Ganganalyse schlägt Bodenradar
Student Best Paper Awards für Aylin Tastan und Afief D. Pambudi
2020/10/30 von Martin Gölz, Sebastian Stamm
Darmstadt den 30.10.2020. Aylin Tastan und Afief D. Pambudi von der Signal Processing Group am Fachbereich etit haben erfolgreich am Student Paper Contest der diesjährigen IEEE Radar Conference teilgenommen. Aylin Tastans Arbeit über robuste Clusterbildung für menschliche Gangsignaturen wurde mit dem Best Student Paper Award ausgezeichnet, während sich der Zweitplatzierte, Afief D. Pambudi, in seinem Paper mit der robusten Erkennung von Landminen befasste. Darüber hinaus konnte Pambudi auch noch den erstmals ausgetragenen Three-Minute Thesis Wettbewerb für sich entscheiden.
Von den 143 Arbeiten, die aus der ganzen Welt für den Wettbewerb eingereicht wurden, wählte das AESS Radar Systems Panel Student Paper Competition Committee nach strengen Kriterien die fünf besten Arbeiten als Finalisten aus. In der Endrunde präsentierte jeder Teilnehmer seine Arbeit in einer speziellen online Live-Videokonferenz vor der Jury.
Radar zur Erkennung von Gangstörungen
In der preisgekrönten Arbeit von Aylin Tastan wird ein parameterfreier, robuster Clustering-Algorithmus entworfen, um die stark mit Ausreißern belasteten Radardaten des menschlichen Ganges zu unterscheiden. Die Analyse des Ganges dient der Erkennung von Gangstörungen und damit der medizinischen Diagnostik. Das Herausragende an ihrer Arbeit ist die Robustheit des Algorithmus gegen Ausreißer und seine praktische Anwendbarkeit, da ihre Methode keine Trainingsdaten oder a priori Informationen über die Art der Gangstörung benötigt. Die Ergebnisse ihrer Arbeit zeigen die Leistungsfähigkeit von Radar, Gangunterschiede zu erfassen und Unterschiede von verschiedenen Gehstilen anhand von Radarrücksteuerung maschinell zu lernen. Die Experten waren sich sicher, dass die Arbeit von Frau Tastan einen Beitrag zur zukünftigen smart-assisted-living Technologie liefert, welche ein selbstbestimmtes Leben im fortgeschrittenen Alter ermöglichen soll.
Genauere Detektion von Landminen
Afief D. Pambudis zweitplatzierte Arbeit trägt dazu bei, die Detektionsgenauigkeit von Bodenradaren beim Erkennen von Landminen zu verbessern. Im Gegensatz zu den klassischerweise verwendeten Metalldetektoren sind Bodenradare in der Lage, auch sehr kleine oder nicht-metallische Minen zu entdecken. In seiner Arbeit gelang es ihm, die Abhängigkeitsstrukturen zwischen verschiedenen Radarbildern durch eine besondere Copula-basierte Teststatistik, welche in anderer Form auch im Finanzbereich angewendet wird, erfolgreich in die Entscheidungsfindung zu integrieren. Dadurch können mehr Minen entdeckt und beseitigt werden.
Zusätzlich gewann Afief den Three-Minute Thesis Wettbewerb, welcher im Rahmen der Konferenz ausgetragen wurde. Er schaffte es, in einem nur 3 Minuten kurzen Video sein Forschungsthema interessant zu erklären und überzeugte damit nicht nur die Jury, sondern auch die Konferenzteilnehmer, welche ihn zum Sieger kürten.
Die Arbeit von Afief D. Pambudi entstand in enger Zusammenarbeit mit Prof. Fauzia Ahmad von der Temple University, PA, USA und dem U.S. Army Research Laboratory.
Herzlichen Glückwunsch, Aylin und Afief!
