Empfehlungen:

Kenntnis der Vorlesungen Lokalisierung mobiler Agenten [LV-Nr. 24613 ] oder Stochastische Informationsverarbeitung [LV-Nr. 24113] sind hilfreich.

Sensornetzwerke, als Zusammenschluss einer Vielzahl in die Umgebung eingebetteter und deshalb oft miniaturisierter Sensorknoten, bieten völlig neue Möglichkeiten, ihre Umgebung kooperativ zu beobachten. Statt eines passiven Blicks gestatten Sie die Durchdringung verschiedener Phänomene mit einer durch die Knotendichte wählbaren Auflösung. Sensornetzwerke können z. B. bei der Überwachung von Verkehrsflüssen und Bauwerken, in intelligenter Kleidung als auch bei der Umwelt- und Wetterbeobachtung eingesetzt werden. Veränderte Randbedingungen, wie etwa der verteilte Charakter oder die begrenzte Rechen-, Kommunikations- und Energiekapazität, erlauben keine direkte Übertragung der Verfahren klassischer Sensorsysteme. Erst spezielle, auf die hier gegebenen Besonderheiten abgestimmte Methoden ermöglichen das Ausschöpfen des vorhandenen hohen Potenzials der Sensornetzwerke.

Skript zur Vorlesung (inkl. Angaben zu weiterführender Literatur)

Im Rahmen der Vorlesung werden insbesondere die verschiedenen für Sensornetzwerke relevanten Aspekte der Informationsverarbeitung betrachtet. Begonnen wird mit dem technischen Aufbau der Sensorknoten, wobei hier die einzelnen Komponenten wie Energieversorgung, Sensorik und Signalvorverarbeitung vorgestellt werden. Dann werden für Sensornetzwerke relevante Verfahren zur Mustererkennung sowie Orts- und Zeitsynchronisation behandelt. Abgeschlossen wird die Vorlesung mit Verfahren zur Vermessung physikalischer Phänomene und zur Fusion der Messdaten der einzelnen Sensorknoten.

180 h

Der Studierende soll ein Verständnis für die für Sensornetzwerke spezifischen Herausforderungen der Informationsverarbeitung aufbauen und die verschiedenen Ebenen der Informationsverarbeitung von Messdaten aus Sensornetzwerken kennen lernen. Der Studierende soll verschiedene Ansätze zur Informationsverarbeitung von Messdaten analysieren, vergleichen und bewerten können.

Vertiefungsgebiete

• Robotik und Automation
• Anthropomatik und Kognitive Systeme