Publikationen

Autonome Unterwasservehikel (AUV) sind für den Einsatz in maritimen Gebieten mit harschen und lebensbedrohlichen Umgebungsbedingungen sowie langen Missionshorizonten unerlässlich. Die Planung solcher Missionen erfolgt dabei oft über einen übergeordneten Missionsplanungsalgorithmus, der auf Grundlage von Umgebungsdaten, wie z.B. Wetter-, Karten- und Sensordaten, Referenzwegpunkte generiert. Aufgrund zeitlich veränderlicher Missionsziele und dynamisch variierender Hindernisse, wie z.B. andere Seefahrzeuge, ist eine flexible Anpassung dieser Referenzwegpunkte zur Laufzeit unvermeidlich. Da in den meisten Anwendungsfällen eine möglichst genaue Durchquerung der Wegpunkte mit vertretbarem Stellaufwand gewünscht ist, fokussiert diese Dissertation auf die Bahnführung von AUV, die durch eine Kombination aus on-line Bahnplanung und nichtlinearen Folgeregelungskonzepten besteht. Wegen der Anforderungen von Folgeregelungen an die Glattheit der Referenzbahn (C2) werden im ersten Teil dieser Arbeit zunächst 3D Bahnplanungsalgorithmen auf Basis von Polynomen 5. Grades vorgestellt, welche die von der Missionsplanung vorgegebenen Wegpunkte interpolieren. Zur Verbesserung der numerischen Eigenschaften sowie der Reduzierung des Rechenaufwands wird dieser Ansatz auf B-Splines übertragen. Durch eine spezielle Pufferung/Fensterung einer bestimmten Anzahl an Wegpunkten wird die zusätzliche Anforderung an die on-line Planung adressiert. Im zweiten Teil der Arbeit werden ausgehend von einer eingehenden mathematischen Modellbildung von AUVs nichtlineare Folgeregelungskonzepte für den vollaktuierten und den unteraktuierten Fall (mehr Freiheitsgrade als Stellgrößen) entwickelt. Für ersteren wird eine Feedback-Linearisierung mit beobachterbasiertem Ansatz und aktiver Störunterdrückung präsentiert. Für den zweiten Fall wird ein robustes, adaptives Regelgesetz zur Kompensation von Modellunsicherheiten und Störungen entworfen. Wegen der Unteraktuierung des Systems, stellt dies eine anspruchsvolle Aufgabe dar, welche basierend auf der direkten Methode von Lyapunov und adaptiver Backstepping-Verfahren gelöst wird. Zur Robustifizierung des adaptiven Reglers kommen Parameter-Projektions-Techniken zum Einsatz. Abschließend werden formale Nachweise der Stabilität der präsentierten Regelungen angeführt und die Leistungsfähigkeit der entwickelten Ansätze anhand von detaillierten Simulationen belegt.

The paper introduces a proposal for an automated magnetic resonance (MR) image segmentation called Case-Based Genetic Algorithm Location-Dependent Image Classification (CBGA-LDIC) and presents its evaluation results. This method finds an appropriate cell set towards efficient image segmentation. It uses location-dependent image classification (LDIC), which is integrated by genetic algorithm (GA) combined with case based reasoning (CB). LDIC is a local heuristic, which defines multiple location-dependent classifiers. Each classifier is trained by Gaussian mixture model. CBGA-LDIC decomposes the whole image into some cells, makes a set of cells, and then trains classifiers. The method is applied to knee bones, beca0use these bone formations are similar in their location. Therefore, good combinations of cells are useful and stored in case bases. To show, that this method produces better results that other ones and to find optimal parameters, some experiments have been performed and their results are presented in this paper.

Mobilgeräte bilden heute die Grundlage allgegenwärtiger Informationsdienste. Während der sogenannte geografische Multicast (Geocast) hier bereits ausführlich erforscht worden ist, so bezieht sich dieser nur auf Geräte, welche sich aktuell innerhalb einer geografischen Zielregion befinden. Diese Arbeit erweitert dieses Konzept durch einen räumlich-zeitlichen Multicast, welcher sich informell als "Geocast in die Vergangenheit" beschreiben lässt. Dabei wird die Zustellung einer Nachricht an alle Nutzer betrachtet, die sich in der Vergangenheit an einem bestimmten Ort aufgehalten haben. Während eine Vielzahl von Anwendungen für dieses Konzept denkbar ist, so ergeben sich hier mehrere Herausforderungen. Um Nachrichten an ehemalige Besucher eines Ortes senden zu können, müsste ein räumlich-zeitlicher Multicast-Dienst die Bewegungen aller Nutzer vollständig erfassen. Aus Gründen des Datenschutzes ist das zentralisierte Sammeln solch sensibler personenbezogener Daten jedoch nicht wünschenswert. Diese Arbeit befasst sich daher insbesondere mit dem Schutz der Privatsphäre von Nutzern eines solchen Dienstes. Zur Entwicklung eines räumlich-zeitlichen Multicast-Dienstes erörtert diese Arbeit zunächst mögliche Anwendungen. Darauf aufbauend werden funktionale, nicht-funktionale, sowie Sicherheits- und Privatsphäre-relevante Anforderungen definiert. Diese bilden die Grundlage einer umfangreichen Literaturrecherche relevanter Realisierungstechniken. Der vielversprechendste Ansatz basiert hierbei auf der Hinterlegung von Nachrichten in sogenannten Rendezvous Points. Vereinfacht betrachtet stellen diese "anonyme Briefkästen" für bestimmte räumlich-zeitliche Regionen dar. Nachrichten werden in diesen so hinterlegt, dass legitime Empfänger sie dort später abholen können. Der Schutz der Nutzer-Privatsphäre entspricht dann der Verschleierung der Zuständigkeiten von Rendezvous Points für verschiedene räumlich-zeitliche Regionen. Diese Arbeit schlägt zwei Ansätze vor: CSTM, welches kryptografische Hashfunktionen nutzt, sowie OSTM, welches ordnungserhaltende Verschlüsselung in einem CAN Overlay einsetzt. Beide Optionen werden detailliert analytisch sowie empirisch bezüglich ihrer Diensteigenschaften untersucht und verglichen. Dabei zeigt sich, dass OSTM vorteilhaftere Leistungseigenschaften besitzt, während CSTM einen besseren Schutz der Nutzer-Privatsphäre bietet.