Indoor Location Tracking and Information System
|
|
- Irmgard Scholz
- vor 5 Jahren
- Abrufe
Transkript
1 Master Thesis Indoor Location Tracking and Information System Thomas Blocher TU Graz Österreich IMST GmbH Deutschland Indoor Location Tracking and Information System p. 1/14
2 Gliederung Kurzeinführung ILTIS Winkelmessung Positionsbestimmung Tracking NLOS Erkennung Zusammenfassung Indoor Location Tracking and Information System p. 2/14
3 ILTIS Topologie Indoor Location Tracking and Information System p. 3/14
4 Evaluierung der Winkelmessung Ziel: Fehler-Modell erstellen Indoor Location Tracking and Information System p. 4/14
5 Ergebnisse der Winkelmessungen Einzelner Messpunkt (Ort): kleine Varianz, Ausreißer Bias: eine Funktion des Ortes Varianz unabhängig vom wahren Winkel, Abstand usw. Fehler-Modell: r = f(x) + b(x) + n + o f(x)... Wahrer AoA b(x)... Bias Fehler (std. = 1.8 ) n... Zufälliger Fehler (std. = 0.4 ) o... Ausreißer (< 1%) Indoor Location Tracking and Information System p. 5/14
6 Lokalisierungs-Algorithmus Berechnung der MS Position mit den AoA Messungen BS 4 BS 5 MS BS BS Indoor Location Tracking and Information System p. 6/14
7 Lokalisierungs-Algorithmus Kleinste Fehlerquadrate für AoA Q(x) = (r f(x)) T (r f(x)) Indoor Location Tracking and Information System p. 6/14
8 Lokalisierungs-Algorithmus Zoom Indoor Location Tracking and Information System p. 6/14
9 Lokalisierungs-Algorithmus Letzte Position Indoor Location Tracking and Information System p. 6/14
10 Lokalisierungs-Algorithmus Q(x) = (r f(x)) T (r f(x)) + g(x,x Last ) z.b. g(x,x Last ) = x Last x 2 Indoor Location Tracking and Information System p. 6/14
11 Tracking mit der letzten Position Simulation mit σ n = (a) CF 1, Fehler = 25.9 cm (b) CF 2, Fehler = 9.9 cm Einfluss der letzten Position CF 1: stark CF 2: mittelstark CF 3: schwach CF 4: keiner (c) CF 3, Fehler = 10.6 cm (d) CF 4,Fehler = 14.9 cm Indoor Location Tracking and Information System p. 7/14
12 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], w N(0,Q) Indoor Location Tracking and Information System p. 8/14
13 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Indoor Location Tracking and Information System p. 8/14
14 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Indoor Location Tracking and Information System p. 8/14
15 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Vorhersage: neue Position = alte Position + Geschwindigkeit Zeit Indoor Location Tracking and Information System p. 8/14
16 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Vorhersage: neue Position = alte Position + Geschwindigkeit Zeit Beobachtung : Position Indoor Location Tracking and Information System p. 8/14
17 Tracking mit Kalman Filter (I) Simulation mit: σ n = 2.0, σ b = 0.0 o = 0% (a) CM 1 mit CF 3, Fehler = 6.1 cm (b) CM 2 mit CF 3, Fehler = 7.4 cm Indoor Location Tracking and Information System p. 9/14
18 Tracking mit Kalman Filter (II) (a) CM 1, Fehler = 9.1 cm (c) CM 3, Fehler = 15.1 cm (b) CM 2, Fehler = 8.0 cm Simulation mit: σ n = 2.0 Kalman Filter Annahmen: (a) Modellrauschen: groß Messrauschen: klein (b) Modellrauschen: klein Messrauschen: klein (c) Modellrauschen: klein Messrauschen: sehr groß Indoor Location Tracking and Information System p. 10/14
19 Lokalisierung mit Messergebnisse Reale Messung (a) Kalman Filter, Fehler = 9.5 cm (b) Kostenfunktion 4, Fehler = 10.8 cm Indoor Location Tracking and Information System p. 11/14
20 NLOS Erkennung Schlechtes Messergebnis für BS 5 AoA Fehler [ ] BS 4 BS 5 MS BS BS Indoor Location Tracking and Information System p. 12/14
21 NLOS Erkennung Lokalisierung Indoor Location Tracking and Information System p. 12/14
22 NLOS Erkennung Entfernung von BS 5 Indoor Location Tracking and Information System p. 12/14
23 Zusammenfassung Lokalisierung Lokalisierung Genauigkeit 6 cm - 40 cm Tracking: Letzte Position Nacheilen versus zittern Tracking: Kalman-Filter Beste Genauigkeit Schwierig: Modell- und Messrauschen zu finden NLOS Erkennung Verbessert Genauigkeit Indoor Location Tracking and Information System p. 13/14
24 ENDE Danke für die Aufmerksamkeit Indoor Location Tracking and Information System p. 14/14
Der diskrete Kalman Filter
Der diskrete Kalman Filter Fachbereich: Informatik Betreuer: Marc Drassler Patrick Winkler 1168954 6. Dezember 2004 Technische Universität Darmstadt Simulation und Systemoptimierung Darmstadt Dribbling
Mehr3.4 Asymptotische Evaluierung von Sch atzer Konsistenz Konsistenz Definition 3.4.1: konsistente Folge von Sch atzer
3.4 Asymptotische Evaluierung von Schätzer 3.4.1 Konsistenz Bis jetzt haben wir Kriterien basierend auf endlichen Stichproben betrachtet. Konsistenz ist ein asymptotisches Kriterium (n ) und bezieht sich
Mehr1 Messfehler. 1.1 Systematischer Fehler. 1.2 Statistische Fehler
1 Messfehler Jede Messung ist ungenau, hat einen Fehler. Wenn Sie zum Beispiel die Schwingungsdauer eines Pendels messen, werden Sie - trotz gleicher experimenteller Anordnungen - unterschiedliche Messwerte
MehrComputergestützte Datenanalyse in der Kern- und Teilchenphysik
Computergestützte Datenanalysein der Kern- und Teilchenphysik p. 1/?? Computergestützte Datenanalyse in der Kern- und Teilchenphysik Vorlesung 4 Jan Friedrich Computergestützte Datenanalysein der Kern-
MehrBeispiel: Positionsschätzung
Das Kalman Filter Beispiel: Positionsschätzung Beispiel: Positionsschätzung. Messung: mit Varianz Daraus abgeleitete Positionsschätzung: mit Varianz ˆX = = f f ( y ) y 3 Beispiel: Positionsschätzung. Messung:
MehrLokalisierungsverfahren für drahtlose Sensornetzwerke
Lokalisierungsverfahren für drahtlose Sensornetzwerke Prof. Dr. Fachhochschule Forschungsschwerpunkt: Mobile Business Mobile Systems Lokalisierungsverfahren für drahtlose Sensornetzwerke Inhalt Drahtlose
Mehr6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen
6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte
MehrAusgleichungsrechnung - nach der Methode der kleinsten Quadrate -
Computer Vision Ausgleichungsrechnung - nach der Methode der kleinsten Quadrate -.6.5 Problem Beispiel: Bestimmung der Parameter einer Gerade bei gegebenen x und fehlerhaften y y = ax+ b Beschreibung der
MehrOrientierungsbestimmung mobiler Objekte unter Verwendung von Magnet- und MEMS Inertialsensoren
. Orientierungsbestimmung mobiler Objekte unter Verwendung von Magnet- und MEMS Inertialsensoren Geodätische Woche 2013 F. Zimmermann, C. Eling, L. Klingbeil, H. Kuhlmann 08.10.2013 Unmanned Aerial Vehicle
MehrGRACE-Datenanalyse mit dem Kalman-Filter
. GRACE-Datenanalyse mit dem Kalman-Filter Wie gut lassen sich aus GRACE-Beobachtungen echte tägliche Schwerefeldlösungen bestimmen? 1 Enrico Kurtenbach, Torsten Mayer-Gürr, Annette Eicker Institut für
Mehrkleinsten Quadraten Session 4: Angewandte Geodäsie und GNSS Geodätische Woche, 29. September 2011, Nürnberg
von von Session 4: Angewandte Geodäsie und GNSS Corinna Harmening Jens-André Geodätisches Institut Leibniz Universität Hannover Geodätische Woche, 29. September 2011, Nürnberg 1 / 12 Motivation von Abb.
MehrEin Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen
Sicherheit durch Fahrerassistenz 2010 Ein Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen Wojciech Derendarz, Thorsten Graf Volkswagen AG Friedrich M. Wahl TU Braunschweig,
MehrProtokoll zum Versuch Druckmessung / III
Protokoll zum Versuch Druckmessung / III Datum des Versuches:Dezember 2004 Praktikumsgruppe: Mitarbeiter: 1.Aufgabenstellung - an einer Rohrleitung sind systematischen Fehler p des statischen Druckes infolge
MehrImproving the Accuracy of GPS
Improving the Accuracy of GPS Stephan Kopf, Thomas King, Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim Gliederung Motivation ierungsfehler von GPS Steigerung der Genauigkeit
MehrEinführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
MehrKalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern
Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern Vorlesung Robotik SS 016 Kalmanfiter () Kalman-Filter: optimaler rekursiver Datenverarbeitungsalgorithmus optimal hängt vom gewählten
MehrMessunsicherheit und Fehlerrechnung
Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und
MehrGrundlagen zu neuronalen Netzen. Kristina Tesch
Grundlagen zu neuronalen Netzen Kristina Tesch 03.05.2018 Gliederung 1. Funktionsprinzip von neuronalen Netzen 2. Das XOR-Beispiel 3. Training des neuronalen Netzes 4. Weitere Aspekte Kristina Tesch Grundlagen
MehrGrundlagen Ausgleichungsrechnung
Saarbrücken Abteilung Bautechnik Gliederung Einleitung Fehlerarten Ausgleichungsrechnung, Methode der kleinsten Quadrate Beispiel Maßstabsfaktor und Additionskonstante Beispiele Helmerttransformation Saarbrücken
MehrWindatlas Österreich René Cattin, Hans Winkelmeier
Windatlas Österreich René Cattin, Hans Winkelmeier Inhalt Präsentation des Windatlas Genauigkeit des Windatlas Der Weg zum Windatlas Erkenntnisse Stärken und Schwächen des Windatlas Schlussfolgerungen
MehrComputer Vision: Kalman Filter
Computer Vision: Kalman Filter D. Schlesinger TUD/INF/KI/IS D. Schlesinger () Computer Vision: Kalman Filter 1 / 8 Bayesscher Filter Ein Objekt kann sich in einem Zustand x X befinden. Zum Zeitpunkt i
MehrKapitel 10. Maschinelles Lernen Lineare Regression. Welche Gerade? Problemstellung. Th. Jahn. Sommersemester 2017
10.1 Sommersemester 2017 Problemstellung Welche Gerade? Gegeben sind folgende Messungen: Masse (kg) 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 Kraft (N) 1.6 2.2 3.2 3.0 4.9 5.7 7.1 7.3 8.1 Annahme: Es gibt eine Funktion
MehrExploring Mobility.
Exploring Mobility »Möglichkeiten für Location- Based Services in komplexen Strukturen und Umgebungen am Beispiel Bluetooth Low Energy «ecom instruments GmbH Dietmar Deppisch Product Manager System Solutions
MehrDie Notwendigkeit von GNSS Interference Monitoring in Österreich
Die Notwendigkeit von GNSS Interference Monitoring in Österreich Sascha Bartl, BSc TeleConsult Austria GmbH (Graz, Austria) AHORN 2014 der Alpenraum und seine Herausforderungen im Bereich Orientierung,
MehrIntelligente Roboter
64-424 Intelligente Roboter 64-424 Intelligente Roboter http://tams.informatik.uni-hamburg.de/ lectures/2010ws/vorlesung/ir Jianwei Zhang Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften
MehrLeistungsfähigkeit von Lokalisierungsverfahren im WLAN
Leistungsfähigkeit von Lokalisierungsverfahren im WLAN Gliederung 1. Motivation 2. Möglichkeiten und Probleme WLAN Positionsbestimmung 3. Vorgehen a. Testumgebung b. Gerätschaften und Messungen c. Location
MehrStatistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Dr. Stan Lai und Prof. Markus Schumacher Physikalisches Institut Westbau 2 OG Raum 008 Telefonnummer
MehrGNSS/IMU Integration für die präzise Bestimmung einer Flugtrajektorie
GNSS/IMU Integration für die präzise Bestimmung einer Flugtrajektorie Fabian Hinterberger Institut für Geodäsie und Geophysik, Tu Wien 18. Nov. 2011 1 Motivation Motivation Gegenüberstellung Eigenschaften
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Bauingenieure und Geodäten Übung 5: statistische Auswertung gleichgenauer Messungen Milo Hirsch Hendrik Hellmers Florian Schill Institut für Geodäsie Fachbereich 3 Inhaltsverzeichnis
MehrEntwicklung eines Location Tracking Systems. Edyta Kutak
Entwicklung eines Location Tracking Systems für r die Indoor Navigation Edyta Kutak Überblick Motivation Indoor Location Tracking Grundlage für f Lokationsverfahren Positionsbestimmungssysteme Kategorien
MehrVergleich einer MPC Methode für korreliertes Mess- und Prozessrauschen mit einer Standardimplementierung
Vergleich einer MPC Methode für korreliertes Mess- und Prozessrauschen mit einer Standardimplementierung Bachelorarbeit von Georg Steger Betreuer: Dr. Harald Waschl SS 2015 1 INHALT Aufgabenstellung und
MehrLOBSTER Location Based Services für Menschenstromanalysen in Notfall- und Krisensituationen zur Unterstützung von Ersthelfern
Location Based Services für Menschenstromanalysen in Notfall- und Krisensituationen zur Unterstützung von Ersthelfern Christoph Pöllabauer TeleConsult Austria GmbH Graz, Österreich christoph.poellabauer@tca.at
MehrHypothesenbewertungen: Übersicht
Hypothesenbewertungen: Übersicht Wie kann man Fehler einer Hypothese abschätzen? Wie kann man einschätzen, ob ein Algorithmus besser ist als ein anderer? Trainingsfehler, wirklicher Fehler Kreuzvalidierung
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrFortgeschrittenenpraktikum Inverses Pendel
Fortgeschrittenenpraktikum Inverses Pendel Johannes Vogt, Stefan Richter Robotiklabor an der Universität Heidelberg Übersicht Team und Betreuer Aufgabenstellung Theoretische Modellierung des physikalischen
MehrGrundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen
Grundlagen: Bildbearbeitung / Objekterkennung Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen Videoerkennung! Warum? Live-Übertragung von Veranstaltungen Überwachung
MehrDie Windkraftanlage. Lehrhinweise. Wissenschaft Energiespeicherung Energieumwandlung Wissenschaftliche Untersuchungen
Die Windkraftanlage Wissenschaft Energiespeicherung Energieumwandlung Wissenschaftliche Untersuchungen Konstruktion und Technik Verbesserung durch geschicktes Konstruieren Komponenten zusammenbauen Konstruktionen
MehrQuantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen
Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen, Jonas Steinbock, André Fiebach, Thomas Lederer Erfahrungsaustausch zum Thema Flow am 29.2.2016
Mehr(Indoor)-Lokalisation
(Indoor)-Lokalisation Mathias Pelka http://www.cosa.fh-luebeck.de 19.05.2014 2014 Forschung erforschen 1 Global Positioning System (NAVSTAR GPS) Ermöglicht die Positionsbestimmung Zwei Frequenzen (L1,
MehrKalman-Filter und Target Tracking
Kalman-Filter und Target Tracking Peter Poschmann Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik/Mathematik 23. März 2016 Inhalt 1 Kalman-Filter Einleitung Eindimensionaler Kalman-Filter
MehrEGRESSIONSANALYSE AVID BUCHATZ NIVERSITÄT ZU KÖLN
1 EGRESSIONSANALYSE AVID BUCHATZ NIVERSITÄT ZU KÖLN UFBAU 1 Historie 2 Anwendungen / Ziele 3 Lineare Regression/ Beispiel KQ 4 Nichtlineare Regression 5 Eigenschaften der Schätzer istorie früheste Form
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
MehrAufgabe 1. Aufgabe 2. Die Formel für den mittleren Fehler einer Streckenmessung mit Meßband lautet:
Semesterklausur Fehlerlehre und Statistik WS 96/97 11. Februar 1997 Zeit: 2 Stunden Alle Hilfsmittel sind zugelassen Die Formel für den mittleren Fehler einer Streckenmessung mit Meßband lautet: m s :
MehrModellierung und Codegenerierung von SOC-Beschleunigermodulen am Beispiel eines Kalman-Filters
Modellierung und Codegenerierung von SOC-Beschleunigermodulen am Beispiel eines Kalman-Filters Erik Andresen 26.11.2010 1 / 21 Inhalt Inhalt 2 / 21 Hardware - FPGA FPGA als System on Chip SOC Roadmap Beschleunigung
MehrDMT Pilot 3D Mobile Mapping mit dem DMT Pilot 3D unter Tage M.Sc. Daniel Schröder
Mobile Mapping mit dem unter Tage M.Sc. Daniel Schröder Idee 3-in-1 System zur präzisen Positions- und Lagebestimmung, Navigation und 3D-Dokumentation Technologie des DLR für die autonome Navigation eines
MehrTrajektorienbestimmung im Skisprung
Dipl.-Ing. Petra Hafner Steyrergasse 30, 8010 Graz Trajektorienbestimmung im Skisprung P. Hafner M. Wieser N. Kühtreiber B. Wiesenhofer C. Abart B. Hofmann-Wellenhof (INAS) T. Nunner G. Paar (Joanneum
MehrFoto. Anwendung des Barnes-Hut-Algorithmus zur Reduzierung des Rechenaufwands diskreter Wirbelbewegungen
Foto Anwendung des Barnes-Hut-Algorithmus zur Reduzierung des Rechenaufwands diskreter Wirbelbewegungen Kai Loftfield, Robert Luckner - 30. Mai 2017 Workshop zum Thema Modellierung und Simulation in der
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken, Häufige Mengen Nico Piatkowski und Uwe Ligges 09.05.2017 1 von 15 Überblick Was bisher geschah... Heute Modellklassen Verlustfunktionen Numerische Optimierung Regularisierung
Mehr3.1 Punktschätzer für Mittelwert µ und Varianz σ 2. Messungen x 1,..., x N, die unabhängig voneinander auf gleiche Weise gewonnen worden sind
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 3.1 3.1 Punktschätzer für Mittelwert µ und Varianz σ 2 Messungen x 1,..., x N, die unabhängig voneinander auf gleiche Weise gewonnen worden
MehrSimulation of planets and satellites
Simulation of planets and satellites Präsentation im Fach Computervisualistik von Roman Pethe Virtuelles Labor Einführung Grundlagen Probleme & Lösungen Anwendungen Zusammenfassung Einführung Grundlagen
MehrMathematische Grundlagen Kalman Filter Beispielprogramm. Kalman Filter. Stephan Meyer
Kalman Filter Stephan Meyer FWPF Ortsbezogene Anwendungen und Dienste Georg-Simon-Ohm-Hochschule Nürnberg 07.12.2007 Outline 1 Mathematische Grundlagen 2 Kalman Filter 3 Beispielprogramm Mathematische
MehrQuadrocopters and it s Applications: Overview of State of the Art Techniques
: Overview of State of the Art Techniques Visual Tracking for Robotic Applications Sebastian Brunner Lehrstuhl für Echtzeitsysteme und Robotik Technische Universität München Email: brunnese@in.tum.de Date:
MehrLadezustandsbestimmung bei Lithium-Ionen-Batterien
Ladezustandsbestimmung bei Lithium-Ionen-Batterien Wie gut sind derzeit am Markt verfügbare Halbleiterbausteine wirklich? Max Jung Fraunhofer-Institut für Solare Energiesysteme ISE Design & Elektronik
MehrInstrument zur Untersuchung eines linearen Zusammenhangs zwischen zwei (oder mehr) Merkmalen.
Gliederung Grundidee Einfaches lineares Modell KQ-Methode (Suche nach der besten Geraden) Einfluss von Ausreißern Güte des Modells (Bestimmtheitsmaß R²) Multiple Regression Noch Fragen? Lineare Regression
Mehr9 Vorlesung: Auswertung von Messungen Fehlerrechnung
9 Voresung: 3.. 005 Auswertung von Messungen Feherrechnung Ein wissenschaftiches Ergebnis git erst ann as gesichert, wenn es von einer zweiten Arbeitsgruppe experimente bestätigt wure. Um ie Reprouzierbarkeit
MehrReichweiten und Bandbreitentests mit WiMax
Reichweiten und Bandbreitentests mit WiMax Dipl. Inf. Markus Klenk Dr. rer. nat. Rolf Heidemann Kommunikations- und Informationszentrum, Universität Ulm Gliederung Einführung: Was ist WiMax? Welche Technik
MehrHauptseminar Technische Informationssysteme
Hauptseminar Technische Informationssysteme Residualanalyse zur Fehlerlokalisierung und prädikativen Steuerung Vortragender: Betreuer: Tobias Fechter Dr.-Ing. Heinz-Dieter Ribbecke, Dipl.-Inf. Jakob Krause
MehrMessunsicherheit von Koordinatenmessungen Abschätzung der aufgabenspezifischen Messunsicherheit mit Hilfe von Berechnungstabellen
Lometec GmbH & Co.KG Herbert-Wehner Str.2 An alle Interessierten Unser Zeichen: We Ansprechpartner : J. Werkmeister Fon: 02307-28736-75 Datum 22.01.2013 Fachseminar am 22. und 23.April 2013 hier in Kamen
MehrBerechnung kinematischer Getriebeabmessungen zur Kalibrierung von Führungsgetrieben durch Messung
SAXSIM 03 Mathcad Workshop Berechnung kinematischer Getriebeabmessungen zur Kalibrierung von Führungsgetrieben durch Messung (praktische Anwendung von Newton-Verfahren und Singulärwertzerlegung) Referent:
MehrBZQ II: Stochastikpraktikum
BZQ II: Stochastikpraktikum Block 5: Markov-Chain-Monte-Carlo-Verfahren Randolf Altmeyer February 1, 2017 Überblick 1 Monte-Carlo-Methoden, Zufallszahlen, statistische Tests 2 Nichtparametrische Methoden
MehrVorlesung Wissensentdeckung
Vorlesung Wissensentdeckung Einführung 5.4.2011 Gliederung 1 Modellbildung und Evaluation 2 Verlaufsmodell der Wissensentdeckung 3 Einführung in das Werkzeug RapidMiner Problem Wir haben nur eine endliche
MehrMATLAB im Studium. Analyse niederfrequenter Magnetfeldsignale in eingebetteten Algorithmen. Claudia Beyß. Datum:
MATLAB im Studium Analyse niederfrequenter Magnetfeldsignale in eingebetteten Algorithmen Datum: 16.10.2014 Claudia Beyß MATLAB in Höhere Regelungstechnik MATLAB in Sensortechnik & Datenverarbeitung MATLAB
MehrTrackersysteme (Non Vision)
Trackersysteme (Non Vision) Hauptseminar "Virtual and Augmented Reality 24.5.2004 Tracker Systeme Jürgen Pattis 1 Definition und Zweck von Tracking Def.: Ein Trackingsystem ist ein System, das einem Benutzer
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
MehrOptimale Stationierung von Rettungshubschraubern
Rettungshubschraubern Universität Stuttgart Mathematische Modellierung Priv.-Doz. Dr. Iryna Rybak SS16 08.06.2016- Julia Löffelhardt Gliederung 1. Einführung 2. Modellrahmen 3. 1 Hubschrauber 1. 1 Hubschrauber,
MehrTEILPRÜFUNG ZUR BERUFSREIFEPRÜFUNG. Themenstellung für die schriftliche Berufsreifeprüfung. aus dem Fach Mathematik und angewandte Mathematik
TEILPRÜFUNG ZUR BERUFSREIFEPRÜFUNG Themenstellung für die schriftliche Berufsreifeprüfung aus dem Fach Mathematik und angewandte Mathematik Termin: Herbst 2016 Prüfer: Mag. Wolfgang BODISCH Mag. Wolfgang
MehrFast-SLAM: Synchrone Lokalisierung und Kartenerstellung mit einem Partikel-Filter
Fast-SLAM: Synchrone Lokalisierung und Kartenerstellung mit einem Partikel-Filter! Landmarkenbasiertes Fast-SLAM! Gitterbasiertes Fast-Slam! Optimierungen Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter
MehrRegression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
MehrSeminarvortrag von: Raffael Bachmann Betreuer: Matthias Ringwald
Musterbasierte Lokalisierungstechniken Seminarvortrag von: Raffael Bachmann braffael@student.ethz.ch Betreuer: Matthias Ringwald Übersicht Motivation Probleme der Lokalisierung in Gebäuden Allgemeine Funktionsweise
MehrSeminar im Grundstudium: Motion-Tracking in der Robotik
Seminar im Grundstudium SS2007 Seminar im Grundstudium: Motion-Tracking in der Robotik Lehrstuhl für Hardware-Software-Co-Design Universität Erlangen-Nürnberg stefan.wildermann@informatik.uni-erlangen.de
MehrTrigonometrische Berechnungen
Trigonometrische Berechnungen Aufgabe 1 Berechnen Sie im rechtwinkligen Dreieck die fehlenden Seiten und Winkel: a) p = 4,93, β = 70,3 b) p = 28, q = 63 c) a = 12,5, p = 4,4 d) h = 9,1, q = 6,0 e) a =
MehrDie Kunst der Verkehrsregelung 20. März 2011 Dr. Thomas Riedel
Kämpfer wider das Chaos oder Die Kunst der Verkehrsregelung 20. März 2011 Dr. Thomas Riedel Die Kunst der Verkehrsregelung 2 3 4 5 Die Kunst der Beobachtung Verkehrszustände der Ringstrassen in Peking
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrKapitel 19 Partialbruchzerlegung
Kapitel 19 Partialbruchzerlegung Mathematischer Vorkurs TU Dortmund Seite 1 / 15 Zur Erinnerung wiederholen wir Definition 4.5 [part] Es sei n N 0 und a 0, a 1,..., a n R mit a n 0. Dann heißt die Funktion
MehrGEODÄTISCHES INSTITUT HANNOVER
Alexander Dorndorf, M.Sc. GEODÄTISCHES INSTITUT HANNOVER Entwicklung eines robusten Bayesschen Ansatzes für klein-redundante Ausgleichungsmodelle Motivation Funktionaler Zusammenhang: h = β 0 + β 1 x +
MehrFehlerfortpflanzung. M. Schlup. 27. Mai 2011
Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren
MehrFinite Elemente Berechnungen verklebter Strukturen
Finite Elemente Berechnungen verklebter Strukturen Dr. Pierre Jousset, Sika Technology AG 24.4.213 1 Sika Technology AG Agenda Motivation und Ziele Die strukturellen Epoxy Klebstoffe SikaPower Finite Element
MehrHAW Hamburg Anwendung 1 - Vortrag Andrej Rull
HAW Hamburg Anwendung 1 - Vortrag Andrej Rull 02122008 1 Gliederung o Motivation o Der Anwendungsfall o Das SLAM Problem o Lösungsansätze und Algorithmen o Zusammenfassung o Ausblick auf AW2 2 Motivation
MehrMixed Effects Models: Wachstumskurven
Mixed Effects Models: Wachstumskurven Markus Kalisch 07.10.2014 1 Überblick Wiederholte Messungen (z.b. Wachstumskurven): Korrelierte Beobachtungen Random Intercept Model (RI) Random Intercept and Random
MehrDie Winkelvergleichsmethode am Beispiel des OPERA-Spektrometers
Die Winkelvergleichsmethode am Beispiel des OPERA-Spektrometers Tagung der Deutschen Physikalischen Gesellschaft Dresden 2013, Benjamin Büttner Institut für Experimentalphysik Motivation: OPERA: Oscillation
MehrALVA-Ringanalyse. Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009
ALVA-Ringanalyse Mag. Tanja Strimitzer Bereich DSR Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009 www.ages.at Österreichische Agentur für Gesundheit und Ernährungssicherheit
MehrLeistungscharakteristik des Domain Name Systems aus Clientsicht. Silvio Päpke
Leistungscharakteristik des Domain Name Systems aus Clientsicht Silvio Päpke Bildquelle: http://contrastmag.files.wordpress.com/2009/06/dead-at-computer.jpg Silvio Päpke 2 Inhalt Funktion des DNS Messmethodik
MehrMessen mit Laser. Alle Preise ohne Mwst.
Messen mit Laser Alle Preise ohne Mwst. Laser-Entfernungsmesser hedue EM1 Der hedue EM1 ist mit einem Messbereich von 5 cm bis 50 m und einer Genauigkeit von 1,5 mm das ideale Gerät für den Innenbereich.
MehrCreating an interactive color classification tool for the RoboCup four-legged league
Creating an interactive color classification tool for the RoboCup four-legged league Vortrag von Michael Löffler Gliederung Vorstellung der RoboCup four-legged league Objekterkennung auf dem Spielfeld
MehrNeuartiges Ausleseverfahren für induktive Näherungssensoren auf Basis von Sigma- Delta Modulation. Sascha Thoß Sensor & Actuator Integration
- Neuartiges Ausleseverfahren für induktive Näherungssensoren auf Basis von Sigma- Delta Modulation Sensor & Actuator Integration Duisburg Finkenstraße 61 47057 Duisburg Gliederung 2 Grundprinzip induktiver
MehrRadgetriebene Systeme
Radgetriebene Systeme Mobilität, Räder Räder benötigen weniger Energie und erlauben eine schnellere Fortbewegung (auf entsprechendem Terrain) Benötigen Kinematische Gleichungen, d.h. Beschreibungen wie
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrPhysik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Propädeutikum 4: Messfehler und Vektoren Dr. Daniel Bick 25. Oktober 2013 Daniel Bick Physik für Biologen und Zahnmediziner 25. Oktober 2013 1 / 41 Organisatorisches
MehrFehlerabschätzung und Fehlerrechnung
Fehlerabschätzung und Fehlerrechnung 4 März 2010 I Fehlerabschätzung I1 Allgemeines Jeder physikalische Messwert ist mit einem Fehler behaftet Man unterscheidet nach systematischen und zufälligen Fehlern
MehrDie Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation. Jens Schiborowski
Die Bestimmung von Value-at-Risk- Werten mit Hilfe der Monte-Carlo- Simulation Jens Schiborowski Gliederung Einführung Monte-Carlo-Simulation Definition von Monte-Carlo-Simulation Einsatzgebiete von Monte-Carlo-Simulation
MehrGeometrische Optik. Praktikumsversuch am Gruppe: 3. Thomas Himmelbauer Daniel Weiss
Geometrische Optik Praktikumsversuch am 17.11.2010 Gruppe: 3 Thomas Himmelbauer Daniel Weiss Abgegeben am: 24.11.2010 Inhaltsverzeichnis 1 Einleitung 2 2 Bestimmung der Brennweite einer Linse 2 3 Mikroskop
MehrCreditMetrics. Portfoliokreditrisiko Seminar. 10. Oktober Sebastian Sandner. Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim
CreditMetrics Portfoliokreditrisiko Seminar 10. Oktober 2007 Sebastian Sandner Statistik Seminar bei PD Dr. Rafael Weißbach Universität Mannheim Gliederung Page 1. Einführung in Credit Metrics 4 2. Durchführung
MehrWebinar Indoor- Lokalisierung. Markus Pichler-Scheder Area Sensors and Communication Seite 1
Webinar Indoor- Lokalisierung Markus Pichler-Scheder markus.pichler@lcm.at Area Sensors and Communication Seite 1 Übersicht Was ist Indoor-Lokalisierung? Methoden und Messprinzipien Das perfekte Lokalisierungssystem
MehrÜbungen zu Ingenieurmathematik I
Ostbayerische Technische Hochschule Regensburg Fakultät Informatik / Mathematik Prof. Dr. M. Leitz WS 013/14 Blatt 1 / I Übungen zu Ingenieurmathematik I (Bachelor-Studiengänge: Mikrosystemtechnik / Sensorik
MehrStatistische Prozess- und Qualitätskontrolle und Versuchsplanung Stetige Verteilungen
Materialien zur Lösung der folgenden Aufgaben: - in Übung 3 beigefügte Tabelle Wahrscheinlichkeitsverteilungen diskreter und stetiger Zufallsgrößen - Übersicht - beigefügte Tabelle spezieller stetiger
MehrÜbungsaufgaben für die schriftliche Prüfung in Mathematik
Übungsaufgaben für die schriftliche Prüfung in Mathematik Aufgabe 1) Bestimme den Scheitelpunkt der quadratischen Funktionen 1. Über die quadratische Ergänzung. Über die Ableitung der Funktion a) f(=x²
MehrWie gesetzmäßig ist der Zufall? Barbara Drossel, TU Darmstadt
1 Wie gesetzmäßig ist der Zufall? Barbara Drossel, TU Darmstadt 2 Zufall in der Physik Rechnen mit Wahrscheinlichkeiten Beispiel 1: Münzwurf 1001111010000 Zufall in der Physik 3 Zufall in der Physik 4
Mehr