Signalraumdetektion und ihre Anwendungen
| dc.contributor.advisor | Schwiegelshohn, Uwe | |
| dc.contributor.author | Dahm, Ingo | |
| dc.contributor.referee | Burkhard, Hans-Dieter | |
| dc.date.accepted | 2005-10-14 | |
| dc.date.accessioned | 2006-03-03T08:58:38Z | |
| dc.date.available | 2006-03-03T08:58:38Z | |
| dc.date.issued | 2006-03-03T08:58:38Z | |
| dc.description.abstract | Als Klassifizierung oder Klassifikation bezeichnet man einen Vorgang oder eine Methode zur Einteilung von Objekten in so genannte Klassen. Dabei kann eine Klasse aus keinem, einem oder mehreren Elementen (den Objekten) bestehen. Objekte können beliebige Gegenstände oder Sachverhalte sein, die sich nach irgendeiner Art unterscheiden lassen, z.B. von biologischen oder physikalischen Werten. Im Rahmen dieser Arbeit wird die Signalraumdetektion als spezieller Klassifizierer untersucht, an verschiedene Anwendungsfelder angepasst und erweitert. Dies sind insbesondere: - Die Erweiterung des Detektionskonzeptes um eine geeignete adaptive Signalvorverarbeitung. - Die Erweiterung des Detektionskonzeptes um eine geeignete Strategie zur Signalraumtransformation zur Verringerung der Schaltungskomplexität. - Die Erweiterung des Signalraumdetektors um ein Adaptionskonzept für a priori bekannte Kanäle. - Die Erweiterung des Signalraumdetektors um ein Adaptionskonzept für a priori unbekannte Kanäle. -Die Erweiterung des Signalraumdetektors zu einem Multi-Symbol-Detektor. Durch diese Erweiterungen wird die Signalraumtransformation einsetzbar in einer Vielzahl von neuen Anwendungsfällen. Dies wird an praktischen Beispielen bewiesen. Durch die adaptive Verarbeitung der zu klassifizierenden Daten ist es möglich, wechselnden Rahmenbedingungen Rechnung zu tragen. Dies kann z.B. wirtschaftliche Vorteile bieten. Die dargelegten Modifikationen des Signalraumdetektors weisen mithin eine Reihe von Leistungsmerkmalen auf, die über die gewünschte Grundfunktionalität ”Klassifizierung mit niedriger Fehlerrate“ hinaus geht. Insbesondere wurden Vorteile gewonnen gegenüber konventionellen Klassifizierern bei der Extraktion von sinnvoll verwertbarer Zuverlässigkeitsinformation, der Geschwindigkeit des Verfahrens sowie der algorithmischen Komplexität des Klassifizierers und bei den damit verbundenen Kosten. Diese Vorteile lassen sich, wie folgt, zusammenfassen: Der zu Grunde liegende Algorithmus weist eine geringe Komplexität auf, die sich in einem geringen Leistungsbedarf der eingesetzten Elektronik niederschlägt, falls der Algorithmus als Hardwareschaltung implementiert wird. Während der Klassifizierung können so genannte Zuverlässigkeitsinformationen extrahiert werden, die Rückschlüsse auf die Zuverlässigkeit der vom Detektor getroffenen Entscheidung ermöglichen. Die SSD lässt sich mit geringem Zusatzaufwand so modifizieren, dass in einem Takt mehrere Symbole gleichzeitig klassifiziert werden. Daher ist die SSD geeignet, hohe Durchsatzraten zu gewährleisten. Das Konzept der SSD kann um lernfähige Komponenten erweitert werden, so dass sich der Klassifizierer an wechselnde Rahmenbedingungen und Umwelteinflüsse automatisch anpasst. Somit ist die Signalraumdetektion ein leistungsfähiges Werkzeug, um den vielfältigen Aufgaben im Bereich der Klassifizierung Rechnung zu tragen. | de |
| dc.format.extent | 6972002 bytes | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | http://hdl.handle.net/2003/22212 | |
| dc.identifier.uri | http://dx.doi.org/10.17877/DE290R-15930 | |
| dc.identifier.urn | urn:nbn:de:hbz:290-2003/22212-1 | |
| dc.language.iso | de | |
| dc.subject | Signalraumdetektion | de |
| dc.subject | Klassifizierung | de |
| dc.subject | SSD | de |
| dc.subject | SVM | de |
| dc.subject | Neuronale Netze | de |
| dc.subject | Support-Vektor-Maschine | de |
| dc.subject.ddc | 620 | |
| dc.title | Signalraumdetektion und ihre Anwendungen | de |
| dc.type | Text | de |
| dc.type.publicationtype | doctoralThesis | |
| dcterms.accessRights | open access |