Lehre im Bachelorstudium - Schaltungsentwurf, Biomedizinische Messtechnik Sebastian Simmich, Patrick Wiegand und Robert Rieger - Kiel
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Lehrstuhl für Vernetzte Elektronische Systeme, CAU Kiel
Lehre im Bachelorstudium
Schaltungsentwurf, Biomedizinische Messtechnik
Sebastian Simmich, Patrick Wiegand und Robert Rieger
Bachelorinformationsveranstaltung 2021
Die Gruppe VES
https://www.ves.tf.uni-kiel.de
Robert Rieger
Patrick Wiegand Sebastian Simmich Kamran Naderi Beni Melanie Bork Wolfgang Taute
Vishwanath Ralf Burgardt
Moritz Edinger Miriam Ludwig
Hiremath
Schwerpunkte der Gruppe VES
Entwurf mikroelektronischer Systeme für
Mess- und Steueraufgaben
Niedrige Frequenzen – Klein – Geringe
Leistungsaufnahme
Integriertes Schaltungsdesign –
ASIC + MEMS, CMOS und BiCMOS
Medizinische Anwendung
Wearables zur Quantifizierung von Aktivität
Implantierbare Schaltungen für periphere
Nervenableitung
Sensorik
Aktuelle Projekte
• Ausleseelektronik für magneto-elektrische Sensoren in
ASIC und MEMS Technologie
SFB 1461 • Integrierte oszillatorische Neuronenschaltungen
Neurotronics
• Taktile Sensorik
Kooperation
mit Uni Bath
• Integrierte Schaltungen zur Nervensignalableitung und
Verarbeitung
Kooperation mit
UKSH
• Wearables zum Langzeitmonitoring der Kamptokormie
bei Parkinsonismus
Kooperation mit
Industriepartnern • Unterschwellige Messung biomedizinischer
Signale außerhalb der Klinik
- Video -
• Beispiel der Arbeiten am Lehrstuhl
https://cloud.tf.uni-kiel.de/s/DGEGY3Jj5DG2EqH
Lehre
etit-103 Grundgebiete der Elektrotechnik III (WiSe)
etit-216 Grundlagen Analoger Integrierter Schaltungen
Bachelor Wahlpflichtmodul (WiSe+SoSe)
etit-305 Bachelorprojekt (6. Semester)
Introduction to Low-power CMOS System Design (SoSe)
Design and Analysis of Selected Fundamental CMOS Circuits (SoSe)
Seminar Selected Topics in Medical Electronics (SoSe+WiSe)
M.Sc. Laboratory Examples in Computerized IC Testing (SoSe+WiSe)
etit-216 Grundlagen Analoger Integrierter
Schaltungen
Vorlesung mit Robert Rieger und Übung mit Sebastian Simmich
Ziel: Grundverständnis des CMOS Schaltungsaufbaus, praktische Erfahrung im
Umgang mit der Cadence Simulationsumgebung
Themenblöcke:
1. Einführung in das Schaltungsdesign - Diskrete und integrierte Technologie
2. Physikalischer Aufbau
3. Kennlinien des MOS Transistors
4. Großsignal- und Kleinsignaldarstellung, Linearisierung
5. Grundprinzipien der digitalen Inverterschaltung
6. Simulationstypen DC, DC sweep, AC, transient
7. Widerstand des diodengeschalteten MOSFET, aktive Last
8. MOSFET als Stromquelle/-senke und Stromspiegel
9. Stromspiegel mit Kaskodenschaltung
10. Der Differenzverstärker
11. Lambda und Kanalwiderstand in der Cadence Simulation
12. Grundlagen des Schaltungslayouts
etit-216 Grundlagen Analoger Integrierter
Schaltungen
• Grundlegendes Wissen zur CMOS Technologie
• Kennlinienfelder der Transistoren
• Verschiedene analoge Grundschaltungen:
• Inverter, Stromspiegel, Verstärker, etc.
• Simulation und Layout in Cadence Design Systems
etit-216 Grundlagen Analoger Integrierter
Schaltungen
Vorlesung Übung
• Theoretische Betrachtung der • Simulation und Layout in
Thematik Cadence Design Systems
• Dauer : 45 Minuten • Dauer : 90 Minuten
etit-216 Grundlagen Analoger Integrierter
Schaltungen
Schematic Editor Bibliothek
Simulatoretit-216 Grundlagen Analoger Integrierter
Schaltungen
• Kursorganisation erfolgt über OLAT
• Eine Anmeldung ist erforderlich: Schreiben Sie sich dazu bei OLAT rechtzeitig in
den Kurs ein.
• Vorlesung und Übung werden über Zoom angeboten.
• Übungen mit Cadence erfolgen durch einen Remote-Zugang auf unseren Server
(Unterzeichnung einer NDA ist erforderlich).
• Bewertung erfolgt anhand einer Hausaufgabe, in der eine Schaltung zu simulieren
und diskutieren ist.Lehre - Bachelorprojekt
• Projektbereiche:
– Mit selbst erstellten Platinen biologische
Signale aufnehmen & verarbeiten
• Hardware und Software DesignBA Abschlussarbeiten
Beispiele
Medizinische Signalverarbeitung Schaltungsaufbau und Analyse
Untersuchen Sie medizinische Signale auf Erstellen Sie einen Aufbau zur
verwertbare Gemeinsamkeiten Signalübertragung mit Bluetooth
Entwickeln und testen Sie einen Entwickeln Sie eine miniaturisierte
Komprimierungsalgorithmus in Matlab Energieversorgung für Wearables
Implementieren Sie den Algorithmus auf Bauen Sie ein System zur einfachen
einem Mikrocontroller Längenmessung am Körper
Kontakt: pw@tf.uni-kiel.de
Weitere Arbeiten im Bereich der aktuellen Forschung ssi@tf.uni-kiel.de
Mithilfe bei Design, Simulation, Layout in Cadence Raum D-026 (Eusebia)
Vermessung unserer Chips
… es gibt regelmäßig neue Aufgaben. Bitte aktuell nachfragen!Masterpraktikum Laboratory Examples in Computerized IC Testing • Programmierung eines Mikrocontrollers • Charakterisierung verschiedener IC Funktionen • Verwendung branchenüblicher Hard- und Software
Masterpraktikum
Laboratory Examples in Computerized IC Testing
• 4 Teilaufgaben
• LabView
• C
• Python
• Praktische Übung
• 3 SWS
• 5 ECTS-CreditsWir sind gespannt auf Ihre Wahl und freuen uns darauf,
Sie in unseren Modulen begrüßen zu dürfen.Automatic Control Chair, Kiel University
Model-based identification and estimation (etit 214)
Dr. habil. Alexander Schaum
Summer term 2020Motivation
0.8
0.7
0.6
0.5
Step response
0.4
y
0.3
0.2
0.1
0
-0.1
0 2 4 6 8 10
t
Task: Given a set of input-output data, predict the future behavior for an arbitrary input signal
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 2Motivation
0.8
0.7
0.6
0.5
Step response
0.4
y
0.3
0.2
0.1
0
-0.1
0 2 4 6 8 10
t
Task: Given a set of input-output data, predict the future behavior for an arbitrary input signal
Approach:
Find an adequate transfer function or state space model
Design an observer or filter for monitoring and prediction purposes
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 2Motivation
0.8
0.7
0.6
0.5
Step response
0.4
y
0.3
0.2
0.1
0
-0.1
0 2 4 6 8 10
t
Task: Given a set of input-output data, predict the future behavior for an arbitrary input signal
Approach:
Find an adequate transfer function or state space model
Design an observer or filter for monitoring and prediction purposes
Question: How to choose the right model and determine the system parameters?
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 2Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
The decision of the model structure and the determination of the model parameters is the task
of system identification
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
The decision of the model structure and the determination of the model parameters is the task
of system identification
Particular care has to be taken in presence of stochastic influences
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
The decision of the model structure and the determination of the model parameters is the task
of system identification
Particular care has to be taken in presence of stochastic influences
Some important quotes:
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
The decision of the model structure and the determination of the model parameters is the task
of system identification
Particular care has to be taken in presence of stochastic influences
Some important quotes:
... all models are approximations. Essentially, all models are wrong, but some are useful.
However, the approximate nature of the model must always be borne in mind....
George Box, Norman Drapper, in Empirical Model-Building and Response Surfaces, John Wiley & Sons, 1987.
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Motivation
Models can be used to describe input-output relations for
prediction
monitoring
control
Any of these tasks requires to have a good model which describes the actual system behavior
The decision of the model structure and the determination of the model parameters is the task
of system identification
Particular care has to be taken in presence of stochastic influences
Some important quotes:
... all models are approximations. Essentially, all models are wrong, but some are useful.
However, the approximate nature of the model must always be borne in mind....
George Box, Norman Drapper, in Empirical Model-Building and Response Surfaces, John Wiley & Sons, 1987.
truth . . . is much too complicated to allow anything but approximations
John von Neumann,The mathematician, in Haywood, R. B., Works of the Mind, University of Chicago Press, p. 180–196, 1947.
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 3Case study
Temperature control lab
Setup: Arduino board with two
transistor-thermistor couplings, controllable
through USB with Python, Matlab or Octave.
Heat production of the transistors is adjusted
through the electrical currents.
Energy is interchanged in form of heat
conduction, convection and radiation.
Temperature is measured through the thermistors.
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 4Case study
Temperature control lab
Setup: Arduino board with two
transistor-thermistor couplings, controllable
through USB with Python, Matlab or Octave.
Heat production of the transistors is adjusted
through the electrical currents.
Energy is interchanged in form of heat
conduction, convection and radiation.
Temperature is measured through the thermistors.
Tasks: Given a set of input–output data identify a
suitable model to predict the temperature
behavior for arbitrary input signals.
Test observer and filter approaches in a MIMO
setup.
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 4Content
1. System identification
White-box or theoretical identification:
Physics–based (a priori) modeling
Parameters known from product sheets or simple experiments (like weighing,. . . )
Black-box identification
No model known a priori → standard models from time–series analysis used (ARMAX)
Parameters determined from (noisy) input–output data
Grey-box identification
Combination of the above: Model structure known but parameters unknown → parameter
identification from noisy data.
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 5Content
1. System identification
White-box or theoretical identification:
Physics–based (a priori) modeling
Parameters known from product sheets or simple experiments (like weighing,. . . )
Black-box identification
No model known a priori → standard models from time–series analysis used (ARMAX)
Parameters determined from (noisy) input–output data
Grey-box identification
Combination of the above: Model structure known but parameters unknown → parameter
identification from noisy data.
2. State and parameter estimation
Maximize information reconstruction from input–output data analysis
Observer design and state estimation
On–line parameter estimation and recalibration
Joint state and parameter estimation
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 5Lecture hours and final examination
Lecture hours (Apr. 23 to July 9):
Lecture: Fr. 14:15 - 15:45
Exercise: Fr. 16:00 - 16:45
Registering through OLAT required
Lecture material (lecture notes, presentation slides, exersise sheets with solutions)
Discussion Forum
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 6Lecture hours and final examination
Lecture hours (Apr. 23 to July 9):
Lecture: Fr. 14:15 - 15:45
Exercise: Fr. 16:00 - 16:45
Registering through OLAT required
Lecture material (lecture notes, presentation slides, exersise sheets with solutions)
Discussion Forum
Final examination
The final, oral examination consists of two parts:
(∼ 15–20 min.) Presentation of take–home exercise: application of the discussed approaches
for system identification and estimator design for the temperature control lab (data–based)
(∼ 15–25 min.) General questionaire focusing on, but not limited to the take–home exercise.
There is no specific date! Individual appointments are possible within the complete examination
period (∼ July to October).
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 6Further informations
On Feb. 10, 18:10 more information about activities in teaching and research at the Chair of
Automatic Control will be provided by Prof. Meurer, et al.:
Bachelor lab (Bachelorpraktikum)
Bachelor project (Bachelorprojekt)
Topics for student thesis according to research fields at the Chair of Automatic Control
Website: https://www.control.tf.uni-kiel.de/en
Dr. habil. A. Schaum Model-based identification and estimation (etit 214) Page 7Model-based identification and estimation (etit 214) Contact data Dr. habil. Alexander Schaum Chair of Automatic Control Faculty of Engineering Kiel University m http://www.control.tf.uni-kiel.de k alsc@tf.uni-kiel.de
Lehrstuhl für Integrierte Systeme und Photonik Prof. Dr. Martina Gerken mge@tf.uni-kiel.de
Lehrstuhl Prof. Gerken
Integrierte Systeme und Photonik (ISP)
Optische
Nanotechnologie
Technologien • Zurzeit 10 Promovierende, 2 Postdocs,
2 Techniker, 1 Sekretärin, 12 Studierende
Integrierte
• Modellierung und Simulationen
Systeme
• Herstellung im Kieler Nanolabor
- 350 m2 Reinraumfläche mit Lithographie und REM
- Thermische Aufdampfanlage
- Gloveboxcluster zur Herstellung in Schutzgas
• Messtechnik in zwei Optiklaboren
- Mikroskope
- Spektrometer
- Diverse Laser
- Photogoniometer
- U-Kugel
- Konkaktwinkelmessgerät
- Diverse Charakterisierungs-aufbautenOptische Biosensorik • Multiparametrische Biomarker-Detektion S. Jahns, M. Bräu, B. Meyer, T. Karrock, S. B. Gutekunst, L. Blohm, C. Selhuber-Unkel, R. Buhmann, Y. Nazirizadeh, M. Gerken, Biomed. Opt. Express 6, 3724-3736 (2015).
OLED & OPD Fabrication in Kiel
• Full in-house fabrication and characterization
• Access to 350 m² ISO class 5 cleanroom
• Small-scale production of small molecule
and polymer OLEDs & OPDs
3OPTOCHIP Projekt
RollFlex: Flexible Optoelektronik
• Ziel: Flexible, leichte und R2R production
effiziente Leuchtdioden
(OLED) und Solarzellen (OPV)
auf Basis organischer Flexible organic
Halbleiter optoelectronics
• Verbundprojekt mit Universitäten
R2R nanoimprint Printed flexible
und Industrie aus Deutschland devices via R2R
und Dänemark
• R2R = Rolle zu Rolle
Preliminary investigation on small
scale devicesSimulation von Magnetfeldsensoren
• Ziel: Design von Magnetfeldsensoren über
Modellierung des Verhaltens
• Sonderforschungsbereich an der CAU
Rayleigh wave Love wave
• Ocean • Shear strain
• Normal strain • Strain || surface
• Strain ⊥ surface • Guiding layer
J. Schmalz, A. Kittmann, P. Durdaut, B. Spetzler, F.Faupel, M. Höft, E. Quandt, M. Gerken, "Multi-Mode Love-Wave SAW
Magnetic-Field Sensors", Sensors 2020, vol. 20, no. 12, Artikel 3421, Jun 2020 6Abschlussarbeiten
Am Lehrstuhl für Integrierte Systeme und Photonik sind ständig Abschlussarbeiten
zu aktuellen Forschungsthemen zu vergeben.
• Wir legen Abschlussarbeitsthemen in Absprache mit den Studierenden und unter
Berücksichtigung der Vorkenntnisse und Vorlieben fest.
− Themen für Abschlussarbeiten sind bei uns nur selten ausgeschrieben, da sich
die Forschung schnell weiterentwickelt.
− Schauen Sie auf unsere Webseite und in unsere Publikationen, ob Sie ein
Themenbereich interessiert.
• Wenn Sie Interesse an einer Abschlussarbeit bei uns haben, emailen Sie bitte Prof.
Gerken mit folgenden Angaben:
− Möchten Sie etwas mit Schwerpunkt Modellierung oder Herstellung im Reinraum
oder Laborexperimenten machen?
− Welche relevanten Vorkenntnisse bringen Sie mit?
− Möchten Sie gerne etwas mit externer Kooperation (z.B. Industriepartner,
Ausland) machen?
− Wir melden uns dann mit einem Themenvorschlagetit-311: Bachelorpraktikum Mikro-Nano-Optosystemtechnik Gemeinschaftsangebot von Prof. Gerken, Prof. Kohlstedt und ISIT (B-Versuche) Ziel: Praktische Erfahrung im Umgang mit Mikro-, Nano- und Optosystemen Muss aufgrund der Corona-Randbedingungen im SoSe2021 leider entfallen!
etit-315: Bachelorpraktikum
Simulation optischer Sensoren
Optische Sensorik vielfältig eingesetzt von LIDAR bis Biosensorik
Quelle: Hering/Schönfelder (Hrsg.), Sensoren in Wissenschaft und Techniketit-315: Bachelorpraktikum Simulation optischer Sensoren Phase 1: Lernen von Simulations- und Forschungsmethoden - Optische Sensorik - Simulationen mit der Finite-Elemente-Methode (FEM) - Matlab-Auswertung - Der Forschungszyklus Phase 2: Entwickeln einer Computersimulationen zu eigener Forschungsfrage - Projektarbeit in 2er Gruppen - Wöchentliche Zwischengespräche Phase 3: Auswertung, Interpretation, Präsentation der Ergebnisse Beispiel: Optischer Ringresonator
etit-315: B.Sc. Praktikum SOS:
Ablauf
• Phase 1: Erarbeiten der Grundlagen mit wöchentlichen Simulationsaufgaben in
wechselnden Gruppen
• Phase 2: Projektarbeit im festen 2er-Team
• Phase 3: Zusammenfassung der Ergebnisse in Bericht und Abschlussvortrag
Termin: Voraussichtlich Montags, 13:15 - 16:45 Uhr; Beispielplan:
Termin Inhalt
1 Einführung in Biosensorik, Forschungszyklus; Organisatorisches; Laborbesuch
2 Interaktive COMSOL-Einführung am Fabry-Perot Resonator
3 Wellenleiter-Einführung am Ringresonators; Moden lösen in COMSOL
4 Implementierung eines Gitterresonators
5 Einführung wissenschaftliches Schreiben; Darstellung eigener Forschungsfragestellung in Proposal
6 Implementierung eigener Computersimulation; Matlabeinführung: Grafische Darstellung von Ergebnissen
7 Implementierung eigener Computersimulation; Steuerung von COMSOL mit Matlab
8 Parametervariationen in Computersimulation
9 Matlab: Statistik, Kurvenanpassung, Sensorsensitivität ausrechnen
10 Simulationen fortführen; Bericht beginnen
11 Einführung wissenschaftliches Vortragen; Vortrag vorbereiten
12 Mini-Konferenzetit-315: B.Sc. Praktikum SOS:
Anmeldung
• Kursorganisation erfolgt über OLAT
• Eine Anmeldung ist erforderlich: Schreiben Sie sich dazu im zugehörgen OLAT-
Kurs ein!
• Bei Fragen kontaktieren Sie bitte Johannes Bläsi: jbl@tf.uni-kiel.de
• YouTube-Bericht vom letzten Jahr: https://www.youtube.com/watch?v=JqGZCc3-Kaoetit-305: Team-Projekt
Thema: Vernetze Sensorik im Internet of Underground Things (IoUT)
Aufgaben
− Aufbau von Sensorknoten zur Messung von Temperatur und Bodenfeuchte
− Programmierung von Mikroprozessor
− Anbindung an LoRaWAN
− Festlegung des Datenformates
− Experimente zur Vernetzung
UG: Underground
AG: Above ground
Bild: Sambo, Damien Wohwe, et al. "Wireless underground sensor networks path loss model for precision
agriculture (WUSN-PLM)." IEEE Sensors Journal 20.10 (2020): 5298-5313.etit-305: Team-Projekt Ablauf − Jede*r Teilnehmer*in erhält einen vollständigen Satz Hardware für den Aufbau zu Hause − Team plant Arbeiten gemeinsam (keine persönlichen Treffen notwendig) − Kreativität wird gerne gesehen und eigene Ideen sind willkommen! − Regelmäßige Videokonferenzen mit Betreuer*innen − Ca. 120 h Arbeit pro Person (4 ECTS) − Kursorganisation erfolgt über OLAT − Eine Anmeldung ist erforderlich: Schreiben Sie sich dazu im zugehörgen OLAT- Kurs ein! − Bei Fragen kontaktieren Sie bitte Prof. Gerken: mge@tf.uni-kiel.de
Servicezentrum Lehre Dr.-Ing. Michael Meißer mme@tf.uni-kiel.de
Wetter stations projekt
Tech meets Umwelt
1
Dr.-Ing. Michael MeißerWetterstationsprojekt 2019:
„Resiliente 500-€-Wetterstation für klimaangepasste Landwirtschaft“
Projekt präsentiert auf der
Testbetrieb Oktober 2019 auf Dach Geb. D 2
Dr.-Ing. Michael MeißerProjektideen SoSe 2021
> pandemiesicher <
3
Dr.-Ing. Michael MeißerProjekt #1: LoRaWan-Wetterstation
für selbstbestimmte Bäuer*innen
• Ausgangspunkt: Hoheit über schlagbezogene
Wetterdaten gewährleisten mittels autarker Mini-
Wetterstationen
• Datenübertragung mittels Richtfunk ohne
Mobilfunknetz/ ggf. WWW
• Empfänger entscheidet über Datennutzung
• Strategien & Technik entwickeln: Netzwerk, Sensoreinbindung,
Energiegewinnung, Akkumanagement,
• Zusammenarbeit mit Informatik: Sensornetz, Datenhandling
4
Dr.-Ing. Michael MeißerProjekt #2: WLAN-Wetterstation
für Botanischen Garten der CAU
• Ausgangspunkt: Mikroklima-Informationen zum Schutz
der Pflanzen notwendig
• Datenübertragung mittels WLAN und einfache Web-
Oberfläche zur Visualisierung und –auswertung
• Energiegewinnung, Akkumanagement,
Gehäusefragen
• Reales Einsatzszenario,
daher Langlebigkeit und
Wartbarkeit im Fokus.
• Auftraggeber: Prof. Bilger
(Ökophysiologie der
Pflanzen)
5
Dr.-Ing. Michael MeißerProjekt #3: Gestaltung einer Projektwoche
„Wetterstation – und was damit zusammen hängt“
• Ausgangspunkt: MINT-EC organisiert Schüler*innen-
Camps (ca. 15 Personen, ca. 1 Woche)
• Wir wollen um Ostern 2022 ein Camp zum Bau von
Wetterstationen anbieten – Sie gestalten die Woche!
• Technik entwickeln: Funduino einbinden, Sensoren, attraktive Aufgaben
• Energiegewinnung, Akkumanagement, Visualisierung und Nutzung der Daten
• Einbringen in die
Wochenplanung,
didaktische Raffinessen …
• Ggf. Unterstützung bei
Durchführung SoSe2022
6
Dr.-Ing. Michael MeißerProcedere
Nutzbare Module:
Projektvolumen mit
• Fortgeschrittenen-Praktikum (4LP)
4 oder 8 LP
• Projekt (4LP, nicht WiIng)
möglich
• Arbeitszeiten, Arbeitsschwerpunkte: gestaltbar
• viel Freiraum, gemeinsam konkretisierte Ziele
• Engagement: unbedingte Voraussetzung
• Commitment: ohne Frage
Angemessene Dokumentation & Dissemination ist Arbeitsschwerpunkt!
7
Dr.-Ing. Michael MeißerMelden Sie sich
jetzt
Kontakt: Michael Meißer, Servicezentrum TF PBL
denn die Zukunft wartet nicht
8
Dr.-Ing. Michael MeißerLehrstuhl für Nachrichtenübertragungstechnik Prof. Dr.-Ing. Stephan Pachnicke stephan.pachnicke@tf.uni-kiel.de
Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Themenschwerpunkte:
• Rechenzentrumsnetzwerke
(Optische) Verbindungen innerhalb und
zwischen Rechenzentren
• Weitverkehrsnetze
Optische Übertragungssysteme mit
ultrahoher Kapazität
• Zugangsnetze
FTTH, Optische
FreiraumkommunikationTechnische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Bachelorpraktikum
Nachrichten- und Informationstechnik
• Numerische Simulation von Nachrichtensystemen
• Digitale Modulation
• Optische Messtechnik
• Polymerfaser WDM Übertragung
Labor (50%), PC-Lab (50%)
Ansprechpartner: Jonas Koch (jonas.koch@tf.uni-kiel.de)Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
BSc-Wahlmodul: Optical Communications
Genereller Überblick: Optische Übertragungssysteme und wichtige Anwendungen in der
Telekommunikation
Optischer Übertragungskanal: Optische Signale in Fasern, Fasertypen, Systemmodelle.
Optische Sender: Charakterisierung von Halbleiterlasern.
Optische Komponenten: Modulatoren, Empfänger, Verstärker und Filter.
Optische Übertragungssysteme: Systemdesign, Modulationsformate, typische
Anwendungsbeispiele
Ansprechpartner: Sebastian Kühl (sebastian.kuehl@tf.uni-kiel.de)Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Aktuelle Themen:Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Aktuelle Themen:
KI basierte Kapazitätsoptimierung mittels Reinforcement Learning
Optimierung von Übertragungsparametern (Bandbreite, Signalleistung,
Modulationsformate…) für glasfasergebundene Mittelstreckenübertragung.
Verbesserung von häufig heuristisch getroffenen Entscheidungen mit Hilfe
von KI.Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Aktuelle Themen:
Übertragung mit Hilfe der nichtlinearen Fourier Transformation durch
elektro-optische Signalverarbeitung
Erzeugung von komplexen Signalformen für die Langstreckenübertragung
mit Hilfe von integrierten photonischen Schaltungen.Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Aktuelle Themen:
Optisches Reservoir-Computing
Neuromorphe Signalverarbeitung in der optischen Ebene (neuronales
Netz als photonisch integrierter Schaltkreis zur Entzerrung von Signalen)Technische Fakultät
Lehrstuhl für Nachrichtenübertragungstechnik
(Prof. Dr.-Ing. Stephan Pachnicke)
Aktuelle Themen:
Vorausschauendes Fehlermanagement
Vorhersage der Zeit bis zum Ausfall optischer Komponenten mit Hilfe von
KI auf Basis bestimmter Kenngrößen (SNR, BER, Spektrum…)
KI gestützte Abschätzung der ÜbertragungsqualitätLehrstuhl für Hochfrequenztechnik
Prof. Dr.-Ing. Michael Höft
Sommersemester 2021
Dr.-Ing. Frank DaschnerLehrstuhl für Hochfrequenztechnik
Prof. Dr.-Ing. Michael Höft
Bachelorpraktikum
Hochfrequenztechnik
Versuche
• Netzwerkbeschreibung und -analyse in der HF-
Technik
• HF-Verstärker mit Feldeffekttransistoren
• HF-Schaltungsentwurf
• Resonatoren in der HF-Technik
• Anpassschaltungen
• ASH-Empfänger
• Heterodynempfänger
• HF-Komponenten mit HFSS
• Radarsysteme und Antennen
Bedienung von speziellen Messgeräten HF-Systeme Wichtige Grundschaltungen
HF-Komponenten und deren Eigenschaften Moderne SimulationssoftwareLehrstuhl für Hochfrequenztechnik
Prof. Dr.-Ing. Michael Höft
Wahlpflichtfächer
Sommersemester
Hochfrequenzmesstechnik
Rauschen in Kommunikations-
und Messsystemen
Wintersemester
RadarLehrstuhl für Hochfrequenztechnik
Prof. Dr.-Ing. Michael Höft
Bachelorarbeiten in der Hochfrequenztechnik
Aktuelle Forschungsthemen
• HF-Filter
• (Sub-)Millimeterwellen-Systeme und
-Komponenten
• Radar
• Mikrowellensensorik (z.B. Feuchtemessung)
• Messung sehr schwacher magnetischer Felder
(SFB 1261)
• Biomedizinische Sensoren
Aktuelle Themen für Bachelor- und Projektarbeiten auf Anfrage per E-Mail an fd@tf.uni-kiel.deSie können auch lesen
