Examensarbete 30HP: Prediktiva algoritmer för kanalestimering inom undervattenskommunikation

Vacancies 08 October 2019

Closing date

30-Nov-2019

Location

Linköping

Contact

Ann-Marie Rehnström +46 (13) 180365
Jennie Asp +46 (13) 186562
Apply for job!

Din framtida utmaning

Bakgrund

Undervattensmodem/noder används idag för att samla in data om omgivningen och för att kommunicera mellan närliggande modem, autonoma undervattensfarkoster, m.m. Signalen som skall skickas iväg modelleras och en sändare vibrerar för att skapa ljudvågor som sedan propagerar i alla riktningar. Det kan dock vara svårt för mottagarsidan att tolka signalen rätt på grund av störningar i undervattensmiljön såsom multipath propagation, reverberation och externa bullerkällor. Detta medför att man ställer höga krav på robusthet i kommunikationen vilket gör att överföringshastigheten minskar.

Utvecklingen inom maskininlärning, artificiell intelligens och andra algoritmer väcker frågan om det är möjligt att prediktera och estimera ljudkanalen i vattnet (där ljudvågorna färdas) och om man genom detta adaptivt kan välja ett högre frekvensområde, vilket medför högre överföringshastighet, eller om man kan styra styrkan på sändaren och därigenom spara energi.

Beskrivning av examensarbetet

Beroende på sökandes bakgrund och intresse kan examensarbetets inriktning anpassas. Möjliga områden att studera är:

  • Implementering av algoritmer i sensornoder med möjlighet att göra sjöprov (om tid och möjlighet finns). Här kommer fokus vara att utveckla och implementera en predikteringsalgoritm, exempelvis Recurrent Neural Network, ARX, ARMAX modeller, i ett eller flera modem och testa den.
  • Möjlighet att enbart använda data för att simulera effekterna av algoritmer i en testmiljö och testa olika algoritmer mot varandra och analysera resultatet. Här kommer fokus vara att utveckla predikteringsalgoritmer, exempelvis Recurrent Neural Network, ARX, ARMAX modeller. Om tid och intresse finns kan man även försöka estimera hur ljudkanalen ser ut på ett effektivt sätt genom algoritmer så som Neural Network, Compressive Sensing, m.m.

Det finns även stora möjligheter för studenten själv att kunna forma sitt examensarbete inom området om så önskas.

Den du är idag

Vi tror det här projektet passar dig som ska genomföra ett examensarbete på 30 hp på civilingenjörs- eller masterutbildning med inriktning mot modellering och simulering. Du bör ha intresse och erfarenhet av signalbehandling eller maskininlärning. Erfarenhet av MATLAB, Python, C++, mätteknik, eller marin teknik är meriterade.

Denna tjänst kräver att du godkänns i en säkerhetsprövning i enlighet med säkerhetsskyddslagen.


Övrigt

Placeringsort är Linköping.

Urval och intervjuer sker löpande så skicka in din ansökan så snart som möjligt, men senast 20191130.


Vid frågor kontakta Jennie Asp, +46 13 186562


Välkommen med din ansökan!

Apply for job!