Mäht der Roboter wegen der Ungenauigkeit seines Billigsensors Nachbars Rasen, sorgt das für Ärger. Ein Forschungsteam der Universität Genf fand nun einen Lösungsansatz, wie der Schweizerische Nationalfonds (SNF) am Montag mitteilte.

Die Vernetzung mehrerer Billigsensoren erwies sich nämlich als gute Alternative zu leistungsfähigeren und damit teureren Sensoren. Die Resultate veröffentlichte das Team vor kurzem in der Zeitschrift "IEEE Transactions on Signal Processing".

Virtueller Sensor

Durch die Vernetzung schufen die Forscherinnen und Forscher quasi einen virtuellen Sensor. Dessen Leistungsfähigkeit basiert auf der Nutzung sämtlicher Informationen von den einzelnen Billigsensoren, wie die Doktorandin und Erstautorin Yuming Zhang in der Nationalfonds-Mitteilung zitiert wird.

Diese virtuellen Sensoren sind gemäss Zhang kostengünstiger als vergleichbare Einzelsensoren und lassen sich flexibel konfigurieren. Damit eignen sie sich für den Einbau in Alltagsgeräte, ohne deren Kosten zu erhöhen.

Die Idee, Informationen verschiedener Apparate zu kombinieren, ist nicht neu, scheiterte aber bisher an technischen Schwierigkeiten. Schon bei einzelnen Sensoren ist der Umgang mit Messfehlern komplex, noch schwieriger wird es bei mehreren. Das Genfer Team löste das, indem es die Signale zerlegte. So konnte es Messfehler erkennen und aufgrund einer neuen statistischen Methode korrigieren.

Breite Anwendung

Die Anwendungsmöglichkeiten reichen von der Kartografie mittels Drohnen bis zu selbstgesteuerten Fahrzeugen. Die Kombination verschiedener Sensortechnologien könnte auch zur Entwicklung einer neuen GPS-Generation beitragen.

Auch Anwendungen in der Finanzbranche sind denkbar. Investitionsentscheide fallen oft aufgrund von Portfolios mit auf ein bestimmtes Ziel hin kombinierten Anlageinstrumenten. Hier könnte die Vernetzung helfen, die beste Kombination zu finden, wie Zhang erklärte.

Das Sensoren-Projekt unter unterstützte der SNF im Rahmen seiner Förderprofessuren. SNF-Förderprofessuren richten sich an hoch qualifizierte Forschende, die eine permanente Professur anstreben.