Ein klassisches Anwendungsgebiet für die Schätzung räumlich verteilter physikalischer Größen ist die Umweltüberwachung, d.h. die Messung von bspw. Temperatur und Luftfeuchtigkeit oder der Konzentration von Substanzen in Luft oder Gewässern.

Bei der Messung mittels drahtloser Sensorknoten führt eine direkte Übertragung der Messwerte zu einem zentralen Verarbeitungsknoten zu einem hohen Kommunikationsvolumen und damit zu verkürzter Batterielebensdauer. Gleichzeitig führt der Ausfall des zentralen Knotens zu einem Totalausfall der Überwachung, wodurch keine Reaktion auf Ereignisse mehr möglich ist. Es ist daher sinnvoll, die Überwachung durch ein Netz gleichberechtigter, autarker Sensorknoten vorzunehmen, wodurch eine hohe Robustheit gegen den Ausfall einzelner Knoten und die Störung einzelner Kommunikationslinks entsteht. Zur verteilten Verarbeitung sollen iterative In-Network-Processing-(INP)-Algorithmen zum Einsatz kommen.

Um den Kommunikationsaufwand durch die iterative Verarbeitung gering zu halten, wird der Ansatz verfolgt, die Messgröße durch ein parametrisches Modell abzubilden und hierdurch eine komprimierte Darstellung der räumlichen Verteilung zu erhalten. In Verbindung mit einer verteilten INP-basierten Schätzung kann die Kommunikation im Wesentlichen auf den Austausch geschätzter Modellparameter reduziert werden.

Kernziel dieses Vorhabens ist die Kombination einer parametrischen Modellierung mit der INP-basierten, auf die Sensorknoten verteilten Verarbeitung. Bestehende Algorithmen zur verteilten Schätzung sollen auf ihre Eignung untersucht und neue Algorithmen entwickelt werden. Eine besondere Herausforderung besteht in der nicht-konvexen verteilten Optimierung bei Verwendung eines nicht-linearen Modells. Weiterhin soll untersucht werden, ob durch Einführung einer zweistufigen Struktur im Netzwerk eine effizientere Kommunikation ermöglicht wird. Zeitvarianz von Messgröße und Netztopologie sind ebenfalls Gegenstand der Untersuchungen, die auf die Entwicklung adaptiver Verfahren abzielen.

Ein wesentlicher weiterer Punkt ist die Berücksichtigung von Fehlern im Sensornetz, sowohl von Mess- als auch Sensor- und Übertragungsfehler. Durch Anwendung des modellbasierten Ansatzes und Berechnung durch INP sind Verbesserungen im Hinblick auf die Fehlererkennung zu erwarten, da lokale Messungen nicht nur mit unmittelbaren Nachbarn verglichen werden, sondern ihre Übereinstimmung mit der zu erwarteten räumlichen Verteilung überprüft werden kann.

Die Praxistauglichkeit der entwickelten Modelle und Schätzverfahren soll an realen Daten und auf realer Sensorhardware demonstriert werden. Hier ist nachzuweisen, dass die Schätzalgorithmen auf der Hardware typischer Sensorknoten trotz des eingeschränkten Speichers und der geringen Rechenleistung lauffähig sind und die verwendeten Modelle eine hinreichend hohe Kompression für Daten aus beispielhaften Anwendungen in der Umweltüberwachung liefern.

Details