¶¶Òõ¶ÌÊÓƵ

Abstract

Dit project is deel van de IMEC raamovereenkomst en voorziet in een structurele financiering van IMEC naar de groep toe om fundamenteel onderzoek te promoten. Deze middelen worden voorzien op basis van jaarlijkse KPIs die de groep moet halen naar IMEC toe (publicaties, financiering, enz.). Details hiervan zijn gedefineerd in de Way of Working van de raam overeenkomst tussen Universiteit Antwerpen en IMEC.

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Famaey Jeroen
• Co-promotor: Janssen Thomas
• Co-promotor: Marquez-Barja Johann
• Co-promotor: Mercelis Siegfried
• Co-promotor: Mets Kevin

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Dit project richt zich op het versterken van partnerschappen en het uitbouwen van ecosystemen rond autonome en verbonden systemen, zoals schepen, drones en andere intelligente toestellen. In plaats van nieuw fundamenteel onderzoek op te starten, ligt de nadruk op het consolideren van bestaande expertise, het opbouwen van duurzame samenwerkingen op nationaal en internationaal niveau, en het voorbereiden van toekomstige grootschalige initiatieven. De middelen zullen worden ingezet om academische en industriële actoren met elkaar te verbinden, de aansluiting bij Europese onderzoeksprioriteiten te versterken, en gerichte disseminatie- en netwerkactiviteiten te organiseren. Op die manier draagt het project bij tot de versterking van de positie van Vlaanderen in het mondiale landschap van autonome systemen en geïntegreerde connectiviteit, met een blijvende impact door samenwerking, kennisuitwisseling en ecosysteemontwikkeling.

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Berkvens Rafael
• Co-promotor: Halili Rreze
• Co-promotor: Janssen Thomas

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Positionerings-, Navigatie- en Timing (PNT)-systemen zijn essentieel voor moderne toepassingen. De afhankelijkheid van Global Navigation Satellite Systems (GNSS) maakt PNT echter kwetsbaar voor storingen, zwakke signalen en beperkingen in stedelijke en binnenomgevingen. Hoewel plaatsbepaling via terrestrische netwerken zich heeft ontwikkeld van 1G tot 6G, voldoet geen enkele technologie volledig aan alle PNT-behoeften. Multi-technologische fusie biedt een veelbelovende benadering, maar brengt uitdagingen met zich mee vanwege variërende frequenties, foutkarakteristieken en de noodzaak van adaptieve algoritmen. Traditionele Kalman-filters, vaak gebruikt voor datafusie, presteren suboptimaal in dynamische omgevingen door statische aannames over ruiscovariantie. Om deze beperkingen aan te pakken, stelt dit onderzoek een AI-gestuurde methode voor om de positioneringsnauwkeurigheid, veerkracht en aanpasbaarheid te verbeteren door dynamische afstemming van ruiscovariantieparameters. Dit onderzoek heeft als doel de meest geavanceerde positioneringsalgoritmen verder te ontwikkelen door een robuust multi-epoch positioneringsraamwerk te creëren dat heterogene PNT-data effectief samenvoegt. De voorgestelde AI-gestuurde fusiebenadering zal de positioneringsnauwkeurigheid, beschikbaarheid en robuustheid aanzienlijk verbeteren in diverse operationele omgevingen en de uitdagingen van de volgende generatie PNT-systemen aanpakken.

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Janssen Thomas
• Mandaathouder: Wouters Femke

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Positionering, navigatie en timing (PNT) wordt steeds belangrijker om veel locatie gebaseerde services mogelijk te maken. De meest gebruikte PNT-systemen zijn ongetwijfeld de Global Navigation Satellite Systeem (GNSS) die wereldwijde dekking hebben. Hoewel GNSS de afgelopen decennia aanzienlijk verbeterd is, zijn er meerdere tekortkomingen die inherent zijn aan het ontwerp van het satellietsysteem. De slechte ontvangst binnenshuis en de gevoeligheid voor interferentie zijn hier een duidelijke illustratie van. Daarom zou een nieuw PNT-systeem met satellieten om een lage baan rond de aarde een oplossing kunnen bieden voor deze problemen. Omdat deze satellieten zich ongeveer 20 keer dichter bij de aarde bevinden, kan een aanzienlijk verschil in signaalsterkte worden waargenomen. Lokalisatie binnenshuis met laagvliegende satellieten blijft echter nieuw terrein. Om een nieuwe PNT-constellatie te bouwen met een goede nauwkeurigheid en dekking binnenshuis, moet rekening worden gehouden met de dynamische kanaal-effecten en moeten frequentie, modulatie, algoritme en coderingstechnieken geoptimaliseerd worden binnen de vele beperkingen. In dit voorstel kwantificeer ik de kenmerken van het communicatie kanaal. Om dit te bereiken voer ik talrijke metingen in de praktijk uit en kwantificeer ik multipath en signaalsterkte in verschillende omgevingen binnenshuis. Verder wordt een satellietsimulatie gebouwd om de PNT prestaties voor de binnenomgevingen te analyseren en te optimaliseren.

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Janssen Thomas
• Mandaathouder: Van Uytsel Wout

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

Dit project is deel van de IMEC raamovereenkomst en voorziet in een structurele financiering van IMEC naar de groep toe om fundamenteel onderzoek te promoten. Deze middelen worden voorzien op basis van jaarlijkse KPIs die de groep moet halen naar IMEC toe (publicaties, financiering, enz.). Details hiervan zijn gedefineerd in de Way of Working van de raam overeenkomst tussen Universiteit Antwerpen en IMEC.

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Famaey Jeroen
• Co-promotor: Janssen Thomas
• Co-promotor: Mercelis Siegfried

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject

Abstract

De afgelopen jaren hebben Low Power Wide Area Networks (LPWAN) veel aandacht gekregen, vanwege de opkomst van het Internet of Things (IoT) en de noodzaak om apparaten in deze lange-afstandsnetwerken te lokaliseren, met een minimaal energieverbruik. Asset tracking is een van de klassieke toepassingen van LPWAN-lokalisatie. Hoe nauwkeuriger een lokalisatiealgoritme, hoe meer toepassingsmogelijkheden (bijvoorbeeld huisautomatisering, gezondheidszorgoplossingen en slimme steden) om dit algoritme te gebruiken. Daarom hebben we geavanceerde technologieën en algoritmen nodig om de nauwkeurigheid en betrouwbaarheid van LPWAN-lokalisatie te verbeteren. Hoewel op feature-gebaseerde lokalisatie veel wordt gebruikt in omgevingen binnenshuis, zullen we het gebruik van deze methodiek uitbreiden tot buitenomgevingen. Features worden gedefinieerd als signaalkarakteristieken, zoals signaalsterkte. De klasse van op functies gebaseerde lokalisatie kan worden onderverdeeld in verschillende subklassen. Fingerprints en afstanden zijn twee van de belangrijkste technieken in de op zichzelf staande klasse. In dit onderzoek zullen we nieuwe en bestaande algoritmen onderzoeken om de nauwkeurigheid en betrouwbaarheid van kenmerkgebaseerde lokalisatie-technieken in LPWAN te verbeteren. Er zal ook een vergelijkende studie worden gemaakt tussen de nauwkeurigheid en betrouwbaarheid van LPWAN-technologieën (Sigfox, LoRaWAN en NB-IoT).

Onderzoeker(s)

• Promotor: Weyn Maarten
• Co-promotor: Berkvens Rafael
• Mandaathouder: Janssen Thomas

Onderzoeksgroep(en)

• Internet Data Lab (IDLab)

Project type(s)

• Onderzoeksproject