För att höja precisionen för ett positioneringssystem kan positionsdata från flera olika system kombineras. I detta arbete undersöks två metoder för kombination av positionsdata: kombination av väntevärdesriktiga estimeringar över tid och kalmanfiltrering (också benämnd som Standard Kalman Filtering). I arbetet undersöks hur kombinationen påverkar spridningen av den kombinerade datan genom tester utförda på data med varierande standardavvikelser. I arbetet undersöks också vilka avvägningar som behöver göras i valet mellan de båda föreslagna kombinationsmetoderna genom att jämföra minnesåtgång, exekveringstid och den resulterande spridningen för de båda metoderna. Resultatet av testerna visar att båda kombinationsmetoderna kan uppnå positionsdata med högre noggrannhet än vad positioneringssystemen uppnår var för sig. Kalmanfiltreringen presterar generellt sätt bättre och ökar dessutom den resulterande positionsdatans frekvens eftersom varje mätvärde från de olika positioneringssystem som kombineras resulterar i en ny estimerad position. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

Denna rapport omfattar ett arbete kring att förbättra signalbehandling och målföljning av en förbränningsfrekvens i en androidapplikation för effektberäkning hos accelererande fordon. Den ursprungliga applikationen är utvecklad på i3tex AB och det var även där som arbetet utfördes. Effektberäkningen görs genom att först spela in ljudet i kupén under ett accelerationsförlopp, där inspelningen signalbehandlas och förbränningsfrekvensen målföljs, sedan sker transformering från frekvensdomänen till hastighetsdomänen, varpå effekten beräknas via multiplikation av fordonets vikt, hastighet och acceleration. Problemet med den ursprungliga implementationen av målföljningen var att algoritmen inte var tillräckligt robust mot lågt signal/brus-förhållande (snr). För att göra systemet mer robust utvecklades flermålsföljning med Kalmanfilter, där ett poängsystem bestämmer vilken av målföljarna som mest troligt har följt förbränningsfrekvensen. Den nya algoritmen presterar betydligt bättre än den ursprungliga i avseende på rmse, men är betydligt mer resurskrävande. Genom optimering av hur signalbehandlingen görs, såsom längd och typ av fönsterfunktioner och andra parametrar för korttidsfouriertransformen (stft), är exekveringstiden för hela analysen marginellt snabbare och betydligt snabbare på en androidenhet med respektive utan stöd för hårdvaruaccelererade flyttalsoperationer. Det visade sig även att, trots att inte hårdvaruspecifikationerna för Android, cdd, specificerar inspelningar av frekvenser under 100 Hz är det möjligt på alla testade androidtelefoner och med tillräckligt gott resultat för att genomföra frekvensföljning enligt ovan.

This study aims at investigating a central mounted Indoor Positioning System based onBluetooth RSSI values and Kalman filtering where the Bluetooth module is mounted on arotating arm around an axle. The purpose is to investigate how the length of the arm and therotational speed influence on the possible positioning accuracy of the artefact. As requested bythe company Combitech AB, the artefact will also be evaluated whether the design is areasonable alternative to de most common Bluetooth based Indoor Positioning Systems. Thecase study is performed using design science as an artefact is developed and evaluated. Theartefact is tested in a predetermined test environment, in this case an office room. In the testenvironment, measurements will be realized on the different iterations of the artefact. Theresult of the study is the achieved positioning accuracy for the artefact in two and threedimensions. Linear equations describing the relationship between the length of the arm andthe achieved accuracy of the artefact will also be proposed. The best accuracy achieved in twodimensions was 510 centimeters. The best achieved accuracy in three dimensions was 730 centimeters. The observed relationship between the length of the arm and the uncertainty ofthe trilaterated position is that when the length of the arm increases the uncertainty decreasesin both two and three dimensions.

The (Battery management system)BMS has the task of ensuring that for the individual bat-tery cell parameters such as the allowed operating voltage window or the allowable temperature range are not violated. Since the battery itself is a highly distinct nonlinear electrochemical de-vice it is hard to detect its internal characteristics directly. The requirement of predicting battery packs’ present operating condition will become one of the most important task for the BMS. Therefore, special algorithms for battery monitoring are required.In this thesis, a model based battery state estimation technique using an adaptive filter tech-nology is investigated. Different battery models are studied in terms of complexity and accuracy. Following up with the introduction of different adaptive filter technology, the implementation of these methods into battery management system is decribed. Evaluations on different estimation methods are implemented from the point of view of the dynamic performance, the requirement on the computing power and the accuracy of the estimation. Real test drive data will be used as a reference to compare the result with the estimation value. Characteristics of different moni-toring methods and models are reported in this work. Finally, the trade-offs between different monitor’s performance and their computational complexity are analyzed. / BMS (eng. battery management system) har till uppgift att se till att viktiga parametrar såsom tillspännings- och temperaturintervall upprätthålls för varje individuell battericell. Då en battericells beteende är ickelinjärt är det svårt att bestämma cellens interna karakteristika direkt. Att kunna förutsäga dessa karakteristika för ett komplett batteripack kommer att en mycket viktig funktion hos framtida BMS. I detta examensarbete har en modellbaserad tillståndsestimeringsmetod med användande av adaptiv filtrering undersökts. Olika batterimodeller har studerats med avseende på komplexitet och noggrannhet. Efter introduktionen av olika metoder för adaptiv filtrering har dessa metoder implementerats i en BMS modell. Utvärdering av de olika metoderna för att åstadkomma tillståndsestimering har sedan utförts med avseende på dynamisk prestanda, krav på beräkningskraft och noggrannhet hos de resulterande estimaten. Data från uppmätta kördata från ett fordon har använts som referens för att jämföra de olika estimaten. Slutligen presenteras en jämförelse mellan de olika tillståndsestimeringsmetodernas prestanda när de appliceras på de olika batterimodellerna.