Open Access

Radar based gesture recognition offers great opportunities to increase user-friendliness of countless applications at home, in transportation and for industries. Here, not only data-intensive image and video processing, but also 1D multior single-channel time-series signals are in focus. We examine classical machine learning (ML) approaches and compare them in a reproducible manner. We evaluate the performance of naive methods—such as threshold detection (THD)—and classical ML methods—such as the support vector machine (SVM). The performance is hereby judged by elements such as accuracy, falsepositive rate (FPR), training and prediction time, hardware (HW) requirements and real-time capabilities as well as the size of the classifier. To create the library needed for the given investigation, a two channel continuous wave (CW) modulated radar system with carrier frequency of 10 GHz has been employed. We conclude that naive methods are outperformed by all investigated classical ML methodologies. The results in terms of accuracy and FPR are satisfactory. However, there are large differences between naive and ML methods in terms of HW requirements and real time performance. In conclusion, classical ML methods fulfil the defined requirements satisfactorily, only the real-time performance on low-performance HW is limited due to the required computing power. Thus, the algorithms are a good choice for gesture recognition—of 1D multi- or single-channel time-series signals—if applied correctly.

Die folgende Masterarbeit gibt eine Übersicht zu modernen AR-Technologien für den Einsatz in der Lehre mit dem Ziel eine geeignete Software zu identifizieren, die eine AR-Anwendungserstellung sowie die Integration dieser in das Vorlesungsgeschehen der HTWG ermöglicht. Diese Arbeit baut auf einer Literaturrecherche auf, welche den gegenwärtigen Einsatz von AR in der Lehrpraxis analysiert. Es wird der aktuelle Stand der Entwicklung in Bezug auf verschiedenste Hard- und Softwarelösungen dargestellt, einschließlich der Funktionsweise von AR-Anwendungen sowie relevanter Systemkomponenten. Anschließend werden sowohl der Einsatz von Augmented Reality im Bildungsbereich betrachtet als auch andere Sektoren wie Medizin und Industrie einbezogen, um eine umfassende Übersicht zu Fallstudien sowie Praxisbeispielen zu gewährleisten. Der Auswahlprozess der Software wird ebenfalls thematisiert und eine Anleitung zur Benutzung des gewählten Tools, Vuforia Studio, wird dargeboten. Die Analyse ergab, dass AR-Anwendungen es den Schülern und Studierenden ermöglichen, aktiv am Unterricht bzw. den Vorlesungen teilzunehmen und Inhalte interaktiv zu erkunden, was das Interesse am Lehrinhalt steigert sowie eigenständiges Lernen fördert. Dem Einsatz von AR in der Lehre stehen jedoch Herausforderungen gegenüber. Insbesondere eine pädagogisch angemessene AR-Inhaltserstellung erweist sich als schwierig. Sowohl die Anfertigung eines 3D-Modells als auch das Arbeiten mit Programmen wie Vuforia Studio selbst stellen sich als zeitintensiv und technologisch anspruchsvoll heraus. Von Seiten der Bildungseinrichtung müssen finanzielle Mittel bereitgestellt werden, denn ohne entsprechende Schulungen und Ressourcen wird auch die Bereitschaft der Lehrenden, sich mit neuen Technologien auseinanderzusetzen, nicht ausreichend sein, um hochwertige AR-Inhalte zu konzipieren. Obwohl die technologische Infrastruktur zwar deutlich besser ausgebaut ist als noch vor einigen Jahren, vor allem, weil flächendeckendes Internet zur Verfügung steht und die Lernenden zum Großteil eigene Smartgeräte besitzen, ist eine kontinuierliche Investition in Hard- und Software sowie das Pflegen der gesammelten Daten und genutzten Server unerlässlich. Insgesamt bietet der Einsatz von Augmented Reality in der Lehre vielversprechende Möglichkeiten, um das Lernerlebnis zu verbessern und die Bildungsergebnisse zu optimieren, jedoch müssen die genannten Herausforderungen überwunden werden, um das gesamte Potenzial von Augmented Reality Technologien in der Lehre auszuschöpfen.

Effiziente Energienutzung ist eine bestehende Problematik, welche nicht nur Privathaushalte, sondern auch Institute und Unternehmen betrifft. Die Thematik, mit der sich diese Bachelorarbeit beschäftigt, ist intelligente Regelung von Wärmeenergie für Nichtwohngebäude. Das Ziel hierbei ist die Einsparung von Energie und die daraus folgenden Kosten. Hierfür wird mittels theoretischer Arbeit, Recherche für vorhandene Konzepte durchgeführt. Mit MATLAB Simulink soll anschließend ein eigenes Konzept für eine intelligente, vorausschauende Regelung aufgebaut und simuliert werden. Dabei soll die Raumlufttemperatur eines Raumes in einem Nichtwohngebäude, mithilfe eines modellbasierten prädiktiven Reglers (MPC), auf eine bestimmte Wunschtemperatur geregelt werden. Zum Schluss wird diese mit einer herkömmlichen Regelung (PID-Regelung) verglichen. Als Ergebnis kam dabei heraus, dass sich bei der vorausschauenden Regelung, im Vergleich zur herkömmlichen Regelung, ein deutlich besserer Temperaturverlauf ergibt. Die Raumtemperatur liegt im gewünschten Sollbereich, jedoch sind in den Ergebnissen keine nennenswerten Energieeinsparungen zu sehen. Durch zukünftige Erweiterungen in den MPC, sollte dies aber definitiv möglich sein. Deshalb und aufgrund der genaueren Regelung der Temperatur, wird eine Empfehlung zur Anwendung von MPC-Reglern an Nichtwohngebäude abgegeben.

In this paper, we propose a novel method for real-time control of electric distribution grids with a limited number of measurements. The method copes with the changing grid behaviour caused by the increasing number of renewable energies and electric vehicles. Three AI based models are used. Firstly, a probabilistic forecasting estimates possible scenarios at unobserved grid nodes. Secondly, a state estimation is used to detect grid congestion. Finally, a grid control suggests multiple possible solutions for the detected problem. The best countermeasures are then detected by evaluating the systems stability for the next time-step.

Die Corona Pandemie hat anschaulich gezeigt, wie wichtig innovative Biotech Firmen für die medizinische Versorgung der Bevölkerung sind. Aufgrund des hohen Investitionsbedarfs sind Börsengänge das Mittel der Wahl um sich mit Kapital zu versorgen.