Vom drahtlosen Sensornetzwerk bis zur Medizin-App
Michael Muma entwickelt neue Methoden der robusten Signalverarbeitung
31.01.2018 von Astrid Ludwig
Derzeit tragen zehn herausragende junge Wissenschaftlerinnen und Wissenschaftler der TU Darmstadt den Titel „Athene Young Investigator“ (AYI). Einer davon ist Michael Muma vom Fachgebiet Signalverarbeitung von Professor Abdelhak Zoubir.
Das Weihnachtsgeschenk kam Anfang Dezember. Der Beitrag „“ von Abdelhak M. Zoubir, Visa Koivunen, Yacine Chakhchoukh und Michael Muma wird mit dem „Best Paper Award 2017“ des Robust Estimation in Signal Processing ausgezeichnet. Das Magazin ist das Flaggschiff des „Institute of Electrical and Electronics Engineers“ ( IEEE Signal Processing Magazine), des in New York ansässigen weltweiten Berufsverbandes von Ingenieuren aus der Elektro- und Informationstechnik. „Das ist ein bedeutender Preis in der Fachwelt“, freut sich Michael Muma. Daher wundert es nicht, dass der junge Deutsch-Amerikaner unterdessen vom Europäischen Verband für Signalverarbeitung ( IEEE) als Mitglied in eines der „Special Area Teams“ gewählt wurde – ein Kreis, in dem sich bisher nur ausgewählte Professoren finden. „Eine große Ehre, dass ich schon dabei sein kann“, sagt der 36-Jährige. Professor will Michael Muma noch werden, EURASIP der TU Darmstadt ist er schon seit Oktober 2017 – und seine Erfolgsliste ist bereits lang. Athene Young Investigator
Muma forscht seit 2009 als wissenschaftlicher Mitarbeiter über robuste Statistik am Fachgebiet Signalverarbeitung am Fachbereich Elektrotechnik und Informationstechnik der TU Darmstadt. 2014 promovierte er mit Auszeichnung zum Thema . Fasziniert ist er „von den vielen Anwendungsmöglichkeiten“. Die reichen von Audio- und Kamerasensornetzwerken über die Automobilindustrie bis zur Medizintechnik, einem von Mumas Schwerpunkten. Klassische Methoden der Signalverarbeitung basieren oftmals auf Annahmen für Daten oder Messungen, die in der Simulation optimal funktionieren, in der Praxis aber einen hohen Leistungsabfall oder sogar Totalausfall zeigen können. Die robuste Statistik entwickelt hingegen Verfahren, die Ausreißern oder Modelabweichungen standhalten. Mit robuster Signalverarbeitung lässt sich beispielsweise bei bestimmten elektronischen medizinischen Messungen der Hirndruck vorhersagen, der ein wichtiger Anhaltspunkt bei der Behandlung von Patienten mit schweren Hirnschäden ist. „Wenn der Hirndruck für nur zehn Minuten vorhergesagt werden könnte, wäre das ein enormer Gewinn für die Patientenüberwachung im Krankenhaus“, sagt Muma. „Robust Estimation and Model Order Selection for Signal Processing“
