Universität Rostock

Das Internet der Dinge ist die Vision einer voll vernetzten Welt, in der auch Maschinen miteinander kommunizieren. Durch diese Konnektivität wird ein neuer Grad an Automation von industriellen Prozessen angestrebt, welche häufig als Industrie 4.0 bezeichnet wird. Dabei beschränkt sich die Vision nicht ausschließlich auf Fabriken und Städte, sondern schließt auch räumlich verteilte Anwendungen wie die Agrarwirtschaft, das Verfolgen von Waren in der Logistikbranche sowie maritime Anwendungen ein. Gerade in den zuletzt genannten Bereichen ist allerdings häufig keine ausreichende Kommunikationsinfrastruktur vorhanden, weshalb auch über Satelliten-basiertes IoT diskutiert wird. Diese Idee hat mit der Entwicklung von Kleinstsatelliten (Cube Sats) praktische Relevanz bekommen. Cube Sats sind extrem klein, sehr günstig aber nicht leistungsstark. Sie können daher keine aufwändige Signalverarbeitung durchführen, sondern sind auf einfache Operationen beschränkt. Derartigen Kommunikationssystemen widmet sich das Projekt.

Das Hauptziel dieses Vorhabens ist die Optimierung von verteilter Kompression. Ein Prozess wird von mehreren Sensoren beobachtet, die Ihre Messungen an einen gemeinsamen Empfänger senden. Eine direkte Kommunikation der Sensoren ist nicht möglich. Dabei erlauben die zur Verfügung stehenden Kommunikationslinks nur begrenzte Übertragungsraten, so dass eine lokale Kompression der Messwerte an den Sensoren erforderlich ist. Die Aufgabe besteht nun darin, die Kompression an den einzelnen Sensoren derart zu optimieren, dass

• die Link-Kapazitäten nicht überschritten werden
• die maximale relevante Information an den Empfänger übertragen

Dieses in der Informationstheorie bekannte CEO-Problem stellt ein nichtkonvexes Optimierungsproblem dar, für welches nur in Ansätzen Lösungen existieren. Im Rahmen dieses Projektes sollen Algorithmen zur Lösung des Problems entwickelt werden. Dabei soll die sogenannte Information-Bottleneck-Methode für den verteilten Fall erweitert werden. Sie erlaubt einen Kompromiss zwischen Kompression und Erhalt von relevanter Information zu finden. Es sollen deterministische wie stochastische Kompressionsmethoden entwickelt werden. Ferner soll der Einfluss der Sensorenanzahl, die Reihenfolge der Optimierung, die Robustheit gegenüber imperfekter Systemkenntnis analysiert werden.