Signalverarbeitung und Klassifikation biomedizinischer Signale in Sensornetzwerken Im Bereich der Biomedizin gewinnen kostengünstige und effiziente Methoden der Signalverarbeitung immer mehr an Bedeutung. Am Körper angebrachte Sensornetzwerke, welche als “Body Sensor Networks” bezeichnet werden, bestehen aus diversen Sensortypen und gewährleisten eine kontinuierliche Messung von Körperfunktionen. Zum Einsatz kommen hier unter anderem Sensoren für die Oberflächenelektromyografie, die Elektrokardiografie sowie Beschleunigungssensoren oder Gyroskope.Die Daten der Sensoren eines Body Sensor Networks werden aufbereitet und miteinander kombiniert, sodass unter Zuhilfenahme von Klassifikationsmethoden der gesundheitliche Zustand eines Menschen beurteilt werden kann. Auch in Bezug auf Verletzungsprävention und Einschätzung von eingeleiteten medizinischen Maßnahmen können diese Ergebnisse sehr wichtig sein. Durch die Weiterentwicklung von Body Sensors Networks können in Zukunft komplizierte Messaufbauten ersetzt werden. Hierbei erweist sich der Einsatz dieser Sensornetzwerke als besonders aussichtsreich, da unabhängig von einem Messlabor die Datenerfassung während den alltäglichen Bewegungsabläufen durchgeführt werden kann. Somit kann die Beurteilung des gesundheitlichen Zustands langfristiger und auch präziser erfolgen. Ziel unserer Forschungen ist die Entwicklung von Werkzeugen für die geschickte Klassifikation von Ausgangssignalen biomedizinischer Sensoren. Hierbei nimmt die Kombination der Signale einzelner Sensoren in einem Netzwerk eine besondere Rolle ein. Im Gegensatz zur isolierten Betrachtung eines Signals kann die Hinzunahme von weiteren Sensoren die Effizienz der Resultate erhöhen. Bevor aber das Zusammenspiel der Messwerte bzw. die Klassifikation erfolgen kann, müssen die Sensordaten aufbereitet werden. Die Herausforderung besteht hierbei in der Trennung von Nutzsignalen und Artefakten. Die zuletzt genannten Störsignale können unterschiedlicher Herkunft sein und haben einen deutlichen Einfluss auf die Ausgangssignale. Ein Beispiel hierfür ist die Veränderung des Hautwiderstandes während einer Messung durch schwankende Schweißabsonderung. Demzufolge besteht die Aufgabe in der Beseitigung dieser Artefakte mit den Methoden der Signalverarbeitung. Neben dieser Filterung der Signale ist auch die Extraktion von bestimmten Parametern(z.B. Standardabweichung, Mittelwert, Medianfrequenz, Unterräume, usw.) für die Klassifikation unumgänglich. Abschließend wird durch die Zuordnung der extrahierten Parameter zu vorher definierten Klassen der Zustand des Systems(Mensch) beurteilt. |
Adaptive Modellierung und echtzeitfähige Identifikation von transkontinentalen Energieübertragungssystemen Elektrische Übertragungsnetze in Europa werden immer näher an ihren zulässigen Grenzen betrieben als Folge der Liberalisierung und fluktuierender Einspeisung durch erneuerbare Energieen. Zur Gewährleistung der Zuverlässigkeit und Sicherheit des Betriebes sowie zur Vermeidung großräumiger Systemzusammenbrüche, werden im Rahmen der interdisziplinären DFG Forschergruppe 1511 gewinnbringende Verfahren zur Netzzustandsbewertung, Entscheidungslogiken über Gegenmaßnahmen und die simulative Evaluation von schutz- und leittechnischen Applikationen entworfen und angewendet. Forschungsschwerpunkt bilden dabei neueste statistische und datentechnische Methoden im Kontext transkontinentaler Energiesysteme. Statische Clusterverfahren wie das Spectral Clustering bieten die Möglichkeit energietechnische Netzmodelle in topologisch zusammenhängende Regionen einzuteilen. Die Netzdynamische Clusterung ermöglicht eine Clusterung von dynamisch ähnlichen Teilbereichen und basiert auf Stabilitätsindikatoren synchronisierter Messwerte. Für die Stabilitätsuntersuchung wird für jeden Knoten ein ARMAX-Modell erstellt und eine knotenspezifische Eigenwertanalyse vorgenommen. Die Ergebnisse können für die Entscheidungslogiken der Schutzfunktionen insbesondere in Hinblick auf die Teilnetzbildung sowie zur Erstellung von adaptiven Ersatzmodellen zur Analyse von niederfrequenten Schwingungen genutzt werden. |