Indoor-Lokalisierung mittels maschinellem Lernen (via Magnetfeldschwankungen über Zeit)

Die Bestimmung der eigenen Position in einem Gebäude hat vorallem in der Indoor-Navigation essentielle Bedeutung. Hierzu fehlen aber derzeit allgemeingültige, über Betriebssystemgrenzen hinweg nutzbare und zuverlässige Methoden. Die hier vorgeschlagene Arbeit soll sich dieser Problemstellung annehmen.

Ziel dieser Arbeit ist die Beantwortung der Frage ob es möglich ist anhand der Verzerrungen des Erdmagnetfeldes (durch bauliche Besonderheiten) festzustellen wo sich ein entsprechendes Endgerät mit Magnetfeld-Sensor innerhalb eines Gebäudes befindet. Hierzu sollen moderne Machine-Learning Ansätze getestet werden.

• (Weiter)entwicklung eines Simulators zur Generierung von Trainingsdaten
• Konzeption und Implementierung von Deep Learning Architekturen
• Training mehrerer Modelle
• Evaluation der Modelle im Simulator
• Evaluation der Modelle unter realen Bedingungen

TBD