Publikationen

In vielen Medienunternehmen findet der Wandel zu IP-basierten Hörfunk- und Fernsehproduktionen statt. Das betrifft auch die Bereitstellung der zur Synchronisation erforderlichen Signale. In Live-IP-Netzwerken wird anstelle von Synchronisationssignalen auf den paketbasierten Austausch von Zeitinformationen über das Precision Time Protocol (PTPv2) gesetzt. Der Südwestrundfunk (SWR) strebt als Übergangsphase eine Koexistenz der alten und neuen Technologie an, sodass die bereits bestehenden Broadcast-Systeme zunächst weiter mit den klassischen Synchronisationssignalen (z.B. Wordclock oder Blackburst) versorgt werden müssen. Da PTPv2 zukünftig das führende Synchronisationssystem im SWR sein soll, müssen Wandler eingesetzt werden, welche aus den PTPv2-Zeitinformationen die klassischen Synchronisationssignale ableiten können (hybride Studiosynchronisation). Ziel dieser Untersuchung ist es, eine Architektur zu entwicklen, die eine PTPv2-basierte Synchronisation im gesamten SWR-Netzwerk ermöglicht. Des Weiteren sollen verschiedene hybride Wandler auf deren Eigenschaften untersucht werden, um einschätzen zu können, welche produktiv eingesetzt werden können.

MIMO-OFDM ist eine wettbewerbsfähige Wahl für drahtlose Breitband-Kommunikationssysteme. Die Kombination der Methoden ermöglicht es, den Durchsatz und die Zuverlässigkeit von Kommunikationssystemen zu erhöhen. Wenn darüber hinaus Kanalzustandsinformationen auf der Senderseite verfügbar sind, können wir durch lineare Vorcodierung und Decodierung auf der Sender- und auf der Empfängerseite eine zusätzliche Verbesserung der Leistung des Kommunikationssystems erzielen. Aufgrund der großen Anzahl von Unterträgern in den modernen OFDM-Systemen wächst jedoch die mit der Berechnung und Anwendung der Vorkodierung und Dekodierung auf jedem Unterträgerverbundene Rechenlast mit der Zunahme der Anzahl von Unterträgern übermäßig an, und der direkte Ansatz wird in der Praxis nicht mehr praktikabel. Während in realen Kommunikationssystemen die Leistungssteigerung mit minimalen Hardware- und Rechenkosten erreicht werden sollte, ist der direkte Ansatz in der Praxis nicht durchführbar. Daher ist die Entwicklung von Algorithmen mit geringerer Berechnungskomplexität für zukünftige Kommunikationssysteme entscheidend und eines der Hauptanliegen der Systementwickler. In der Masterarbeit untersuchen wir den linearen Vorcodierungsentwurf für Multiple-Input Multiple-Output Orthogonal Frequency-Division Multiplexing (MIMO-OFDM) Systeme mit der reduzierten Komplexität. Wir leiten eine Tensorstruktur eines empfangenen Signals für ein MIMO-OFDM-System mit linearer Vorcodierung und Decodierung ab. Darüber hinaus stellen wir das empfangene Signal als eine Reihe von Doppelkontraktionsoperationen zwischen Tensoren für Decoder, Kanal, Vorcodierer und Sendesymbole dar. Wir untersuchen und präsentieren Ergebnisse für verschiedene Methoden der Subträgergruppierung als Verfahren zur Reduzierung der rechnerischen Komplexität des Verfahrens. Wir präsentieren einen Überblick über die vorhandenen Algorithmen und schlagen unseren Algorithmus zur Lösung des Problems vor, der auf der HOSVD des Kanaltensors für eine Gruppe von Unterträgern mit anschließender Rang 1 Approximation basiert, um ein einheitliches Vorkodierungs- und Dekodierungsschema für die gesamte Gruppe von Unterträgern zu entwerfen. Die Leistung des vorgeschlagenen Algorithmus wird durch Simulationen in verschiedenen Kanalmodellen verifiziert, wie z. B. dem 3GPP Pedestrian-A-Kanalmodell und dem 3GPP 3D-Modell unter Verwendung des Quadriga-Kanalsimulators.

Heutzutage besteht eine der Hautaufgaben für die meisten Unternehmen, die Produktion zu optimieren, indem die Kosten für Ausfälle und Außerbetriebsetzung bei der Wartung der Geräte gesenkt werden. Um solche Probleme zu vermeiden, setzen die Unternehmen ein Predictive Maintenance (PM) Überwachungssystem ein, bei dem der aktuelle Gerätezustand mit Hilfe von Sensoren (z.B. Stromsensoren, Ultraschallsensoren, Drucksensoren usw.) in Echtzeit bestimmt wird. Die vorliegende Arbeit befasst sich mit der Erkennung von Lagerschäden in Elektromotoren, welche eine häufig auftretende Ausfallursache der Motoren sind. Um mögliche Lagerschaden früher vorherzusagen, wird in dieser Arbeit eine Ultraschalluntersuchung des Motors durchgeführt, bei der der Ultraschallsensor auch geringfügige Änderungen des Motorbetriebs aufzeichnen kann. Nach Analyse der berechneten Kennwerte des Motorbetriebs mit und ohne Lagerschaden mittels statistischer Analyse, Fourier-, Wavelet und Kreuzkorrelationsanalyse werden geeignete Parameter für den Vergleich unterschiedlicher Motoren bestimmt. Zur Identifikation von Motoren mit und ohne Lagerschaden wird ein künstliches neuronales Netz (Backpropagation-Netz) eingesetzt und trainiert.

Global Navigation Satellite Systems (GNSS) are crucial for applications that demand very accurate positioning. Tensor-based time-delay estimation methods, such as CPD-GEVD, DoA/KRF, and SECSI, combined with the GPS3 L1C signal, are capable of, significantly, mitigating the positioning degradation caused by multipath components. However, even though these schemes require an estimated model order, they assume that the number of multipath components is constant. In GNSS applications, the number of multipath components is time-varying in dynamic scenarios. Thus, in this paper, we propose a tensor-based framework with model order selection and high accuracy factor decomposition for time-delay estimation in dynamic multipath scenarios. Our proposed approach exploits the estimates of the model order for each slice by grouping the data tensor slices into sub-tensors to provide high accuracy factor decomposition. We further enhance the proposed approach by incorporating the tensor-based Multiple Denoising (MuDe).

To achieve a reliable communication with short data blocks, we propose a novel decoding strategy for Kronecker-structured constant modulus signals that provides low bit error ratios (BERs) especially in the low energy per bit to noise power spectral density ratio (E_b/N_o). The encoder exploits the fact that any M-PSK constellation can be factorized as Kronecker products of lower or equal order PSK constellation sets. A construction of two types of schemes is first derived. For such Kronecker-structured schemes, a conceptually simple decoding algorithm is proposed, referred to as Kronecker-RoD (rank-one detector). The decoder is based on a rank-one approximation of the "tensorized" received data block, has a built-in noise rejection capability and a smaller implementation complexity than state-of-the-art detectors. Compared with convolutional codes with hard and soft Viterbi decoding, Kronecker-RoD outperforms the latter in BER performance at same spectral efficiency.