Detailseite
Projekt
Gesamtheitlicher Ansatz von "Compressed Sensing" und Netzwerkkodierung für drahtlose vermaschte Kommunikationsnetze
Fachliche Zuordnung
Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
Förderung
Förderung von 2015 bis 2021
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 273274386
Basierend auf den beeindruckenden Eigenschaften, die Netzwerkkodierung und Compressed Sensing separat gebracht haben, scheint die Idee, diese beide Technologien zusammenzubringen, offensichtlich. Durch die Kombination können wir eine Kommunikation mit geringer Latenz für Kommunikationssystemen mit massiver Anzahl von Kommunikationsknoten realisieren, indem wir einfach die Datenmenge erheblich reduzieren. Die erste Phase unseres Projektantrages zielte darauf ab, mit der agnostischen Kombination der beiden Schlüsseltechniken zu brechen und sie durch einen ganzheitlichen Ansatz für drahtlose vermaschte Netzwerke zu ersetzen. Wir haben die relevanten Szenarien und Anwendungen identifiziert, um ein robustes gemeinsames Kodierungs-/Rekodierungs--/Dekodierungs- und Komprimierungsschema zu entwerfen. Derzeit setzen wir unseren gemeinsamen Ansatz in der Praxis für industrielle IoT-Geräte für Audio- und Videoübertragungen ein. Wir werden bis zum Ende der ersten Phase einen vollständigen Demonstrator liefern.In der zweiten Projektphase möchten wir unsere Forschungsarbeit mit neuen Ideen und Konzepten fortsetzen, um niedrige Latenzzeiten, Skalierbarkeit und Sicherheit für zukünftige Kommunikationssysteme zu erreichen. Die Hauptziele der zweiten Phase sind i.) Finite-Field-Compressed-Sensing, ii.) Joint Coded Computation, iii.) Adaptive Lernstrategien für optimale Kodierungs- / Komprimierungsentscheidungen pro Knoten und iv.) Gruppentests mit Benutzeraktivitätserkennung.Während die Netzwerkkodierung bereits mit endlichen Feldern arbeitet, besteht die Herausforderung darin, Compressed Sensing von der Berechnung des realen Feldes auf die Berechnung des endlichen Feldes zu ändern. Wir erwarten, dass das Finite-Field-Compressed-Sensing den Nachteil aufwändiger Rechenkomplexität überwinden kann, der sich direkt auf die Latenzzeit auswirkt. Darüber hinaus möchten wir die Arbeit in kombinatorischen Gruppentests und kodierten Berechnungen für die Benutzeraktivierung und sicheren drahtlosen verteilten Speicher fortsetzen. In diesem Zusammenhang erwarten wir, dass die gemeinsame Netzwerkkodierung und Compressed Sensing mit unseren neuen Ideen die eingebaute Sicherheit und Zuverlässigkeit jedes zukünftigen Kommunikationssystems enorm verbessern werden. Durch das Einbeziehen von maschinellem Lernen und insbesondere von Lernprozessen, die auf tiefen neuronalen Netzwerken basieren, erwarten wir, dass die Latenzzeit und Komplexität für Echtzeitanwendungen erheblich reduziert wird.
DFG-Verfahren
Schwerpunktprogramme
Teilprojekt zu
SPP 1798:
Compressed Sensing in der Informationsverarbeitung
