Evaluation modell- und datengetriebener Methoden zur Peilung von GNSS-Störern in Mehrwege-Umgebungen

Einsatz von KI zur optimierten Winkelschätzung und Störquellenlokalisierung

Das Projekt PaiL zielt auf die Erforschung und Entwicklung KI-gestützter Verfahren zur präzisen Winkelauflösung und robusten Lokalisierung mehrerer Störquellen unter realistischen Mehrwegebedingungen ab. Damit soll die Genauigkeit und Geschwindigkeit klassischer Peilverfahren signifikant verbessert und ihre Leistungsfähigkeit in komplexen Umgebungen erweitert werden. Durch den Einsatz neuronaler Modelle wird eine höhere Robustheit gegenüber Signalrauschen, Reflexionen und modellabhängigen Schätzfehlern angestrebt.

In einem schrittweisen Vorgehen werden klassische Super-Resolution-Methoden wie MUSIC, ESPRIT und SAGE analysiert und durch KI-basierte Ansätze ergänzt. Aufbauend auf der Charakterisierung relevanter Umgebungs- und Signalparameter werden geeignete neuronale Modelle implementiert, um Winkel- und Quellenbestimmung zu optimieren. Ergänzend kommen zeitsensitive Verfahren, darunter Kalman-Filter, LSTM-Netzwerke und Transformer-basierte Modelle, zum Einsatz, um dynamische Signalverläufe adaptiv abzubilden.