Third party funded individual grant
Acronym: Funklokalisierung
Start date : 15.05.2018
End date : 14.05.2020
Im Rahmen dieses Projekts wurden Methoden und Techniken des maschinellen Lernens im Anwendungsfeld der Lokalisierung untersucht. Dabei konnten tiefe neuronale Netze dazu verwendet werden, um nichtlineare Ausbreitungsbedingungen bei der Funklokalisierung zu modellieren, um eine Positionsbestimmung selbst bei schwierigen, metallischen Umgebungen zu ermöglichen. Weiterhin wurde untersucht, inwiefern die zeitliche Betrachtung der Funksignale mittels rekurrenter neuronaler Netze einen Mehrwert direkt in der Lokalisierungsalgorithmik liefern kann und inwiefern diese sich effizient mit klassischen Methoden (wie z.B. Kalman-Filtern) kombinieren lassen.
Darüber hinaus konnten erste Erkenntnisse bzgl. einer Fusion mit Kameradaten gewonnen werden. Funkbasierte Lokalisierungssysteme haben gegenüber optischen Lokalisierungstechnologien Vorteile, sobald es zu Verdeckungsproblemen kommt. Im Gegenzug haben Funk-basierte Systeme Probleme mit metallischen Aufbauten/Oberflächen, da die Funkwellen an metallischen Oberflächen reflektiert werden und damit über mehrere Pfade an den Empfangsantennen empfangen werden. Es konnte ein Fusionsfilter entwickelt werden, welcher die gegenseitigen Schwächen der Systeme ausgleicht und ein genaues aber auch zugleich robustes Tracking erlaubt.