Efterfrågan och tillhandahållandet av platsberoende tjänster blir allt större vilket i sin tur skapar intresse för billiga och skalbara tekniker i alla möjliga olika miljöer. Särskilt intressant blir tekniker som är lätta att installera på nya platser och vars hårdvarukomponenter är enkla och billiga. I denna rapport presenteras en experimentiell systemteknisk metod för positionsberäkning i inomhusmiljöer, specifikt de som på grund av lokala elektromagnetiska fält, rörliga större föremål eller oregelbundna ytor skapar störningar som gör det svårt att utföra förlitlig positionering. Systemet utgörs av ett antal wifi-routrar samt en signalmottagre kopplad till en dator med systemets mjukvarukomponent installerad. Resultatet bedömdes utifrån en förväntad nivå av korrekthet, närmare bestämt att minst hälften av systemets bedömningar inte har fel med mer än två meter, samt en övre gräns på högst tre meters fel i minst 90 procent av fallen. För att möta målsättningen utrustades mjukvaran med komponenter tänkta att minimera effekten av störningar. Ett Kalmanfilter ger en bättre tolkning av inkommande mätdata medan en för området vanlig estimeringsalgoritm, så kallad Location Fingerprinting, förstärks med en experimentell uppsättning artificiella neurala neuronnät. Som rapporten kommer visa möter systemet som helhet utmaningen och presterar initialt bättre än väntat (hälften av bedömningarna har ett fel på 1,5 meter eller lägre) men även att det beshöver testas i så många nya miljöer som möjligt så att det kan gå att dra slutsatser om dess mer generella användbarhet. / The demand for and supply of location based services (LBS) is constantly growing, which in turn leads to an unquenchable thirst for affordable, scalable localisation solutions in all kinds of surroundings. Technical solutions that are easy to set up at a new location and whose hardware components are simple and affordable, are especially of interest.This paper describes an experimental system designed for positioning a client in particularly challenging indoor environments – wether it's due to local electromagnetic fields, large moving objects or slanted surfaces, basically whatever could create difficulties in radiowave based positioning. This system consists of a number of wifi routers and a signal receiver connected to a computer running the central software component. The results were assessed out of an expected level of accuracy, namely that no more than half of the estimates are off by two meters or more, with an upper limit of no more than 90 percent of the estimates being off by three meters or more. In order to achieve this, the software includes algorithms designed to lessen the effect of signal disruption. A Kalman filter gives the system a better interpretation of sensor data, while the (for the field) common estimation method of Location Fingerprinting gets reinforced by an experimental array of artificial neural networks. As this paper will show, the system will within the initial testing fulfill the set criteria to satisfaction, however it will need future trials in a row of varying environments so as to give an indication of its general usefulness.

Zur detaillierten Beschreibung des Lastabtragverhaltens textiler Bewehrung im Beton ist es erforderlich, das Penetrationsverhalten der Betonmatrix in die stark heterogene Garnstruktur zu beschreiben. Zur Charakterisierung der Mikrostruktur im Querschnitt wurde eine Bildanalysemethode entwickelt, um die Verbundsituation der einzelnen Filamente quantitativ auswerten zu können. Um eine räumliche Beschreibung der Verbundsituation zu erreichen, wurde die Strategie verfolgt, aus aufeinander folgenden Schichtaufnahmen mittels Rasterelektronenmikroskopie eine räumliche Struktur abzuleiten. Hierzu wurden zum einen die experimentelle Vorgehensweise erarbeitet und zum anderen ein Ansatz für die Zuordnung der Filamente zwischen den einzelnen Querschnitten entwickelt.

GPS/IMU integrated systems are commonly used for vehicle navigation. The algorithm for this coupled system is normally based on Kalman filter. However, oscillated GPS measurements in the urban environment can lead to localization divergence easily. Moreover, heading estimation may be sensitive to magnetic interference if it relies on IMU with integrated magnetometer. This report tries to solve the localization problem on GPS oscillation and outage, based on adaptive extended Kalman filter(AEKF). In terms of the heading estimation, stereo visual odometry(VO) is fused to overcome the effect by magnetic disturbance. Vision-aided AEKF based algorithm is tested in the cases of both good GPS condition and GPS oscillation with magnetic interference. Under the situations considered, the algorithm is verified to outperform conventional extended Kalman filter(CEKF) and unscented Kalman filter(UKF) in position estimation by 53.74% and 40.09% respectively, and decrease the drifting of heading estimation. / GPS/IMU integrerade system används ofta för navigering av fordon. Algoritmen för detta kopplade system är normalt baserat på ett Kalmanfilter. Ett problem med systemet är att oscillerade GPS mätningar i stadsmiljöer enkelt kan leda till en lokaliseringsdivergens. Dessutom kan riktningsuppskattningen vara känslig för magnetiska störningar om den är beroende av en IMU med integrerad magnetometer. Rapporten försöker lösa lokaliseringsproblemet som skapas av GPS-oscillationer och avbrott med hjälp av ett adaptivt förlängt Kalmanfilter (AEKF). När det gäller riktningsuppskattningen används stereovisuell odometri (VO) för att försvaga effekten av magnetiska störningar genom sensorfusion. En Visionsstödd AEKF-baserad algoritm testas i fall med både goda GPS omständigheter och med oscillationer i GPS mätningar med magnetiska störningar. Under de fallen som är aktuella är algoritmen verifierad för att överträffa det konventionella utökade Kalmanfilteret (CEKF) och ”Unscented Kalman filter” (UKF) när det kommer till positionsuppskattning med 53,74% respektive 40,09% samt minska fel i riktningsuppskattningen.

The energy crisis and environmental pollution have become increasingly prominent in recent years. Lithium batteries have attracted extensive attention due to their high energy density, safety, and low pollution. To further study how the battery works, it is necessary to establish an accurate model conforming to the battery characteristics. As the core function of a battery management system(BMS), accurate state of charge(SoC) estimation dramatically improves battery life and performance. This thesis selects a ternary lithium battery in the centre for advanced life cycle engineering(CALCE) dataset for a study of cell modeling and SoC estimation. The second-order Thevenin equivalent circuit model is selected as the cell model due to a trade-off between model complexity and accuracy. The parameters to identify include OCV, internal ohmic resistance, polarized internal resistance and capacitance. They were obtained with the MATLAB toolbox at various SoC state points under different temperatures. The ‘terminal voltage comparison’ method is utilized to verify the identification's accuracy. The simulation results turn out to be satisfactory. Then cell SoC can be estimated after cell modeling. First, the principles of the Coulomb counting method, OCV method and EKF method are analyzed. The state space equations required in SoC estimation are determined by discretizing the non-linear equivalent circuit model. The simulation results are compared with the experimental results in the HPPC discharge experiment. Furthermore, the robustness of the EKF algorithm is further investigated. The results prove that the EKF algorithm has high precision, fast convergence speed and strong anti-interference capability. Last but not least, the research on battery pack SoC estimation was continued. How to expand a single cell into a battery pack is analyzed, including aggregating cells into a pack and scaling a cell model to a pack. In addition, battery pack SoC is individually estimated by the 'Big cell' method and 'Short board effect' method. The result is not so good, indicating that further work can be done to improve the SoC estimation accuracy. / Energikrisen och miljöföroreningarna har blivit allt mer framträdande de senaste åren. Litiumbatteri har väckt stor uppmärksamhet på grund av sin höga energitäthet, säkerhet och låga föroreningar. För att ytterligare studera hur batteriet fungerar är det nödvändigt att etablera en exakt modell som överensstämmer med batteriets egenskaper. Som kärnfunktionen hos BMS förbättrar noggrann SoC-uppskattning dramatiskt batteriets livslängd och prestanda. Denna avhandling väljer ett ternärt litiumbatteri i CALCE-datauppsättningen för forskning. Dessutom slutförs cellmodellering och SoC-uppskattning baserat på det. Den andra ordningens Thevenins ekvivalenta kretsmodell väljs som cellmodell på grund av en avvägning mellan modellens komplexitet och noggrannhet. Parametrarna som måste identifieras inkluderar OCV, intern ohmsk resistans, polariserad intern resistans och kapacitans. De erhölls med MATLAB-verktygslådan vid olika SoC-tillståndspunkter under olika temperaturer. Metoden "terminalspänningsjämförelse" används för att verifiera identifieringens noggrannhet. Simuleringsresultaten visar sig vara tillfredsställande. Sedan kan cell SoC uppskattas efter cellmodellering. Först analyseras principerna för Coulomb-räknemetoden, OCV-metoden och EKF-metoden. Tillståndsrymdsekvationerna som krävs vid SoC-uppskattning bestäms genom att diskretisera den icke-linjära ekvivalenta kretsmodellen. Simuleringsresultaten jämförs med de experimentella resultaten i HPPC-utsläppsexperimentet. Dessutom, robustheten hos EKF-algoritmen undersöks ytterligare. Resultaten bevisar att EKF-algoritmen har hög precision, snabb konvergenshastighet och stark anti-interferensförmåga. Sist men inte minst fortsatte forskningen kring SoC-uppskattning av batteripaket. Hur man expanderar ett enskilt batteri till ett batteripaket analyseras, inklusive aggregering av celler till ett paket och skalning av en cellmodell till ett paket. Dessutom uppskattas batteripaketets SoC individuellt med "Big cell"-metoden och "Short board effect"-metoden. Resultatet är inte så bra, vilket indikerar att ytterligare arbete kan göras för att förbättra SoC-uppskattningens noggrannhet.

Die Fahrzeuglokalisierung ist im Bereich der Fahrerassistenzsysteme von entscheidender Bedeutung und Voraussetzung fur verschiedene Anwendungen der Robotik, wie z.B. Navigation oder Kollisionsvermeidung fur fahrerlose Transportsysteme (FTS). In dieser Arbeit wird ein Verfahren zur Lokalisierung mittels Landmarken vorgestellt, die eine Orientierung bezuglich einer Karte ermoglichen. Dabei werden der Erweiterte- Kalman-Filter und der Partikel-Filter fur diese Aufgabe untersucht und verglichen. Ein Schwerpunkt dieser Betrachtungen stellt dabei der Partikel-Filter dar. Die besondere Problematik der Initialisierung wird ausfuhrlich fur beide Filter dargestellt. Simulationen und Versuche zeigen, dass sich der Partikel-Filter fur eine robuste Lokalisierung der Fahrzeugposition verwenden lasst. Im Vergleich dazu kann der Erweiterte-Kalman-Filter nur im begrenzten Maße eingesetzt werden. / The localization of vehicles is of vital importance in the field of driver assistance systems and a requirement of different applications for robotics, i.e. navigation or collision avoidance for automatic guided vehicle systems. In this thesis an approach for localization by means of landmarks is introduced, which enables an orientation regarding a map. The extended Kalman filter and the particle filter are analyzed and compared. The main focus for this consideration is on the particle filter. The problematic for initialization is discussed in detail for both filters. Simulations and tests prove that the particle filter is suitable for robust localization of the vehicle position. Compared to this, the extended Kalman filter can only be used to a certain extend.

Syftet med projektet är att konstruera en inverterad pendel som sedan med hjälp av reglertekniska metoder ska stabiliseras. De linjära regulatorer som prövats är Proportionell, Integrerande och Deriverande (PID) -regulatorn och Linnear Quadratic Gaussian (LQG) -regulatorn som båda är populära och beprövade i industrin. PID-regulatorn är den absolut mest använda regulatorn medan LQG-regulatorn är mer raffinerad och i vissa avseenden en optimal regulator. Regulatorerna programmerades in i mikrokontrollern Arduino Nano som skickar signaler till en motordrivare som styr den stegmotor som ska balansera pendeln. Mycket av arbetet har handlat om att skapa en uppställning som tillåter goda förutsättningar för att pröva regulatorerna. I uppställningen finns delar som utformats i Computor-Aided design (CAD) -verktyget OpenSCAD och skrivits ut på en 3D-skrivare. Den givare vi använt för att mäta pendelns vinkel är en potentiometer infäst i dessa 3D-utskrivna delar. Motorn kunde styras till sin maximala kapacitet och en uppställning har skapats. Dock skulle en starkare motor och en mer robust uppställning möjliggöra en avsevärt bättre reglering. Regulatorerna klarade inte av att stabilisera systemet mer än ett fåtal sekunder, detta bland annat pågrund av tidsbrist till att justera regleringsvariablerna.

With the expected growth of Unmanned Aerial Vehicle (UAV) traffic in the coming years, the demand for UAV tracking solutions in the Air Traffic Control (ATC) industry has been incentivized. To ensure the safe integration of UAVs into airspace, Air Traffic Management (ATM) systems will need to provide a number of services such as UAV tracking. The Interacting Multiple Model Extended Kalman Filter (IMM-EKF) is an industry standard for aircraft tracking, but no such algorithm has been tried and tested for UAV tracking. This thesis aims to determine a suitable tracking algorithm for the specific case of non-cooperative tracking of UAVs from radar data. In non-cooperative tracking scenarios, we do not have any information regarding the UAV other than radar measurements indicating the target’s position. We investigate an Adaptive Interacting Multiple Model Unscented Kalman Filter (IMM-UKF) method with three different motion model combinations in addition to comparing a Cartesian vs. Spherical measurement model. A comparison of motion models shows that using a Constant Jerk (CJ) model to model target maneuvers in the IMM structure reduces the risk of filter divergence as compared to using a turn model, such as Constant Turn (CT) or Constant Angular Velocity (CAV). The CJ model is thus a suitable choice to have as one of the motion models in an IMM structure and works well in conjunction with two Constant Velocity (CV) models. We were not able to determine if the Spherical measurement model is better than the Cartesian measurement model in general. However, the Spherical measurement model improves the accuracy of the state estimate in some cases. Adaptive tuning of the system noise covariance Q and measurement noise covariance R does not improve the accuracy of the state estimate but it improves the filter robustness and consistency when the filter is incorrectly tuned. Based on our results, we believe that the adaptive IMM-UKF shows promise but that there is still room for improvement with regards to both the accuracy and consistency. However, we will need to perform extensive tests with real UAV radar data to draw concrete conclusions. / Med den förväntade tillväxten av trafik med obemannade flygfordon (UAV) under de kommande åren kommer efterfrågan för spårningslösningar för UAV inom flygövervakning. För att säkerställa en säker integration av UAV:er i luftrummet, kommer Air Traffic Management (ATM)-system att behöva tillhandahålla tjänster för UAV-spårning. Det så kallade Interacting Multiple Model Extended Kalman Filter (IMM-EKF) filtret är en industristandard spårning av flygplan, men ingen sådan algoritm har prövats och testats för UAV-spårning. Denna avhandling syftar till att fastställa en lämplig spårningsalgoritm för det specifika fallet med icke samarbetande spårning av UAV från radardata. I icke samarbetande spårningsscenarier har vi ingen information om UAV:n utöver radarmätningar. Vi presenterar en adaptiv metod baserad på IMM-UKF, där vi ersätter EKF i industristandarden IMM-EKF med ett filter av typen UKF. Vi undersöker tre olika kombinationer av rörelsemodeller och jämför också en kartesisk med en sfärisk mätmodell. Vår jämförelse av rörelsemodeller visar om man använder en Constant Jerk (CJ) modell för manövrar i IMM-strukturen minskar risken för divergens jämfört med att använda en svängmodell, såsom Constant Turn (CT) eller Constant Angular Velocity (CAV). CJ-modellen är alltså ett lämpligt val att ha som en av rörelsemodellerna i en IMM-struktur och fungerar bra i kombination med två Constant Velocity (CV) modeller. Vi kunde inte avgöra om den sfäriska modellen var bättre än den kartesiska modellen. Adaptiv inställning av systembrusets kovarians Q och mätbrus kovarians R förbättrar inte tillståndsuppskattningens noggrannhet men den förbättrar filtrets robusthet och konsistens när filtret är felaktigt inställt. Baserat på våra resultat tror vi att den adaptiva IMM-UKF metoden är lovande men att det fortfarande finns utrymme för förbättringar när det gäller både noggrannhet och konsistens i spårningen. Vi kommer dock att behöva utföra omfattande tester med riktiga UAV-radardata för att dra konkreta slutsatser.

Terrain referenced navigation is a method of navigation that uses measurements of altitude above ground to infer the position of the vehicle, mainly aerial or underwater. This method provides an alternative to the commonly used satellite-based navigation. Satellite-based navigation methods rely on positional information being sent from an external source, which can be jammed or tampered with, a problem terrain referenced navigation does not have. Both satellite-based and terrain based navigation methods often work in conjunction with inertial navigation systems, which are accurate for short periods of time but suffer from large errors due to accumulation of errors when used for longer missions. In this thesis, several state-of-the-art methods of terrain referenced navigation are studied and evaluated, with the main focus being the different estimation methods employed. Five of the studied estimators were implemented and tested on simulated flight data from a generic aerial vehicle, resulting in improved navigation accuracy compared to using inertial navigation on its own. For the terrain referenced navigation to work well, the ground needs to be relatively unique in order to contain useful information, thus making the estimation more uncertain when flying over flat regions. To deal with this, path planning was used to alter the flight path to increase the expected information gain. Using a grid based planning algorithm together with the original route yielded a modified path with more potential information. When following this new path, the terrain referenced navigation systems are shown to estimate the position more accurately compared to the original path. The study shows that terrain referenced navigation is a viable alternative to satellite based navigation. It also indicates that modifying the path to increase the expected information gain can result in better robustness and precision. / Terrängbaserad navigering är en navigeringsmetod där mätningar av höjd över mark används för att fastställa fordonets position, huvudsakligen från luften eller under vattnet. Denna metod är ett alternativ till den allmänt använda satellitbaserade navigeringen. Satellitbaserad navigering är beroende av att positionsinformation skickas från en extern källa, som kan störas eller manipuleras, vilket är ett problem som terrängbaserad navigering inte har. Både satellitbaserade och terrängbaserade navigeringsmetoder används ofta tillsammans med tröghetsnavigeringssystem, som är noggranna under kortare tid, men som lider av stora fel på grund av ackumulering av fel när de används under längre uppdrag. I denna rapport studeras och utvärderas flera moderna metoder för terrängbaserad navigering, med huvudfokus på de olika skattningsmetoder som används. Fem av de studerade skattningsmetoderna implementerades och testades på simulerade flygdata från ett generiskt flygfarkost, vilket resulterade i förbättrad navigeringsnoggrannhet jämfört med att använda tröghetsnavigering på egen hand. För att den terrängbaserade navigeringen ska fungera bra måste marken vara relativt unik för att innehålla användbar information, vilket gör uppskattningen mer osäker när man flyger över plana områden. För att hantera detta användes banplanering för att välja en flygbana som ger maximalt informations innehåll. Genom att använda en rutnätsbaserad planeringsalgoritm tillsammans med den ursprungliga rutten erhölls en modifierad bana med mer potentiell information. Genom att följa denna nya bana uppskattas positionen bättre av de terrängbaserade navigationssystemen jämfört med den ursprungliga banan. Studien visar att terrängbaserad navigering är ett gångbart alternativ till satellitbaserad navigering. Den visar också att en ändring av banan för att öka den förväntade informationsvinsten kan leda till bättre robusthet och precision.

The Integrated Vehicle Dynamics Control (IVDC) concept can influence the vehicle behaviour both longitudinally and laterally with just one upper level control concept and further lower level controllers. This demands for state estimation of the vehicle which also includes estimating parameters of interest for the vehicle dynamicist. The approach to this research is firstly in developing a robust unscented Kalman filter (UKF) estimator for the vehicle side slip tracking and also for cornering stiffness estimation which is then fed to the existing model predictive control allocation (MPCA) controller to enhance the lateral stability of the vehicle for the different manoeuvres studied. Based on these developments, two types of filters are created. One with adaption of distance between center of gravity (COG) and roll center height and another without adaption. The key factor in the estimator development is the time adaptive process covariance matrix for the cornering stiffnesses, with which only the initial values have to be parameterised. Combining this research encompasses effective and adaptive method for a better quality of estimation with a kinematic vehicle model which behaves like a real world vehicle, at least virtually.This study is carried out with the understanding of various optimal estimators, parametric sensitivity analysis and statistical inferences, facilitating a base for robust estimation. Keywords: kalametric, state estimation, design matrix, aliasing, kalman filter, projection algorithm, resolution / Konceptet Integrated Vehicle Dynamics Control (IVDC) kan påverka fordonets beteende både longitudinellt och lateralt med bara ett regler koncept iett övre lager och ytterligare regulatorer på lägre nivåer. Detta kräver tillståndsuppskattning av fordonet som också inkluderar uppskattning av parametrar av intresse för en fordonsdynamiker. Tillvägagångssättet för denna studie är för det första att utveckla en robust tillståndsestimering med hjälp av ett Unscented Kalman Filter (UKF) för att uppskatta ett fordons avdriftsvinkel och även för uppskattning av ett däcks sidkraftskoefficient, vilket sedan används i den befintliga modell-prediktiva regleralgoritmen (MPCA) för att förbättra lateralstabiliteten hos fordonet för de olika studerade manövrarna. Baserat på denna utveckling skapades två typer av filter, ett med anpassning av avståndet mellan tyngdpunkten (COG) och krängcentrumhöjden och ett annat utan anpassning. Nyckelfaktorn i estimeringsutvecklingen är den tidsberoende adaptiva inställningenav processkovariansmatrisen för sidkraftskoefficienterna, med vilken endast de initiala värdena behöver parametriseras. Efter filterutvecklingen identifieras parametrar baserade på en förväntad kundanvändning och en statistisk variansanalys (ANOVA) utförs för att bestämma de mest inflytelserika faktorerna i gruppen. En parameteroptimering utförs för att förbättra uppskattningskvaliteten. Kombinationen av detta arbete omfattar en effektiv och anpassningsbar metod för en bättre uppskattningskvalitet med en kinematisk fordonsmodell som har en fordonsrespons som ett verkligt fordon, åtminstone praktiskt taget. Denna studie har genomförts med förståelse för olika optimala estimatorer, parametrisk känslighetsanalys och statistiska slutsatser, vilket underlättaren bas för robust uppskattning. Nyckelord: kalametric, tillståndsestimering, designmatris, vikningsdistorsion, kalmanfilter,projection algorithm, upplösning

Bayesian inference occurs when prior knowledge about uncertain parameters in mathematical models is merged with new observational data related to the model outcome. In this thesis we focus on models given by partial differential equations where the uncertain parameters are coefficient functions belonging to infinite dimensional function spaces. The result of the Bayesian inference is then a well-defined posterior probability measure on a function space describing the updated knowledge about the uncertain coefficient. For decision making and post-processing it is often required to sample or integrate wit resprect to the posterior measure. This calls for sampling or numerical methods which are suitable for infinite dimensional spaces. In this work we focus on Kalman filter techniques based on ensembles or polynomial chaos expansions as well as Markov chain Monte Carlo methods. We analyze the Kalman filters by proving convergence and discussing their applicability in the context of Bayesian inference. Moreover, we develop and study an improved dimension-independent Metropolis-Hastings algorithm. Here, we show geometric ergodicity of the new method by a spectral gap approach using a novel comparison result for spectral gaps. Besides that, we observe and further analyze the robustness of the proposed algorithm with respect to decreasing observational noise. This robustness is another desirable property of numerical methods for Bayesian inference. The work concludes with the application of the discussed methods to a real-world groundwater flow problem illustrating, in particular, the Bayesian approach for uncertainty quantification in practice. / Bayessche Inferenz besteht daraus, vorhandenes a-priori Wissen über unsichere Parameter in mathematischen Modellen mit neuen Beobachtungen messbarer Modellgrößen zusammenzuführen. In dieser Dissertation beschäftigen wir uns mit Modellen, die durch partielle Differentialgleichungen beschrieben sind. Die unbekannten Parameter sind dabei Koeffizientenfunktionen, die aus einem unendlich dimensionalen Funktionenraum kommen. Das Resultat der Bayesschen Inferenz ist dann eine wohldefinierte a-posteriori Wahrscheinlichkeitsverteilung auf diesem Funktionenraum, welche das aktualisierte Wissen über den unsicheren Koeffizienten beschreibt. Für Entscheidungsverfahren oder Postprocessing ist es oft notwendig die a-posteriori Verteilung zu simulieren oder bzgl. dieser zu integrieren. Dies verlangt nach numerischen Verfahren, welche sich zur Simulation in unendlich dimensionalen Räumen eignen. In dieser Arbeit betrachten wir Kalmanfiltertechniken, die auf Ensembles oder polynomiellen Chaosentwicklungen basieren, sowie Markowketten-Monte-Carlo-Methoden. Wir analysieren die erwähnte Kalmanfilter, indem wir deren Konvergenz zeigen und ihre Anwendbarkeit im Kontext Bayesscher Inferenz diskutieren. Weiterhin entwickeln und studieren wir einen verbesserten dimensionsunabhängigen Metropolis-Hastings-Algorithmus. Hierbei weisen wir geometrische Ergodizität mit Hilfe eines neuen Resultates zum Vergleich der Spektrallücken von Markowketten nach. Zusätzlich beobachten und analysieren wir die Robustheit der neuen Methode bzgl. eines fallenden Beobachtungsfehlers. Diese Robustheit ist eine weitere wünschenswerte Eigenschaft numerischer Methoden für Bayessche Inferenz. Den Abschluss der Arbeit bildet die Anwendung der diskutierten Methoden auf ein reales Grundwasserproblem, was insbesondere den Bayesschen Zugang zur Unsicherheitsquantifizierung in der Praxis illustriert.