<p>Vattenfall and Svenska Kraftnät perform start-up tests, where hydropower generators are used to power up the electrical grid in case of a blackout. To monitor the electrical grid, Phasor Measurement Units (PMU) are used. Each PMU is individually equipped with a GPS-receiver to precisely timestamp the data relative to the official time UTC. During the test, it is also of interest to timestamp the measurement signals from individual hydropower generators to later compare with PMU-data, and thus study the power grids impact on the generator.</p><p> </p><p>The aim is to work out an appropriate method to make these measurements and to build a data acquisition system, capable of timestamp data relative to UTC, from a generator in one of Vattenfalls hydroelectric power stations. The problem is that the generator is located in an underground station which hampers the reception of GPS-signals and wiring should be avoided if possible.</p><p> </p><p>Time synchronization has been solved by using Vattenfalls network, which is synchronized by the network protocol NTP. The network includes the concerned hydropower stations and thus can wiring from the surface be avoided. The maximum error for the server in the specific hydroelectric power station is bounded within [-4.62, 3.18] ms relative to UTC. The conclusion is that Vattenfalls NTP-network meets the requirements to distribute time. A platform from National Instruments, programmed with the graphical language LabVIEW, has been used for data acquisition. The platform is programmed to synchronize its internal clock to a NTP-server, timestamp the input signals and save the data on the internal hard drive.</p>

Vattenfall and Svenska Kraftnät perform start-up tests, where hydropower generators are used to power up the electrical grid in case of a blackout. To monitor the electrical grid, Phasor Measurement Units (PMU) are used. Each PMU is individually equipped with a GPS-receiver to precisely timestamp the data relative to the official time UTC. During the test, it is also of interest to timestamp the measurement signals from individual hydropower generators to later compare with PMU-data, and thus study the power grids impact on the generator.   The aim is to work out an appropriate method to make these measurements and to build a data acquisition system, capable of timestamp data relative to UTC, from a generator in one of Vattenfalls hydroelectric power stations. The problem is that the generator is located in an underground station which hampers the reception of GPS-signals and wiring should be avoided if possible.   Time synchronization has been solved by using Vattenfalls network, which is synchronized by the network protocol NTP. The network includes the concerned hydropower stations and thus can wiring from the surface be avoided. The maximum error for the server in the specific hydroelectric power station is bounded within [-4.62, 3.18] ms relative to UTC. The conclusion is that Vattenfalls NTP-network meets the requirements to distribute time. A platform from National Instruments, programmed with the graphical language LabVIEW, has been used for data acquisition. The platform is programmed to synchronize its internal clock to a NTP-server, timestamp the input signals and save the data on the internal hard drive.

In a wireless communication system, synchronization is one of the most critical functions. Good timing and synchronization can prevent messages of the communication system from interfering with each other and enable a smooth message transfer. For 5G (the fifth generation of telecommunication network), the timing and synchronization requirements are even more strict. To synchronize the communication system, the first thing is to detect the connection quality and find the faults’ positions. This thesis aims to investigate a machine learning or deep learning approach to predict the connection quality called ”Hearability” between cells and to find the base stations whose cells have an absolute time error larger than a configurable threshold. The results show that the random forest classifier can obtain the highest accuracy while requiring less computing time than k-Nearest-Neighbors, Support Vector Machine, and Graph Neural Network. Additionally, we found the base stations with faults and offered suggestions for detecting the faults in complicated cases. / I ett trådlöst kommunikationssystem är synkronisering en av de mest kritiska funktionerna. Bra timing och synkronisering kan förhindra meddelanden från kommunikationssystemet från att störa varandra och möjliggöra en smidig meddelandeöverföring. För 5G (den femte generationens telekommunikationsnätverk) är kraven på timing och synkronisering ännu strängare. För att synkronisera kommunikationssystemet är det första att detektera anslutningskvaliteten och hitta felens positioner. Denna avhandling syftar till att undersöka en maskininlärning eller djupinlärning för att förutsäga anslutningskvaliteten som kallas ”Hörbarhet” mellan celler och att hitta de basstationer vars celler har ett absolut tidsfel som är större än en konfigurerbar tröskel. Resultaten visar att den slumpmässiga skogsklassificeraren kan få högsta noggrannhet samtidigt som den kräver mindre beräkningstid än k-Nearest-Neighbors, Support Vector Machine och Graph Neural Network. Dessutom hittade vi basstationerna med fel och gav förslag för att upptäcka felen i komplicerade fall.

I denna uppsats undersöker vi hur tre olika tidpunkter för visning av information på en secondscreen uppfattas av personer. Målet med undersökningen är att få en inblick i hur tittare upplever information som visas på en second-screen. Vi hoppas att resultatet ska kunna bidra till utformingen av kommande second-screenapplikationer. Dessutom har vi undersökt om tidpunkten av när information visas påverkar minnet av det personer ser på second-screenen. Vi utförde tester på totalt 18 personer med hjälp av tre stycken prototyper och varje testperson blev intervjuad efteråt. / In this paper, we examine how three different times for displaying information on a second-screen is perceived by people. The goal of the survey is to get an insight in how viewers perceive information displayed on a second-screen. We hope that the results will contribute to the design of future second-screen applications. In addition, we investigated whether the timing of when the information is displayed, affects the memory of the people using the second-screen. We performed tests on a total of 18 people with the help of three prototypes, each subject was interviewed afterwards.

Global Navigation Satellite System/Inertial Measurement Unit (GNSS/IMU) Integrated Navigation Systems (INS) integrate the positive features of GNSS and IMU for optimal navigation guidance in high accuracy outdoor navigation systems, for example using Extended Kalman Filter (EKF) techniques. Time synchronization of IMU data with precise GNSS based time is necessary to accurately synchronize the two systems. This must be done in real-time for time sensitive navigation applications such as autonomous vehicles. The research is done in two parts. The first part is the simulation of inaccurate time-stamping in a single axis of nonlinear input data in a gyroscope and an accelerometer, to obtain the timing error value that is tolerable by a high accuracy GNSS/INS system. The second part is the creation of a real-time algorithm using an STM32 embedded system enabled with FreeRTOS real-time kernel for a GNSS receiver and antenna, along with an IMU sensor. A comparative analysis of the time synchronized system and an unsynchronized system is done based on the errors produced using gyroscope and accelerometer readings along a single axis from the IMU sensor, by conducting static and rotational tests on a revolving chair.The simulation concludes that a high accuracy GNSS/INS system can tolerate a timing error of up to 1 millisecond. The real-time solution provides IMU data paired with updated GNSS based time-stamps every 5 milliseconds. The timing jitter is reduced to a range of ±1 millisecond. Analysis of final angular rotation error and final position error from gyroscope and accelerometer readings respectively, indicate that the real-time algorithm produces a reduction in errors when the system is static, but there is no statistical evidence showing the reduction of errors from the results of the rotational tests. / GNSS / IMU integrerade navigationssystem kombinerar de positiva egenskaperna hos GNSS och IMU för optimal prestanda i noggranna navigationssystem. Detta görs med hjälp av sensorfusion, till exempel EKF. Tidssynkronisering av IMU-data med exakt GNSS-baserad tid är nödvändigt för att noggrant synkronisera de två systemen. Detta måste göras i realtid för tidskänsliga navigationsapplikationer såsom autonoma fordon. Forskningen görs i två delar. Den första delen är simulering av icke-linjär rörelse i en axel med felaktig tidsstämpling hos ett gyroskop och en accelerometer. Detta görs för att erhålla det högsta tidsfel som är acceptabelt hos ett GNSS / INS-system med hög noggrannhet. Den andra delen är skapandet av en realtidsalgoritm med ett inbyggt STM32-system med FreeRTOS som realtidskärna för en GNSSmottagare och antenn, tillsammans med en IMU-sensor. En jämförande analys av det tidssynkroniserade systemet mot ett osynkroniserat system görs baserat på de positionsfel längs en axel som produceras av gyroskopoch accelerometermätningar. Detta görs genom att utföra statiska och roterande tester med hjälp av en roterande stol.Simuleringen visar att ett noggrant GNSS / INS-system tolererar ett tidsfel på upp till 1 millisekund. Realtidslösningen ger IMU-data med tidsstämplar synkroniserade med GNSS-tid var femte millisekund. Tidsjittret reduceras till ett intervall mellan ± 1 millisekund. Analysen av det slutliga vinkelrotationsfelet och positionsfelet från gyroskopoch accelerometermätningar indikerar att realtidsalgoritmen ger ett lägre fel när systemet är statiskt. Det finns dock inga statistiska bevis för förbättringen från resultaten av rotationstesterna.

Tillämpning av instrument vid utövande av explosiva idrottsgrenar, för att mäta en atlets kraftproduktion, kan användas vid analys för att fastställa hur bra en atlet presterar. Dessa typer av instrument finns på marknaden och är oftast tillämpade för sprintstarter och har funktionen att man kanfånga en atlet på film och koppla en händelse till det data som hämtats in via instrumentet. Nackdelenmed dessa system är att de antingen är väldigt dyra eller är i avsaknaden av att vara smidiga ochportabla då de oftast levereras med mycket kringutrustning.Syftet med detta examensarbete var att utveckla ett system bestående av en mobilapplikation, samtlogik till en mikrokontroll som registrerar den horisontella kraften vid sprintstarter från en analogkälla. Insamlade data beräknas och skickas sedan med hjälp av BLE-kommunikation till mobilapplikationen som presenterar kraftdata för användaren.Utöver detta var syftet även att få inhämtad kraftdata tidssynkroniserad mot en mobil enhet för attgöra det möjligt att utvärdera händelser mot externa källor som IMU och höghastighetsfilm.Resultatet av arbetet visar att det är möjligt att hämta samplade kraftdata från en mikrokontroll viaBLE-kommunikation. Det går även att presentera beräknade kraftdata visuellt för en slutanvändaremed en mobilapplikation och få händelserna tidssynkroniserade med hjälp av tidssynkroniseringsalgoritmer. Resultaten kan emellertid förbättras genom fortsatt utveckling av detta system. / The application of instruments in the practice of explosive sports, to measure an athlete's force production, can be used to determine how well an athlete performs. Present instruments on the marketare most often applied to sprint starts and function to capture an athlete on film, and link the eventto the data retrieved from the instrument. The disadvantages with present day systems are that theyare either too expensive or lack flexibility and portability as they are usually delivered with a lot ofperipherals.The purpose of this thesis was to develop a system of a mobile application and logical code to a microcontroller that register horizontal forces at sprint starts from an analog source. The collected datawas calculated and transmitted using BLE communication to the mobile application which presentsthe force data to the user.Moreover, the purpose was also to have the acquired force data time-synchronized with a mobile device to make it possible to evaluate events against external sources such as IMU and high-speed film.The result for the logic developed throughout this work demonstrate that it is possible to retrievesampled force data from a microcontroller via BLE communication. It was possible to present thecalculated force data visually to an end user with a mobile application and have the events time synchronized using time synchronization algorithms. However, the results can be further improved bydevelopment of the system.

Time synchronization is a process of ensuring all the time difference between the clocks of network components(like base stations, boundary clocks, grandmasters, etc.) in the mobile network is zero or negligible. It is one of the important factors responsible for ensuring effective communication between two user-equipments in a mobile network. Nevertheless, the presence of asymmetries can lead to faults, making the detection of these errors indispensable, especially in technologies demanding ultra-low latency, such as 5G technology. Developing methods to ensure time-synchronized mobile networks, would not only improve the network performance, and contribute towards cost-effective telecommunication infrastructure. A rulebased simulator to simulate the mobile network was built, using the rules provided by the domain experts, in order to generate more data for further studies. The possibility of using Reinforcement Learning to perform fault detection in the mobile network was explored. In addition to the simulator dataset, an unlabelled customer dataset, which consists of time error differences between the base stations, and additional features for each of its network components was provided. Classification algorithms to label the customer dataset were designed, and a comparative analysis of each of them has been presented. Mathematical algorithm and Graph Neural Network models were built to detect error, for both the simulator and customer dataset, for the faulty node detection task. The approach of using a Mathematical algorithm and Graph Neural Network architectures provided an accuracy of 95% for potential fault node detection. The feature importance of the additional features of the network components was analyzed using the best Graph Neural Network model which was used to train for the node classification task (to classify the base stations as faulty and non-faulty). Additionally, an attempt was made to predict the individual time error value for each of the links using Graph Neural Network, however, it failed potentially due to the presence of fewer features to train from. / Tidssynkronisering är en process för att säkerställa att all tidsskillnad mellan klockorna för nätverkskomponenter (som basstationer, gränsklockor, stormästare, etc.) i mobilnätet är noll eller försumbar. Det är en av de viktiga faktorerna som är ansvariga för att säkerställa effektiv kommunikation mellan två användarutrustningar i ett mobilnät. Icke desto mindre kan närvaron av asymmetrier leda till fel, vilket gör upptäckten av dessa fel oumbärlig, särskilt i tekniker som kräver ultralåg latens, som 5G-teknik. En regelbaserad simulator för att simulera mobilnätet byggdes, med hjälp av reglerna från domänexperterna, för att generera mer data för vidare studier. Möjligheten att använda RL för att utföra feldetektering i mobilnätet undersöktes. Utöver simulatordataset tillhandahölls en omärkt kunddatauppsättning, som består av tidsfelsskillnader mellan basstationerna och ytterligare funktioner för var och en av dess nätverkskomponenter. Klassificeringsalgoritmer för att märka kunddataset utformades, och en jämförande analys av var och en av dem har presenterats. Matematisk algoritm och GNN-modeller byggdes för att upptäcka fel, för både simulatorn och kunddatauppsättningen, för uppgiften att detektera felaktig nod. Metoden att använda en matematisk algoritm och GNN-arkitekturer gav en noggrannhet på 95% för potentiell felnoddetektering. Funktionens betydelse för de ytterligare funktionerna hos nätverkskomponenterna analyserades med den bästa GNN-modellen som användes för att träna för nodklassificeringsuppgiften (för att klassificera basstationerna som felaktiga och icke-felaktiga). Dessutom gjordes ett försök att förutsäga det individuella tidsfelsvärdet för var och en av länkarna med GNN, men det misslyckades potentiellt på grund av närvaron av färre funktioner att träna från.