Saab Deutschland GmbH Bremen, in Zusammenarbeit mit dem Department für Kommunikationstechnik der Universität Bremen (ANT), bietet eine Abschlussarbeit an mit dem Titel:

Multi-Resolution Spectral Detection Algorithms for Signal Intelligence

Überblick zur Masterarbeit:

Im Bereich der Signalaufklärung (SIGINT) stellt die Detektion und Lokalisierung vielfältiger Hochfrequenz-(HF-)Übertragungen – von kurzzeitigen gepulsten Signalen bis hin zu schmalbandig kontinuierlichen Wellenemissionen – ohne vorherige Kenntnis der Signaleigenschaften eine kritische Herausforderung dar.

Betriebliche Anforderungen erfordern, dass ein einzelnes Empfängersystem solche Signale in einer gemeinsamen Spektralumgebung unter stringenten Bedingungen wirksam identifizieren kann.

Herkömmliche Frequenzbereichs-Detektionsmethoden sind durch ein festes Zeit-Bandbreiten-Produkt begrenzt, was bei Signalen mit unterschiedlichen Dauern und Bandbreiten zu Leistungseinbußen führt.

Um dies zu beheben, haben sich Multi-Resolution-Signalanalyseverfahren als unverzichtbare Werkzeuge herausgestellt und ermöglichen eine adaptive Auflösung, die auf Signaleigenschaften abgestimmt ist.

Darüber hinaus erfordern Fortschritte in der HF-Technologie die Überwachung höherer Frequenzbänder und breiterer momentaner Bandbreiten, während Algorithmen auf mobilen Plattformen mit strengen Anforderungen hinsichtlich Größe, Gewicht und Leistungsverbrauch (SWaP) eingesetzt werden.

Folglich sind Rechnereffizienz und Echtzeit-Machbarkeit oberste Designüberlegungen.

Ziele der Abschlussarbeit:

Diese Forschungsarbeit konzentriert sich auf die Entwicklung, Analyse und Implementierung von Multi-Resolution-Spektraldetektor-Algorithmen, die speziell für nicht-kooperative Signalaufklärungsszenarien angepasst sind.

Die Arbeiten umfassen:

• Literaturübersicht: Umfassende Analyse der neuesten Multi-Resolution-Detektionstechniken mit Schwerpunkt auf ihre Anwendbarkeit in nicht-kooperativen und dynamischen HF-Umgebungen.

• Theoretische Bewertung: Vergleichende Bewertung ausgewählter Methoden hinsichtlich Rechenkomplexität, Detektionswahrscheinlichkeit und Falschalarmrate unter variierenden Signalbedingungen.

• Implementierung und Validierung: Entwicklung und Erprobung mindestens eines Multi-Resolution-Detektionsalgorithmus mit MATLAB oder Python. Die Leistung wird sowohl anhand von Simulationen mit synthetischen Signalen als auch mit echten HF-Aufzeichnungen bewertet.

Anforderungen an Kandidaten:

Bewerber müssen die folgenden Kriterien erfüllen:

• Derzeit eingeschriebener Master-Student an der Universität Bremen in folgenden Fachbereichen:

• Communication and Information Technology (CIT)

• Electrical Engineering and Information Technology

• Space Sciences and Technologies (Space-ST)

• Fundierter akademischer Hintergrund in digitaler Signalverarbeitung und drahtloser Kommunikation mit dokumentierten Noten von 2,0 oder besser in relevanten Kursen.

• Nachgewiesene Motivation, Unabhängigkeit und hochwertige akademische Leistungen.

• Kenntnisse in MATLAB oder wissenschaftlicher Python-Programmierung.

• Praktische Erfahrung durch Praktika, Forschungsassistenzen oder Projektarbeiten im Bereich Signalverarbeitung oder Kommunikation ist sehr wünschenswert.

• Vertrautheit mit Versionskontrollsystemen wie Git wird als vorteilhaft angesehen.

Was Saab Deutschland GmbH Bremen bietet:

• Flexible Arbeitszeiten (Gleitzeitregelungen) und die Möglichkeit für Remote- oder Hybrid-Arbeit

• Unterstützendes Arbeitsumfeld mit Schwerpunkt auf Work-Life-Balance

• Wellness-Initiativen, einschließlich kostenlosem Zugang zu Wasser und frischem Obst

• Regelmäßige Veranstaltungen zur Mitarbeiterbindung, einschließlich Sommer- und Winterfeste sowie Team-Building-Aktivitäten

Bewerbungsverfahren:

Interessierte Kandidaten werden eingeladen, ihre Bewerbung per E-Mail an applications@ant.uni-bremen.de an Prof. Dr.-Ing. Dekorsy zu senden. Der Betreff lautet: „Referenz: Masterarbeit – [Ihr vollständiger Name]"

Bitte fügen Sie der Bewerbung folgende Dokumente bei:

• Lebenslauf (CV)

• Offizielles Notentransskript (mit Noten)

• Ein kurzes Motivationsschreiben, in dem Sie Ihr Interesse am Thema und relevante Erfahrungen darlegten

Bewerbungen werden laufend geprüft. Frühzeitiges Einreichen wird empfohlen.