Prof. Dr. Rolf Vetter

Steckbrief

Prof. Dr. Rolf Vetter Dozent

  • Präsenzzeit Montag
    Dienstag
    Donnerstag
  • Adresse Berner Fachhochschule
    Technik und Informatik
    Lehre
    Aarbergstrasse 46
    2503 Biel

Tätigkeiten

  • Digitale Signalverarbeitung

  • Biomedical Signalprocessing

  • Signalprocessing for communication

  • Indoorlocalization of Smartphones

Forschung

  • Digitale Signalverarbeitung

  • Biomedical Signalprocessing

  • Indoorlocalization of cellphones for 2G,3G, 4G and 5G

  • Detection and Classification of Cardiovascular Pathologies

  • Detection of Arcs in Photovoltaic Systems

  • Detection of Communication Signals

Projekte

  • Indoor-Tracking und Lokalisierung von nicht erlaubten Mobiltelefonen in Gefängnissen mit Uplink-Signalen: In Gefängnissen werden Mobiltelefone oft von Häftlingen verwendet, um mit der Außenwelt zu kommunizieren, was ein ernstes Problem für die öffentliche Sicherheit darstellt. Wir haben ein System zur Lokalisierung von nicht autorisierten aktiven Mobiltelefonen entwickelt, die im 2G-, 3G- oder 4G-Kommunikationsstandard betrieben werden. Das System basiert auf einer Fingerabdrucktechnik von Signalen von 12 Antennen, die das überwachte Gebäude abdecken. Die Fingerabdrücke wurden aus Antennensignalen mit Welchs klassischem Kurzzeit-PSD-Schätzer extrahiert. Um relevante Fingerabdrücke zu erhalten, wurde die Hintergrundrauschreduzierung durch spektrale Subtraktion und Trennung von Signalen von verschiedenen Mobiltelefonen durch k-Means-Clustering erreicht. Die resultierenden handyspezifischen Signalstärken lieferten relevante Fingerabdrücke für eine endgültige Klassifizierung durch die Mahalanobis-Distanz. Die Validierung in einem vierstöckigen Gefängnisgebäude mit über 100 Lokalisierungszellen zeigte eine hohe Leistung, die einen Lokalisierungsfehler von weniger als 1,8 m für die 2G-, 3G- und 4G-Kommunikationsstandards in 70 % aller Messungen ergab.

  • Prospektive Studie zur Vorhersage von Vasovagal Syncope aus Herzfrequenz und Blutdruck: Wir haben einen vasovagalen Synkope (VVS) Vorhersagealgorithmus während dem Tilttest mit gleichzeitiger Analyse von Herzfrequenz (HR) und systolischem Blutdruck (SBP) entwickelt. Zuvor haben wir diesen Algorithmus in einer 1155 Patienten-Retrospektivanalyse getestet, die 95% Empfindlichkeit, 93% Spezifität und mediane Vorhersagezeit von 59s zeigte. Diese prospektive Studie war eine Einzelstudie an 140 Probanden, um den VVS-Vorhersagealgorithmus zu bewerten und zu beurteilen, ob retrospektive Ergebnisse mit klinisch relevanten Daten reproduziert werden konnten. Der primäre Endpunkt war die VVS-Vorhersage: Empfindlichkeit und Spezifität >80%. Von 140 eingeschriebenen Probanden waren aufgezeichnete Daten für 134 Probanden nutzbar. Die resultierende Leistung des VVS-Vorhersagealgorithmus betrug die Empfindlichkeit 97,6 %, die Spezifität 88,2 %, die den primären Endpunkt erfüllte. Die mittlere VVS-Vorhersagezeit betrug 2min26s bei 3min16s und die mediane Vorhersagezeit betrug 1min25s. Zusammenfassend lässt sich sagen, dass die Vorhersagezeiten relevant sind und klinische Anwendungen wie Patientenalarm, Verkürzung der Neigetestzeit oder in implantierbare Geräte zur Auslösung von Herzschrittmacher Eingriffen anbieten.

  • Echtzeit-Signalverarbeitung von etikettenfreien Biosensorsignalen zur Verbesserung von Robustheit und Messgeschwindigkeit: Ziel des Projektes ist die Entwicklung eines benutzerfreundlichen und kostengünstigen bioanalytischen Geräts zur Erkennung von Wasserverunreinigungen. Das Gerät wurde auf einer Lösung für die Flüssigkeitshandhabung und Bioassay-Steuerung basiert. Um eine kürzeste Detektionszeit und damit höchste Wirksamkeit bei Kosten für die Bewertung von Wasserverunreinigungen zu gewährleisten, wurde eine innovative Prozessoptimierungsstrategie entwickelt, die auf einer geschlossenen Kreislaufstruktur und einer modellbasierten Frühbewertung der dynamischen Entwicklung der Reaktionskinetik basiert. Die Zuverlässigkeit einer frühzeitigen Bewertung wurde durch fortschrittliche Signalverarbeitungsalgorithmen gewährleistet, die gleichzeitig eine sparsame Modelldarstellung und eine Schichtung der Modellzuverlässigkeit bieten. Auf diese Weise soll die Bewertungszeit für Wasserverunreinigungen erheblich verkürzt werden, so dass die Umweltüberwachung in einem autonomen Modus am oberen Ende der Wirtschaftlichkeit möglich ist.

  • Lichtbogendetektion in Photovoltaik-Systemen: Lichtbögen stellen ein großes Problem in Photovoltaikanlagen dar, die zur Zerstörung von Anlagen und sogar umliegenden Gebäuden führen kann. Wir haben in Zusammenarbeit mit einem innovativen Schweizer Unternehmen einen Algorithmus zur Früherkennung von Lichtbögen durch Stromanalyse entwickelt. Der Algorithmus wurde in einer sehr großen Datenbank mit über 1 Million einminütigen Aufnahmen negativer Samples und 200 einminütigen Aufnahmen positiver Samples validiert. Es wurden sehr vielversprechende Ergebnisse erzielt.

  • Entwicklung eines Demonstrationsgeräts zur Früherkennung und Verfolgung von Drohnen: In diesem Projekt wurde ein multimodales Drohnendetektionssystem entwickelt und validiert, das auf Hochfrequenz- und akustischen Signalen basiert. Für Hochfrequenz-Fernsteuerungs-Signale wurden Detektionsdistanzen bis zu 2700m erreicht. Für akustische Signale wurden Detektionsdistanzen von 100m erreicht. Dieses multimodale System bietet somit eine Komplettlösung für die Früherkennung von Drohnen, die entweder in ferngesteuerter oder GPS-Führung betrieben werden.

Sprachen- und Länderkenntnisse

  • Deutsch - Muttersprache oder zweisprachig
  • Französisch - Muttersprache oder zweisprachig
  • Englisch - Verhandlungssicher