This thesis is focused on developing vibration based terrain classification for an autonomous mining truck. The goal is to classify between good and bad gravel roads as well as good and bad asphalt roads. Current literature within vibration based terrain classification has been focused to a great extent on smaller research vehicles. On smaller research vehicles have roll-rate, pitch-rate and vertical acceleration been reported to yield the highest average classification rates. Common approaches for pre-processing the data consists of segmenting the data, apply filtering techniques, computing the Power Spectra Density (PSD), performing Principal Component Analysis (PCA) and compute the logarithms. How to do this specifically for an Autonomous Truck (AT) is not trivial. What signals from the trucks Internal Measurement Unit (IMU)s yields the highest average classification rates? How does one process the raw data in the best way, and what classification method performs the best for this for an AT? The AT studied here have five different IMUs that all measure ẍ, ÿ, z̈ acceleration, and ωroll, ωpitch, ωyaw rotational speed. One is located in the cab, and the other four are located in each of the four corners of the chassis. With these sensors empirical vibration data from different surfaces, speeds and loads was gathered with multiple identically equipped autonomous mining trucks. With this data were experiments conducted in order to find a high performing classifier that also was possible to implement in the ATs software in C++. The different signals were ranked according to the highest classification score, and different pre-processing parameters combined with different classification methods likewise were. ωyaw and ωpitch from the cab IMU, and z̈ from the rear right IMU were the ones that yielded the highest average classification rates. The pre-processing consists of segmenting the data, multiplying the segment with a window function, compute the one-sided PSD, logarithmize the PSD values and lastly normalize the data. A bagged classifier based on Support Vector Machine (SVM) with a Radial Basis Function (RBF) kernel showed the highest classification performance. The final multiclass classifier was a combination of three of these bagged classifiers in a tree structure. The F-measure rates for the four classes were {0.946, 0.98, 0.714, 0.879}. / Denna uppsats är fokuserad på att utveckla en vibrationsbaserad terrängigenkänningsalgoritm för en automatiserad tung lastbil som kommer att framföras i ojämn terräng, som ska klara av att känna igen bra och dåliga grusvägar, samt bra och dåliga asfaltsvägar. Befintlig litteratur inom området vibrationsbaserad terrängigenkänning har varit fokuserad i stor utsträckning på mindre forskningsfordon. På dessa är {ωrull, ωstigning, z̈} de signaler som resulterar i de högsta genomsnittliga korrekta terrängklassifikationerna. Befintliga förbearbetningmetoder för datan består i majoriteten av fallen av att segmentera och filtrera datan, beräkna spektrala effekttätheten (PSD) och logaritmera. Hur man gör detta är inte trivialt. Vilka signaler från lastbilens fem IMUer resulterar i det högsta prestandan för terrängigenkänning? Hur förarbetar man datan? Lastbilen studerad här har fem IMUer som har sex kanaler vardera, de mäter ẍ, ÿ, z̈ acceleration, och ωrull, ωstigning, ωgir rotationshastighet. En är placerad i lastbilens hytt och de andra fyra är placerade i varje hörn på chassit. Med dessa sensorer samlades vibrationsdata in på de fyra underlagen, med olika lastbilar, med olika last på flaket och med olika autonoma lastbilar, men som var konfigurerade på samma sätt. Experiment utfördes för att bestämma vilka signaler-, vilken förbearbetningsmetod på datan- samt vilken klassifieringsmetod som presterar bäst för den automatiserade lastbilen. Algoritmen var också anpassad för att vara möjlig att implementera i lastbilens mjukvara utan externa maskininlärnings bibliotek. De högst presterande signalerna var ωgir och ωstigning från IMUn i hytten, samt z̈ från IMUn monterad i chassits bakre högra hörn. Förbearbetningen bestod av att segmentera datasignalen, multiplicera den med en fönsterfunktion för att sedan beräkna den ensidiga spektrala effekttätheten (PSD), logaritmera alla värden och till slut normalisera datan. En stödvektormaskin (SVM) med en RBF kärna påvisade högst genomsnittliga klassifikationsresultat. Den slutgiltiga binära klassifieraren applicerade bagging för att förbättra prestandan genom att kombinera data från alla de tre högst presterande signalerna. Den slutgiltiga klassifieraren tränades på att skilja mellan de olika underlagen och var en kombination av tre bagged klassifierare i en trädstruktur. Prestandan med avseende på F-Measure för de fyra klasserna var {0.946, 0.98, 0.714, 0.879}.

This report presents the development, implementation, and testing of a current monitor system that is specifically developed for testing a neuromuscular electrical stimulation system (NMES). The NMES system, developed by KTH and its academic and industrial partners Karolinska institute and Matrix Muscle Support, incorporates advanced features aimed at preventing cardiovascular diseases. The problem statement revolves around the necessity of developing a system capable of detecting any instances of overcurrent or leakage current in the neuromuscular electrical stimulation system. The purpose of this current monitoring system is to offer real-time monitoring of current levels within the electrical stimulation system. The project’s goal is to design and implement a comprehensive software and hardware solution that allows users to simultaneously monitor voltage levels across multiple channels and detect any abnormalities. The project was executed using a top-down approach. Each subtask is processed separately and finally tested to be verified and approved according to the expectations set. Test-driven development (TDD) methodology was employed to ensure the reliability and accuracy of the software and hardware implementation. The project has produced several significant results, the most important of which include the successful implementation of a real-time monitoring system for the multi-channel NMES system. A dedicated circuit board design has been prepared according to the specified requirements described in the report. The software interface has been designed to provide the user with real-time readings of voltage levels as well as visual identification of normal and abnormal values. The measurements carried out during all the tests gave clear answers to the set question, with the exception of some displacement (offset) which can be investigated more closely in future research. Furthermore, the reference images showed that the system was functioning in accordance with its original intended purpose. / Denna rapport presenterar utvecklingen, implementeringen och testningen av ett strömmätningssystem som är speciellt utvecklat för att testa ett neuromuskulärt elektriskt stimuleringssystem (NMES). NMES-systemet, utvecklat av KTH och dess akademiska och industriella partners Karolinska institutet och Matrix Muscle Support, innehåller avancerade funktioner som syftar till att förebygga hjärt-kärlsjukdomar. Problemformuleringen kretsar kring nödvändigheten av att utveckla ett system som kan detektera fall av överström eller läckström i det neuromuskulära elektriska stimuleringssystemet. Syftet med detta strömmätningssystem är att erbjuda realtidsövervakning av strömnivåer inom det elektriska stimuleringssystemet. Projektets mål är att designa och implementera en omfattande mjukvaru- och hårdvarulösning som tillåter användare att samtidigt övervaka spänningsnivåer över flera kanaler och upptäcka eventuella avvikelser. Projektet genomfördes med en top-down-metod. Varje deluppgift bearbetas separat och testas slutligen för att verifieras och godkännas enligt de förväntningar som satts. Testdriven utvecklingsmetod (TDD) användes för att säkerställa tillförlitligheten och noggrannheten hos implementeringen av mjukvara och hårdvara. Projektet har gett flera betydande resultat, av vilka de viktigaste inkluderar framgångsrik implementering av ett realtidsövervakningssystem för flerkanals NMES-systemet. En dedikerad kretskortsdesign har utarbetats enligt de specificerade kraven som beskrivs i rapporten. Mjukvarugränssnittet har utformats för att ge användaren realtidsavläsningar av spänningsnivåer samt visuell identifiering av normala och onormala värden. De mätningar som genomfördes under samtliga tester gav tydliga svar på frågeställningen, med undantag för viss förskjutning (offset) som kan undersökas närmare i framtida forskning. Vidare visade referensbilderna att systemet fungerade i enlighet med det ursprungliga syftet.

Oscillations in power systems are a common problem that cause wear and decreased electric power quality. Hence, it is of great importance to detect when oscillations occur and to analyze which machines that are involved. This master thesis was a pre-study to implement an application that can detect and analyze power system oscillations in the real-time interactive simulator ARISTO, which is a simulator that the authority responsible for the transmission system of Sweden, Svenska kraftnät, develops. The working process included a literature study which resulted in several methods that were selected for deeper analysis. The theory of oscillation detection is called spectral analysis. To analyze which machines that are involved in the oscillations, phase shift calculations are required. The study showed that the methods ESPRIT (estimation of signal parameters via rotational invariant techniques) and Capon performed the most accurate results in the spectral analysis. Among the selected methods for phase shift calculations, the discrete Fourier transform obtained the most accurate results. Among the scientific reports and publications that discussed power system oscillations, the method GPOF (generalized pencil-of-function method) was most frequently used. The reason for this depends on the method's unique property to calculate damping, which can be a crucial aspect to analyze in power systems. This master thesis has examined several other methods that yield more accurate results in terms of spectral analysis and phase shift calculations. However, in contrast to GPOF, those methods cannot calculate the damping of the system which can be a substantial drawback.

With increasing usage of credit card payments, credit card fraud has also been increasing. Therefore a fast and accurate fraud detection system is vital for the banks. To solve the problem of fraud detection, different machine learning classifiers have been designed and trained on a credit card transaction dataset. However, the dataset is heavily imbalanced which poses a problem for the performance of the algorithms. To resolve this issue, the generative methods Generative Adversarial Network (GAN), Variational Autoencoders (VAE) and Synthetic Minority Oversampling Technique (SMOTE) have been used to generate synthetic samples for the minority class in order to achieve a more balanced dataset. The main purpose of this study is to evaluate the generative methods and investigate the impact of their generated minority samples on the classifiers. The results from this study indicated that GAN does not outperform the other classifiers as the generated samples from VAE were most effective in three out of five classifiers. Also the validation and histogram of the generated samples indicate that the VAE samples have captured the distribution of the data better than SMOTE and GAN. A suggestion to improve on this work is to perform data engineering on the dataset. For instance, using correlation analysis for the features and analysing which features have the greatest impact on the classification and subsequently dropping the less important features and train the generative methods and classifiers with the trimmed down samples. / Med ökande användning av kreditkort som betalningsmetod i världen, har även kreditkort bedrägeri ökat. Därför finns det behov av ett snabbt och tillförligt system för att upptäcka bedrägliga transkationer. För att lösa problemet med att detektera kreditkort bedrägerier, har olika maskininlärnings klassifiseringsmetoder designats och tränats med ett dataset som innehåller kreditkortstransaktioner. Dock är dessa dataset väldigt obalanserade och innehåller mest normala transaktioner, vilket är problematiskt för systemets noggranhet vid klassificering. Därför har generativa metoderna Generative adversarial networks, Variational autoencoder och Synthetic minority oversampling technique använs för att skapa syntetisk data av minoritetsklassen för att balansera datasetet och uppnå bättre noggranhet. Det centrala målet med denna studie var därmed att evaluera dessa generativa metoder och invetigera påverkan av de syntetiska datapunkterna på klassifiseringsmetoderna. Resultatet av denna studie visade att den generativa metoden generative adversarial networks inte överträffade de andra generativa metoderna då syntetisk data från variational autoencoders var mest effektiv i tre av de fem klassifisieringsmetoderna som testades i denna studie. Dessutom visar valideringsmetoden att variational autoencoder lyckades bäst med att lära sig distributionen av orginal datat bättre än de andra generativa metoderna. Ett förslag för vidare utveckling av denna studie är att jobba med data behandling på datasetet innan datasetet används för träning av algoritmerna. Till exempel kan man använda korrelationsanalys för att analysera vilka features i datasetet har störst påverkan på klassificeringen och därmed radera de minst viktiga och sedan träna algortimerna med data som innehåller färre features.

Community detection in graphs has been an important research topic for many fields. The aim of community detection is to extract from graphs those groups of nodes that present more connections between them than with the rest of the network. Detecting such groups at different scales can help understanding the global behaviour of the system. However, recent studies have shown that realworld graphs follow power-law distributions for degree and community sizes. Specifically, these graphs present many small communities but just a few large ones. This unbalanced community size distribution poses a great challenge for community detection algorithms.Most of the existing methods are based on global approaches that require information about the network to be processed as a whole. Thus, those techniques can not be applied when the graph is too big to fit into one single machine, or in distributed setting when the graph is partitioned among multiple machines. To solve this limitations, a completely decentralized community detection algorithm is presented. It is based on diffusion, following a vertex-centric approach that allows each node to decide the diffusion rates based on local information. It adds as well a mechanism for controlling the diffusion speed through a customizable function.We evaluate the algorithm with a variety of graphs with different levels of imbalance and community structures. Our algorithm is able to detect (almost) perfectly the communities when the imbalance between community sizes is not extreme. We show as well how the sizes of the detected communities can be controlled by the diffusion strategy, allowing for better detection of finer or coarser resolutions in hierarchical graphs. The algorithm is also compared to other two well-known existing methods, achieving similar results in most of the cases though with a higher computation time. / Gemenskap detektering i grafer har varit ett viktigt forsknings ämne förmånga områden. Gemenskapsdetekterings syftet är att extrahera ur grafernade grupper av noder som har mer kopplingar mellan varandra än med restenav nätverket. Att upptäcka sådana grupper i olika skaler kan hjälpa till att förstå systemets globala beteende. Däremot har nyliga studier visat att verkliga grafers grad och gemenskap storlek följer en potenslagen fördelning. Specifikt,dessa grafer uppvisar många små gemenskaper men bara några stora. Denhär obalanserade gemenskaps storleks fördelningen utgör en stor utmaning för gemenskapsdetekterings algoritmer.De flesta av de befintliga metoderna är baserade på globala tillvägagångssätt som kräver att information om nätverket behandlas som helhet. Således kan dessa tekniker inte tillämpas när grafen är för stor för att passa in i en enda maskin, eller på distribuerat sätt när grafen är uppdelad bland flera maskiner. För att lösa dessa begränsningar, uppvisas en helt decentraliserad gemenskapsdetekterings algoritm.Denär baserad pådiffusion som följer en vertex-centrerad tillvägagångssätt.Varje node valder diffusionshastigheten baserad på lokal information. Deninnehåller även en mekanism som kontrollerar diffusionens hastighet genom en anpassningsbar funktion.Vi utvärderar algoritmen genom flera olika grafer med olika nivåer av obalans och gemenskaps strukurer. Vår algoritm kan (nästan) felfritt upptäcka gemenskaper där obalansen mellan dem inte är för stor. Vi visar även hur storlekenpå de hittade gemenskaperna kan kontrolleras genom diffusions strategin, somtillåter bättre uptäckt av finare eller grövre resolution av hierarkiska grafer. Algoritmen kan också jämföras med två befintliga, välkända metoder, vilka ger liknande resultat i de flesta fallen men tar längre tid att genomföra.

For Autonomous Underwater Vehicles (AUVs) to be able to conduct longterm surveys, the ability to return to a docking station for maintenance and recharging is crucial. A dynamic docking system where a slowly moving submarine acts as the docking station provides increased hydrodynamic control and reduces the impact of environmental disturbances. A vision-based relative positioning system using a camera, mounted on the AUV, and light sources, mounted on the docking station, is investigated as a suitable high-resolution and high-frequency solution for a short-range relative positioning system. Detection and identification of the true light sources in the presence of reflections, ambient light, and other luminaries, requires a robust tracking pipeline that can reject false positives. In this thesis, we present a complete tracking pipeline, from image processing to pose estimation, specifically for a soft docking scenario. We highlight the issues of light source detectors based on finding a unique global threshold and detectors based on gradient information and propose a novel method, based on using a suitable threshold for each light source. Rejection of false positives is handled systematically by rejecting pose estimates resulting in large re-projection errors, and a configuration of the light sources is proposed that enhances the pose estimation performance. The performance of the proposed light source detector is evaluated on the D-recovery dataset. Results show that the proposed method outperforms other methods in identifying the light sources. The tracking pipeline is evaluated with experiments as well as a simulation based on the Stonefish simulator. / För att autonoma undervattensfordon ska kunna utföra långsiktiga undersökningar är möjligheten att återvända till en dockningsstation för underhåll och laddning avgörande. Ett dynamiskt dockningssystem där en långsamtgående ubåt agerar som dockningsstation ger en ökad hydrodynamisk kontroll och minskar påverkan av omgivande miljöstörningar. Ett synbaserat, relativt positioneringssystem som använder en kamera, monterad på farkosten, och ljuskällor, monterad på dockningsstationen, undersöks som en lämplig högupplöst och högfrekvent lösning för ett relativt positioneringssystem med kort räckvidd. Detektering och identifiering av de verkliga ljuskällorna i närvaro av reflektioner, omgivande ljus och andra störande ljuskällor kräver ett robust spårningssystem som kan särskilja de sanna ljuskällorna från de omgivande störningarna. I denna uppsats presenteras ett komplett spårningssystem, från bildbehandling till positionsestimering, specifikt för ett soft docking scenario. Vi lyfter fram problem med detektorer baserat på att hitta ett unikt globalt tröskelvärde och detektorer baserade på gradientinformation. Vi föreslår en ny metod baserad på att använda ett lämpligt tröskelvärde för varje ljuskälla. Omgivande störningar hanteras systematiskt genom att avvisa positionestimeringar som resulterar i stora projektionsfel, och en konfiguration av ljuskällorna föreslås som förbättrar positionsestimeringens prestanda. Prestandan hos den föreslagna ljuskällsdetektorn utvärderas på datasetet D-recovery. Resultaten visar att den föreslagna metoden överträffar andra metoder i att identifiera ljuskällorna. Spårningsystemet utvärderas med experiment samt en simulering baserad på Stonefish-simulatorn.

Förarstödsystem har funnits länge, men tekniken och digitaliseringen fortsätter att utvecklas och så även förarstödsystemen. De system som utvecklas idag har större och mer fokuserad utveckling under kort tid och är för många okända system. Eftersom det finns begränsad kunskap om hur förarstödsystem fungerar när det kommer till detektering av vilt syftar denna studie till att skapa en fördjupad förståelse för vilka funktioner som finns i förarstödsystemen idag. Studien har skett genom en nulägesanalys baserad på hur systemen kan minska kollision med vilt samt vilka framtidsutsikter det finns beträffande utveckling av dessa system och funktioner. För att uppfylla syftet har intervjuer genomförts med ledande biltillverkarna och underleverantörer till fordonsindustrin och branschexperter. Insamlad empiri från intervjuer har kompletterats med ett urvalresultat i tidigare forskning. För att bearbeta insamlad empiri används en tematisk analys. Studiens bearbetade empiri presenteras i följande teman: Presentation av företag och respondenter; Nulägesanalys; Utmaningar och framtida möjligheter; Kommersiella aspekter; och Framtidsprojektioner. Det råder en samstämmig bild i resultatet kring att stödsystem för viltdetektion är i sin linda och att de främsta vinsterna med dessa är en tidig detektion av vilt, vilket kan minska risken för allvarliga olyckor. Tekniska framsteg görs vars syfte främst är att göra föraren mer medveten i sin körning och samtidigt utöka kommunikationen mellan trafikanter och infrastruktur. Hinder för utveckling ligger i marknadsmässiga faktorer och otydliga nationella och internationella regler. / Driver support systems have been around for a long time, but technology and digitization continue to evolve daily. Technology development is in constant motion. The systems that are being developed today have, in relation to the remaining vehicle technology, been given a significantly large and conditional development in a short time and are still new to humans. As there is limited knowledge about how driver support systems work when it comes to game detection, this study aims to create an in-depth understanding of what functions exist in driver support systems today, through a kind of current situation analysis, which detects game, how these can reduce collision with game and what prospects there are regarding the development of these systems and functions. To fulfil the purpose, interviews are conducted with leading car manufacturers and subcontractors to the automotive industry and industry experts. A thematic analysis is used to process collected empirical data. The study's processed empirics are presented in the following themes: Presentation of companies and respondents; Current situation analysis; Challenges and future opportunities; Commercial aspects; and Future projections. There is a consistent picture in the results that support systems for game detection are in their infancy and that the main benefits of these are an early detection of game, which can reduce the risk of serious accidents. Technical advances are being made whose main purpose is to make the driver more involved in their driving and at the same time expand the communication between road users and infrastructure. Obstacles to development lie in market factors and unclear national and international rules.

Electron vortex beams (EVBs) are electron beams with a doughnut-like intensity profile, carrying orbital angular momentum due to their helical phase shift distribution. When employed in an electron microscope, they are expected to be efficient for the detection of magnetic signals. In this report I have investigated high angle annular dark field (HAADF) images obtained using EVBs. This was done for 300 K and 5K. For 5 K,  I also compared HAADF images from an ordinary electron beam with HAADF images from an electron vortex beam. What was found was that EVBs produced doughnuts around the atomic columns. However, when taking the size of the electron source into account, this phenomena could no longer  be observed. When comparing images from EVBs with images from ordinary electron beams, I found that the intensity of scattered electrons around atomic columns was broader for EVBs. This was persistent even after taking the source size into account. / Elektronvirvelstrålar (EVS) är elektronstrålar med en munk-liknande intensitetsprofil. Dessa bär på rörelsemängdsmoment på grund av sin fasdistribution. När de används i ett elektronmikroskop förväntas de vara effektiva för detektering av magnetiska signaler. I denna uppsats har jag undersökt high angle annular dark field (HAADF) bilder som erhållits med hjälp av EVS. Detta gjordes för 300 K och 5K. För 5 K, jämförde jag även HAADF bilder från en vanlig elektronstråle med HAADF bilder från en elektronvirvelstråle. Vad jag fann var att EVS producerade en munkformad intensitetsfördelning runt atomerna. Men när hänsyn till storleken på elektronkällan togs i beaktande kunde inte detta fenomen observeras längre. När bilder från EVS jämfördes med bilder från vanliga elektronstrålar, fann jag att intensiteten av spridda elektroner runt atomkolumnerna var bredare för EVS. Detta kunde observeras även efter att jag tagit hänsyn till elektronkällans storlek.

In this work I have evaluated a measurement method for glucose concentration in aqueous solutions and developed a system that performs the measurement and presents the result on a computer screen. The method is based on the dielectric properties of glucose and the varying phase shift of a microwave resonance cavity. The phase shift is measured using homodyne detection. The measurement system can measure the concentration of glucose in aqueous solutions in real time. I have tested concentrations from 0 to 3000 mg/dl. / I detta arbete har jag undersökt en metod för att mäta glukoskoncentration och med denna metod konstruerat en mätutrustning som visar glukoskoncentrationen för ett prov på en datorskärm. Mätningen baseras på radiovågor och permittiviteten för glukoslösningar. För att mäta permittiviteten används en mikrovågsresonanskavitet och homodyn detektering. Det gör det möjligt att mäta även mycket små prov, och detta utan att vara i direkt kontakt med provet. Mätsystemet kan mäta koncentrationen på vattenlösningar av glukos i realtid. Jag har testat systemet på koncentrationer mellan 0 och 3000 mg/dl.

When forensic examiners try to identify the perpetrator of a felony, they use individual facial marks when comparing the suspect with the perpetrator. Facial marks are often used for identification and they are nowadays found manually. To speed up this process, it is desired to detect interesting facial marks automatically. This master thesis describes a method to automatically detect and separate permanent and non-permanent marks. It uses a fast radial symmetry algorithm as a core element in the mark detector. After candidate skin mark extraction, the false detections are removed depending on their size, shape and number of hair pixels. The classification of the skin marks is done with a support vector machine and the different features are examined. The results show that the facial mark detector has a good recall while the precision is poor. The elimination methods of false detection were analysed as well as the different features for the classifier. One can conclude that the color of facial marks is more relevant than the structure when classifying them into permanent and non-permanent marks. / När forensiker försöker identifiera förövaren till ett brott använder de individuella ansiktsmärken när de jämför den misstänkta med förövaren. Dessa ansiktsmärken identifieras och lokaliseras oftast manuellt idag. För att effektivisera denna process, är det önskvärt att detektera ansiktsmärken automatiskt. I rapporten beskrivs en framtagen metod som möjliggör automatiskt detektion och separation av permanenta och icke-permanenta ansiktsmärken. Metoden som är framtagen använder en snabb radial symmetri algoritm som en huvuddel i detektorn. När kandidater av ansiktsmärken har tagits, elimineras alla falska detektioner utifrån deras storlek, form och hårinnehåll. Utifrån studiens resultat visar sig detektorn ha en god känslighet men dålig precision. Eliminationsmetoderna av falska detektioner analyserades och olika attribut användes till klassificeraren. I rapporten kan det fastställas att färgskiftningar på ansiktsmärkena har en större inverkan än formen när det gäller att sortera dem i permanenta och icke-permanenta märken.