Arbeitsgruppe Expertengestützte Datenanalyse und Qualitätsprozesse

Aufgrund der zunehmenden Komplexität geodätischer Messprozesse ist eine fortlaufende Erweiterung des mathematisch-statistischen Werkzeugkastens notwendig.  

Die Mitglieder der Arbeitsgruppe befassen sich mit der Entwicklung von mathematisch-statistischen Modellen, Schätzverfahren und Algorithmen, um raum-zeitlich bezogene und möglicherweise unvollständige Daten auszugleichen. Die Daten können dabei durch zufällige, systematische, ausreißerbehaftete und korrelierte Messabweichungen charakterisiert sein. Die Herausforderung besteht hierbei in der genauen, zuverlässigen und effizienten Schätzung der unbekannten Modellparameter sowie in der Ableitung von Qualitätsmaßen bezüglich der Schätzung.Solche Schätzungen werden auch als expertengestützten Verfahren entwickelt, bei denen Bayesische Vorinformationen oder a-priori vorhandenes Systemverhalten der zu schätzenden Modellparameter integriert wird. Diese Forschungsschwerpunkte haben verschiedene Anwendungsmöglichkeiten in den Bereichen der Ingenieurgeodäsie, Satellitengeodäsie und Immobilienbewertung gefunden.

KOMPETENZFELDER DER ARBEITSGRUPPE

  • Wissensbasierte Filterung im Zustandsraum

    Optimale und sequentielle Schätzung der Zustände anhand beliebiger Beobachtungen im Zustandsraum. Hierbei werden neben linearen hauptsächlich auch nichtlineare Systeme berücksichtigt. Ziel ist es die Ansätze möglichst effizient und robust gegenüber Ausreißern zu gestallten. Zudem soll auch vorab vorhandenes Wissen als priori-Wissen in den Filteralgorithmus integriert werden und so zu einer verbesserten Schätzung führen. Ebenso stehen Methoden im Vordergrund, mit welchem normalverteiltes System- und Messrauschen aber auch beliebige und multimodale System- und Messrauschen beherrscht werden können.

  • Optimierung und Qualitätssicherung geodätischer Messprozesse

    Durch die Modellierung und Optimierung von Messprozessen wird eine Steigerung der Effizienz erreicht. Die Modellierung von Messprozessen mit geeigneten Modellierungsverfahren und das Festlegen der notwendigen Detailtiefe ist ein Schwerpunkt des Forschungsfeldes. Des Weiteren erfolgt eine Validierung geeigneter Optimierungsverfahren für die Effizienzoptimierung der jeweiligen Messprozesse.

  • Bayessche Modellierung und Monte Carlo Verfahren

    Dieses Forschungsfeld beschäftigt sich mit der Adaption der Bayesschen Inferenz, in derer Mittelpunkt das Bayes-Theorem steht, auf einige geodätische Anwendungen. Ausgehen von Bayes-Theorem werden unbekannte Parameter festgelegt und Hypothesentests für die Parameter getestet. Die Anwendungen erfolgen in linearen und in nicht-linearen Modellen Zudem werden gegenüber Ausreißern robuste Schätzungen und das Bayes-Filter abgeleitet. Da einige analytische Integrationen zur Parameterschätzung , zur Festlegung von Unsicherheitsbereichen oder zur Prüfung von Hypothesen nicht abgeleitet werden können, wurden nummerische Methoden basierend auf Monte Carlo Verfahren entwickelt und angewandt.

  • Klassische und robuste Parameterschätzung und Hypothesentests

    Im Bereich der klassischen Parameterschätzung werden einerseits unterschiedliche deterministische Trendmodelle untersucht, z. B. Regression- und Basisfunktionsmodelle (B-Splines, Polynome, usw.). Anderseits steht die realistische Modellierung von stochastischen Modellen in der Form von Kovarianzmatrizen im Fokus. Im Bereich Hypothesentests werden geeignete Optimalitätskriterien (z. B. basierend auf gleichmäßig bester Invarianz) für verschiedene Modellszenarien entwickelt. Sind Ausreißer in den Messdaten zu erwarten, wird die Methode der Kleinsten-Quadrate durch ein robustes Schätzverfahren ersetzt. Zu diesem Zweck untersuchen wir u. a. M-,  R-, Maximum-Likelihood-, LMS-, und RANSAC-Schätzer. Neben Ausreißern stellen auch Datenlücken ein großes Problem bei der Parameterschätzung dar. Um dieses Problem zu lösen untersuchen wir robuste Expection-Maximization-Algorithmen, welche in der Lage sind, Datenlücken mit stochastischer Vorinformation aufzufüllen.

  • Raumzeitliche stochastische Prozesse und Signalverarbeitung

    Geodätische Messreihen haben neben dem typischen Raumbezug oftmals auch einen Zeitbezug. Dies trifft dann insbesondere auch auf das Messrauschen zu, dessen Charakteristik oftmals mit Hilfe stochastischer Prozesse modelliert werden kann. Stochastische Prozesse in Form von autoregressiven Moving-Average (ARMA) Prozessen sind hierbei besonders interessant, da sie durch relativ wenige Koeffizienten beschrieben werden, welche zudem direkte Beziehungen zur Autokovarianzfunktion bzw. zum Leistungsdichtespektrum besitzen. Somit kann speziell farbiges Messrauschen sowohl im Zeitbereich als auch im Spektralbereich effizient und aussagekräftig modelliert werden.

ARBEITSGRUPPENLEITUNG

Dr.-Ing. Hamza Alkhatib
Adresse
Nienburger Straße 1
30167 Hannover
Gebäude
Raum
Dr.-Ing. Hamza Alkhatib
Adresse
Nienburger Straße 1
30167 Hannover
Gebäude
Raum

AKTUELLE PROJEKTE DER AG EXPERTENGESTÜTZTE DATENANALYSE UND QUALITÄTSPROZESSE

  • 3D HydroMapper
    Im Rahmen des Verbundprojektes wird ein Messsystem zur Erfassung von Hafenbauwerken entwickelt. Ziel ist es, die Bausubstanz über und unter Wasser möglichst automatisiert, qualitätsgesichert und reproduzierbar mit einem hybriden Multi-Sensor-System zu erfassen. Die Bauwerksschäden sollen mittels Mustererkennungsmethoden automatisch erkannt und klassifiziert werden.
    Leitung: Ingo Neumann, Hamza Alkhatib
    Team: Frederic Hake
    Jahr: 2018
    Förderung: Förderprogramm für Innovative Hafentechnologien (IHATEC) unterstützt durch das Bundesministerium für Verkehr und digitale Infrastruktur (BMVI)
    Laufzeit: 12/2018 - 11/2021
  • Bayesian adaptive robust adjustment of multivariate geodetic measurement processes with data gaps and nonstationary colored noise
    This research field aims at the development of a unified robust adjustment theory and of corresponding computationally efficient expectation maximization (EM) algorithms to handle outliers, data gaps, colored noise and cross-correlations within geodetic measurement series simultaneously. Various kinds of stationary and nonstationary Gauss-Markov models are investigated (see the figure below). To include given prior information for the unknown parameters, Bayesian models and inferential techniques are also devised. Applications include the geo-referencing of a static multi-sensor system and deformation monitoring of an arch bridge.
    Leitung: Boris Kargoll, Hamza Alkhatib, Jens-André Paffenholz
    Team: Boris Kargoll, Hamza Alkhatib, Jens-André Paffenholz, Alexander Dorndorf, Mohammad Omidalizarandi
    Jahr: 2018
    Förderung: DFG
    Laufzeit: 2018-2021
  • Analysis of the correlation structure of TLS point clouds
    An improved stochastic model for TLS observations is of main importance, particularly when the observations are used in least-squares adjustment. Indeed, the best unbiased estimates of unknown parameters in linear models have the smallest expected meansquared errors as long as the residuals are weighted with their true variance covariance matrix.
    Team: Gaël Kermarrec, Hamza Alkhatib
    Jahr: 2018
    Laufzeit: since 2018
  • Set-membership Kalman filter and its applications
    State estimation is applicable to virtually all areas of engineering and science. Any discipline that is concerned with the mathematical modelling of its systems is a likely candidate for state estimation. Nonlinear filtering can be a difficult and complex subject in the field of state estimation. Developed in the past hundreds years, the stochastic state estimation techniques are most widely applied in the real world. This approach bases on the probabilistic assumptions of the uncertainties in the system, such as Kalman filter and extended Kalman filter, where uncertain parts (usually noise) in the system are assumed to have certain probability distribution (usually Gaussian distribution).
    Leitung: Ingo Neumann
    Team: Ligang Sun
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: 2017 - 2019
  • Integre informationsbasierte Georeferenzierung
    Sowohl innerhalb geschlossener Räumlichkeiten mit komplexen räumlichen Strukturen (z.B. Bürogebäude) als auch in städtischen Umgebungen, mit einer Vielzahl an höheren Gebäuden, ist eine integre Georeferenzierung von kinematischen Multi-Sensor-Systemen (MSS) nur höchst aufwendig zu realisieren, da u.a. genaue und zuverlässige GNSS-Beobachtungen aufgrund von Abschattungen nicht zur Verfügung stehen. Echtzeitprozessierung oder hohe Genauigkeitsansprüche werden so nur sehr schwer erreicht.
    Leitung: Ingo Neumann
    Team: Sören Vogel
    Jahr: 2017
    Förderung: DFG-Graduiertenkolleg i.c.sens
    Laufzeit: seit 2017
  • Influence of the uncertainty budget on B-Spline curve estimation
    In order to guarantee the quality of a freeform curve and to get more meaningful analysis results, it is essential to be aware of all uncertainties resources and their impact on the estimation. In this work, a more sophisticated uncertainty budget is considered, that contributes to a refined covariance matrix. Uncertainties are modelled and propagated according to the “Guide to the Expression of Uncertainty in Measurements (GUM)”. Furthermore, control points of B-Spline curves are estimated by means of the least-squares methods based on the refined VCM. Comparison have been made between the B-Spline curves using identity and refined weight matrix, which reflects that the uncertainty influence within the estimation cannot be neglected for high quality results.
    Leitung: Ingo Neumann, Boris Kargoll, Hamza Alkhatib
    Team: Xin Zhao
    Jahr: 2017
    Laufzeit: since 2017
  • Simulationsbasierte Optimierung tachymetrischer Netzmessungen
    In geodätischen Netzen großer Ausdehnung oder mit einer Vielzahl von Punkten ist die tachymetrische Netzmessung meist mit einem hohen logistischen Aufwand verbunden. Die einzelnen Messpunkte müssen immer wieder angefahren werden, um die Reflektoren zum aktuellen Tachymeterstandpunkt auszurichten. Die effiziente Planung der Messung hat das Ziel, möglichst geringe Kosten zu verursachen oder sie strebt eine möglichst geringe Messdauer an.
    Team: Ilka von Gösseln
    Jahr: 2010
    Laufzeit: seit 2010
  • Alternative Verfahren zur Modellierung von Unsicherheiten in ingenieurgeodätischen Prozessen
    Im Guide to the Expression of Uncertainty (GUM) wird eine Unterteilung der Unsicherheiten in zufällig und systematisch wirkende Einflüsse vorgeschlagen. Im Rahmen dieses Projekts sollen insbesondere die systematischen Unsicherheiten mit Hilfe von Fuzzy-, Bayes- und Monte Carlo-Verfahren ermittelt werden. In diesem Zusammenhang werden Laserscanning- und Wertermittlungsdaten untersucht.
    Leitung: Hamza Alkhatib, Ingo Neumann
    Team: Hamza Alkhatib, Xin Zhao
    Jahr: 2009
    Laufzeit: seit 2009
Abgeschlossene Projekte der Arbeitsgruppe