Show simple item record

AuthorPregizer, Floriandc.contributor.author
Date of accession2019-02-18T11:03:02Zdc.date.accessioned
Available in OPARU since2019-02-18T11:03:02Zdc.date.available
Year of creation2018dc.date.created
Date of first publication2019-02-18dc.date.issued
AbstractEin wichtiger Baustein zur Realisierung von “umgebende Intelligenz” sind effiziente und gleichzeitig zuverlässige Datenübertragungsprotokolle. Die Verteilung von Daten via Broadcast besitzt ein großes Potential Kommunikation in solchen dezentralen, infrastrukturlosen Netzwerken bereitzustellen. In dieser Arbeit wird ein Broadcast-Protokoll entwickelt, das optimal an die Anforderungen von intelligenten Umgebungen und deren Applikationen angepasst ist. Mit Hilfe evolutionärer Algorithmen werden Parametersätze eines generischen Protokolls hinsichtlich verschiedener Zielsetzungen optimiert. Das Protokollverhalten wird von einem Klassifizierer aus dem Bereich des maschinellen Lernens nachgebildet. Dieser bildet den Kern eines neuen adaptiven Broadcast-Protokolls. Zur weiteren Verbesserung der Zustellrate wird das auf dem maschinellen Lernverfahren basierende Protokoll um eine adaptive Vorwärtsfehlerkorrektur erweitert. Diese ist in der Lage zur Laufzeit ein optimales Verhalten in Abhängigkeit von der Wichtigkeit der Daten zu lernen. Anhand von Simulationsläufen wird die Leistungsfähigkeit der vorgestellten Lösungen gegenüber einer Vielzahl anderer Ansätze gezeigt. Um auch die Machbarkeit und Leistungsfähigkeit des Protokolls in der realen Welt zu zeigen, wird in einer prototypischen Implementierung ein Audiokommunikationssystem auf Smartphones umgesetzt. Damit können die guten Ergebnisse der Simulationen bestätigt werden.dc.description.abstract
AbstractAn important building block towards the realization of “Ambient Intelligence” (AmI) are efficient and reliable data transfer protocols. Data dissemination via broadcast has great potential to provide communication in such decentralized, infrastructureless networks. In this work a broadcast protocol is developed that is tailored towards the requirements of AmI-environments and its applications. With the help of evolutionary algorithms, parameter sets of a generic protocol are optimized with regard to multiple objectives. The behavior of the protocol is reproduced by a machine learning classifier which forms the core of a new adaptive broadcast protocol. Further improving the delivery ratio, the machine learning based protocol is extended by an adaptive forward error correction. It is able to learn an optimal behaviour depending on the priority of the data at runtime. The performance of the presented solutions over existing approaches is shown via simulations. To show the feasibility and performance in a real world environment, an audio communication system has been implemented on smartphones. The experiments confirmed the results from the simulations.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseCC BY 4.0 Internationaldc.rights
Link to license texthttp://creativecommons.org/licenses/by/4.0/dc.rights.uri
KeywordBroadcastdc.subject
KeywordMobildc.subject
Dewey Decimal GroupDDC 004 / Data processing & computer sciencedc.subject.ddc
LCSHBroadcasting; Computer networksdc.subject.lcsh
LCSHData transmission systemsdc.subject.lcsh
LCSHAd hoc networks (Computer networks)dc.subject.lcsh
LCSHAmbient intelligencedc.subject.lcsh
TitleEffiziente broadcast Datenübertragung in mobilen Ad-hoc-Netzwerken : ein intelligentes Protokoll für intelligente Umgebungendc.title
Resource typeDissertationdc.type
Date of acceptance2018-08-09dcterms.dateAccepted
RefereeGroßmann, Hans-Peterdc.contributor.referee
RefereeKargl, Frankdc.contributor.referee
DOIhttp://dx.doi.org/10.18725/OPARU-11881dc.identifier.doi
PPN1655156926dc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-oparu-11938-8dc.identifier.urn
GNDDatenübertragungdc.subject.gnd
GNDAd-hoc-Netzdc.subject.gnd
GNDAmbient Intelligencedc.subject.gnd
FacultyFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.affiliationGeneral
InstitutionInstitut für Nachrichtentechnikuulm.affiliationSpecific
InstitutionInstitut für Verteilte Systemeuulm.affiliationSpecific
Grantor of degreeFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.thesisGrantor
DCMI TypeTextuulm.typeDCMI
CategoryPublikationenuulm.category
Bibliographyuulmuulm.bibliographie


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record