In-Network-Datenanalyse räumlich verteilter Größen

• Antragsteller: Dr.-Ing. Reiner Jedermann; Dr.-Ing. Henning Paul
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung von 2014 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 253282643

• Erstellungsjahr: 2017

Zusammenfassung der Projektergebnisse

Drahtlose Sensornetze können unter anderem dazu genutzt werden, die räumliche Verteilung einer Messgröße zu erfassen, wie z.B. die Verteilung der Temperatur in einem Behälter oder Raum oder die Konzentration eines Schadstoffes in einer Wasserfläche. Zur Übertragung und Auswertung der Daten ist es vorteilhaft, diese durch ein Modell abzubilden. Hauptfragestellung des Projektes war es, geeignete Modelle zu identifizieren und deren Parameter bereits innerhalb des Netzwerkes durch verteilte Algorithmen zu schätzen. Durch eine verteile Implementierung wird eine höhere Stabilität des Systems gegenüber Ausfällen oder nicht-erreichbarkeit einzelner Knoten erzielt. Im Projekt wurden unter anderem die beiden folgenden Verfahren entwickelt: KDiCE: Das Kernel-DiCE-Verfahren ist eine Weiterentwicklung des DiCE (Distributed Consensusbased Estimation)-Schätzalgorithmus auf Basis nichtlinearer Kernel. Dieses Verfahren ermöglicht dadurch die verteilte Schätzung nichtlinearer Funktionen und erreicht durch iteratives Vorgehen eine Schätzgüte, die einer zentralen Verarbeitung gesammelter Messdaten an einem dedizierten Verarbeitungsknoten entspricht. Hierbei wird keinerlei Routingprotokoll für die Kommunikation innerhalb des Netzwerks benötigt, da jeder Sensorknoten lediglich mit seinen unmittelbaren Nachbarn kommuniziert. Aus diesem Grund weisen DiCE-basierte Verfahren auch eine hohe Robustheit gegen ungewünschte Änderungen der Kommunikationstopologie auf. VVK: Bei einem anderen Ansatz wird versucht, das beobachtete Gebiet mit möglichst wenigen Stützstellen abzubilden. Werte zwischen den Stützstellen werden durch Interpolation berechnet. Das Verteilte Virtuelle Kriging (VVK) sucht quasi optimale Positionen von Virtuellen Sensoren (VS) als Stützstellen innerhalb von lokalen Clustern. Das Verfahren ist auch für Fälle geeignet, bei denen sich die Generierung der Testdaten nicht auf reine Diffusionsprozesse beschränkt. In einem Anwendungsszenario konnte nachgewiesen werden, dass sich durch VVK die Kommunikation im Netzwerk um den Faktor 3,7 bis 8 reduzieren lässt im Vergleich zur Übertragung der vollständigen Messwerte. In einer Hardware Demonstration wurden zuvor zusammengestellte Daten aus Feldtests und CFD Simulationen genutzt. Bei der Implementierung auf der Zielhardware hat sich jedoch herausgestellt, dass die Algorithmen zur verteilten Parameterschätzung sehr rechenaufwändig sind. Energieeinsparungen sind jedoch möglich, wenn die Sensorknoten mit einem schnellen und energieeffizienten Prozessor ausgestattet werden, wie er z.B. im Raspberry Pi verwendet wird. Es ist aber davon auszugehen, dass derartige Sensorknoten zukünftig bereitstehen, und somit verteilte Algorithmen helfen, Batterie betriebene Sensorknoten energieeffizienter auszulegen.

Projektbezogene Publikationen (Auswahl)

• Compressed Radio Transmission of Spatial Field Measurements by Virtual Sensors. In: 2016 IEEE International Conference on Wireless for Space and Extreme Environments (WiSEE), Aachen, Germany, 2016, pp. 184-189
  Jedermann, R.; Paul, H.; Lang, W.
  
• Kernel Least Squares for Nonlinear Regression Applied to Sensor Networks. In: 2016 24th European Signal Processing Conference (EUSIPCO), 2016, pp. 1588-1592
  Shin, B.S.; Paul, H.; Dekorsy, A.: Distributed
  
• Sparse Point Source Estimation in Sensor Networks with Gaussian Kernels. In: WSA 2016; 20th International ITG Workshop on Smart Antennas, 2016, pp. 1-7
  Paul, H.; Jedermann, R.
  
• "Distributed nonlinear regression using in-network processing with multiple Gaussian kernels," 2017 IEEE 18th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC), 2017, pp. 1-5
  Shin, B.S.; Paul, H.; Yukawa, M.; Dekorsy, A.
  
• Computational Fluid Dynamics Modelling of Deviating Airflow and Cooling Conditions in Banana Containers. In: Tijskens, L.M.M.; Schouten, R.,(eds.): V International Symposium on Applications of Modelling as an Innovative Technology in the Horticultural Supply Chain-Model-IT 2015, Wageningen, Netherlands, International Society for Horticultural Science (ISHS), Leuven, Belgium, 2017, pp. 193-200
  Jedermann, R.; Lang, W.
  
• In-network Processing by the Example of Maxima Estimation in Spatial Fields. In: 11th International ITG Conference on Systems, Communication and Coding, Hamburg, Germany, VDE-Verlag, 2017, Vol. ITG-Fb 268
  Jedermann, R.; Paul, H.; Lang, W.