorithmus vor: Time-Variant-Maximum-Likelihood (TVML) Algorithmus. Danach stellen wir kurz den hochmodernen Baseline Extended KalmanFilter (EKF)-Algorithmus vor, machen einen mathematischen Vergleich mit unserem neuen TVML-Algorithmus und entdecken, dass der EKF mathematisch eine einstufige Version einer verallgemeinerten LVM-Iteration ist. Darüber hinaus können wir mit numerischen Simulationen eine Verbesserung des SNR und damit der Schätzgenauigkeit bei der Verwendung von TVML im Vergleich zu EKF feststellen.

Zur Entwicklung Kommunikationssysteme werden Kenntnisse über den Funkkanal benötigt. Dafür kommen meist hochauflösende Parameterschätzer zum Einsatz. Sie erlauben Mehrwegekomponente aus Funkanalmessdaten zu extrahieren und eine Beschreibung der Ausbreitungspfade hinsichtlich Laufzeit, Doppler, Ein-und Ausfallrichtung. Für die Kanalerfassung wird im Rahmen dieser Arbeit einen MIMO-Sounder mit parallelen Messempfängern genutzt. Problem bei dieser Architektur liegt an der Kohärenz der Messempfänger, die auf die Zeit schwer zu halten wird. Diese driften unterschiedlich und diese Drifts sind für die Schätzung besonders schädlich, da sie dort größere Schätzfehler hervorrufen werden. Um es zu vermeiden, wird in dieser Arbeit ein Kalibrierverfahren für die Messempfänger entwickelt. Dafür wird eine neue Applikation probiert und anstatt wie üblich, den Kalibrierungsvorgang auf Kabel zu betreiben, geht es über die Luft. Ein Referenzkanal wird lokal gebaut und überwacht das Messsystem. Daraus werden alle Abweichungen der Messempfänger über die Zeit gewonnen. Aus den gewonnenen Systemfehler wird ein Korrektursignal gebildet und Offline erfolgt die Korrektur auf den MIMO-Messdaten, die weiterhin geschätzt werden. Es wurde Festgestellt, dass die Kalibrierung über den Referenzlink funktioniert hat, allerdings unter bestimmten Bedingungen: der Nutzsignal-Pegel im Referenz- und MIMO-Kanal muss gegenüber das Messrauschen deutlich viel größer sein. Weiterhin wird im Laufe der Arbeit die Faktoren, wovon die Genauigkeit der Korrekturdaten abhängen, untersucht.

Ultrasound Computed Tomography (UCT) is challenging due to phenomena such as strong refraction, multiple scattering, and mode conversion. In NDT, large speed of sound contrasts lead to strong artifacts if such phenomena are not modeled correctly; however, enhanced models are computationally expensive. In this work, a two-step framework for Compressed UCT based on the integral approach to the solution of the Helmholtz equation is presented. It comprises a physically motivated forward step and an imaging step that solves a suitable inverse problem. Multiple scattering is accounted for through the use of Neumann series. Convergence problems of Neumann series in high contrast settings are addressed via Padé approximants. Compressed sensing is employed to reduce the computational complexity of the reconstruction procedure by reducing data volumes directly at the measurement step, avoiding redundancy in the data and allowing the ability to steer the admissible computational effort at the expense of reconstruction quality. The proposed method is shown to yield high quality reconstructions under heavy subsampling in the frequency and spatial domains.

This paper presents a 4-channel bidirectional V-band beamformer adopting a switchless PALNA in a SiGe:C 130 nm BiCMOS technology, featuring ft/fmax of 250/340 GHz. Using such technique saves the silicon area occupied by the RF switches avoiding their lossy effect on PAs outputs and LNAs inputs. The designed beamformer contains PAs, LNAs, vector modulators with active balun, passive power dividers/combiners and an integrated SPI interface. On-wafer measurements show that the fabricated beamformer covers the band from 57 GHz to 66 GHz with an average small signal gain of 18 dB and 9 dB all over the channels in both Tx and Rx modes respectively. Furthermore, the beamformer achieves an OP1dB of 10.5 dBm in Tx mode and an IP1dB of -27 dBm in Rx mode. The circuit occupies 11 mm2 and consumes 230 mW and 100 mW per channel in Tx and Rx modes respectively.

Transcranial magnetic stimulation (TMS) is a powerful tool to investigate causal structure-function relationships in the human brain. However, a precise delineation of the effectively stimulated neuronal populations is notoriously impeded by the widespread and complex distribution of the induced electric field. Here, we propose a method that allows rapid and feasible cortical localization at the individual subject level. The functional relationship between electric field and behavioral effect is quantified by combining experimental data with numerically modeled fields to identify the cortical origin of the modulated effect. Motor evoked potentials (MEPs) from three finger muscles were recorded for a set of random stimulations around the primary motor area. All induced electric fields were nonlinearly regressed against the elicited MEPs to identify their cortical origin. We could distinguish cortical muscle representation with high spatial resolution and localized them primarily on the crowns and rims of the precentral gyrus. A post-hoc analysis revealed exponential convergence of the method with the number of stimulations, yielding a minimum of about 180 random stimulations to obtain stable results. Establishing a functional link between the modulated effect and the underlying mode of action, the induced electric field, is a fundamental step to fully exploit the potential of TMS. In contrast to previous approaches, the presented protocol is particularly easy to implement, fast to apply, and very robust due to the random coil positioning and therefore is suitable for practical and clinical applications.