Ultraschall Datenreduktion zur Integration in intelligente Sensorik/Sensor-Elektronik

Im Rahmen dieser Arbeit wurde sich mit der Sparse Signal Recovery (SST) und Compressed Sensing (CS) Theorie beschäftigt. Diese beiden Verfahren besitzen Eigenschaften, die bei der zerstörungsfreien Prüfung von Materialien mit Ultraschall vorteilhaft eingesetzt werden können. Diese prozessing Methoden sind in der Lage, die Ultraschalldaten zu komprimieren. Weiterhin ist es möglich, mit den Algorithmen von CS und SS Fehlerechos in Ultraschalldaten zu separieren, um mit postprozessing Methoden eine bessere Fehlerauswertung durchführen zu können. Weiterhin beschäftigt sich diese Arbeit mit der Implementierung dieser Verfahren auf einem Zynq System von Xilinx. Die Algorithmen werden auf zwei Ebenen des Systems implementiert, dem µ-Prozessor und dem FPGA. Das ermöglicht einen Performancevergleich der Algorithmen auf beiden Systemen, um feststellen zu können, ob sich diese Algorithmen in eine Signalverarbeitungskette einsetzen lassen. Die Messung erfolgt ebenfalls auf diesem System und zeigt die Vorteile einer parallelisierten Implementierung auf einem FPGA im Vergleich zu einer sequenziellen Implementierung auf einem Prozessor. Dieses System soll weiterhin die Möglichkeit bieten, in zukünftigen Entwicklungen die Algorithmen in realen Ultraschallanwendungen zu testen.