Spannende Abschlusspräsentationen bei Embedded Systems Design
Kurz vor den wohlverdienten Sommerferien präsentierten die Projektgruppen des 2. Semesters im ESD-Master spannende Ergebnisse zu den Studienprojekten.
„DataSampling“ -
100Gbit/s Optical Ethernet-based Data Sampling System for Digital Radar
Das Forschungsprojekt mmWave Radar bearbeitet die F&E der FH OÖ/Hagenberg gemeinsam mit Infineon, den Silicon Austria Labs und der JKU. Thema ist das digitale Radar, eine sehr junge Technologie mit der große Erwartungen verknüpft werden. Digitale Radar wird gegenüber der aktuell z.B. im Kfz eingesetzten analogen Technologie die Möglichkeit bieten, deutlich effizientere Modulationsarten einzusetzen.
Bild 1: Alexander Daum, Matthias Kern, Matthias Possenig, Tobias Karrer
„Smart Robi“ –
Autonomes Fahrprojekt von Magna mit KI-Technologie
Von "Smart Follow Me" bis zur visuellen Navigation wird der Roboter mit erweiterten Fähigkeiten ausgestattet. Das Projekt bietet nicht nur praxisrelevante Einblicke in autonomes Fahren und KI, sondern integriert auch eine leistungsfähige Simulationsumgebung für virtuelle Tests, bevor der Roboter selbst zum Einsatz kommt.
Bild 2: Lukas Damianschitz, Phillip Oberndorfer, David Reinberger, Alexander Prielinger
„DLLC“ -
Deterministic Low-Latency Communication in WiFi-6/6E Networks
Im Projekt wurde für moderne und leistungsstarke Wi-Fi 6E-Karten ein spezielles Testsystem entwickelt, dass vom Verbindungsaufbau bis zur automatisierten Auswertung alle wichtigen Parameter der Verbindung aufzeichnet. Das System ermöglicht Benchmarks sowie die Verifikation in echtzeitkritischen Anwendungen und Umgebungen wie jener von unserer Partnerfirma Vahle.
Bild 3: Matthias Köhler, Fabian Guntner, Fabian Berger, Simon Stellnberger
„Hexapod – Going Forward“
Im Rahmen des Projekts Hexapod – Going Forward haben sich vier Studenten damit beschäftigt, wie ein sechsbeiniger Roboter mit Reinforcement Learning Gehen erlernt. Dabei lernt der Roboter wie ein Kleinkind. Er wird belohnt wenn er richtige Schritte macht, bestraft wenn er falsche macht. Dieser natürliche Lernprozess kann verwendet werden, um komplexeste Problemstellungen – wie das Gehen lernen – zu bewältigen.
am Titelbild: Maximilian Bauernfeind, Dominik Zechner, David Goldberger, Pascal Pletzer
„OFDM Runtime“ -
Laufzeitschätzung und Positionsbestimmung mit OFDM-Signalen
In der Kooperation zwischen DLR & FH OÖ wurden Verfahren der Mehrträger-Übertragung für die Laufzeitmessung implementiert & in der Praxis getestet. Dazu wurden Synchronisationssignale eingesetzt, die als Zadoff-Chu-Sequenzen bekannt sind und besonders gute Korrelationseigenschaften aufweisen. Diese Eigenschaften sind Voraussetzung für eine präzise Laufzeit- und somit Lokalisierungsgenauigkeit.
Bild 4: Gregor Körner, Felix Killermann, David Lee
