Tesi interne
Proposte di tesi da svolgere presso il Dipartimento di Informatica (laboratorio DALab)
- ANALISI DEL MOTO MEDIANTE SENSORI INERZIALI (IMU)
- Acquisizione ed elaborazione della traiettoria di moto di oggetti equipaggiati con sensori IMU (Inertial Measurement Unit)
- SVILUPPO DI SENSORI OTTICI PER LA MISURA DI POLVERI SOTTILI
- Progetto e caratterizzazione metrologica di sensori ottici per la misura
delle dimensioni (granulometria) e della concentrazione di polveri sottili nell'aria
|
Tesi esterne
Proposte di tesi presso STMicroelectronics (Agrate Brianza)
Proposte di tesi magistrale nell'ambito della elaborazione del segnale GPS in applicazioni automotive.
Lo svolgimento delle tesi è previsto presso il laboratorio GNSS, Sensor Fusion and Navigation
di STMicroelectronics, sede di Agrate Brianza (MI).
- AUTOMOTIVE E-COMPASS
- Automatic calibration and heading determination from GNSS / magnetometer sensor fusion
Study and model MEMS magnetometer internal/external error sources vs GNSS
Implement a model / fw able to exploit automotive GNSS heading to calibrate sensor
Sensor Interference (hard/soft iron) study, detection, and mitigation
- MULTI-SENSORS VEHICLE MOTION DETECTION
- Study sensor data logged from automotive test drives (6 axis IMUs, barometer, magnetometer)
Apply Machine Learning techniques to achieve reliable motion detection. E.g., training set creation, labelling, feature clustering, classification
Implementation through NN or Gradient Descent (required C portability reducing complexity for Quality Management)
- AUTOMOTIVE INS SPEED DETERMINATION BASED ON IMU SIGNALS OF OPPORTUNITY
- Apply SP techniques (e.g., FFT) in IMU Data to get speed estimation
Exploiting Chassis vibration, wheels rotation, road bumps
Proposte di tesi magistrale nell'ambito della progettazione/verifica digitale e mixed-signal.
Lo svolgimento delle tesi è previsto presso il laboratorio AMS-MEMS Mixed Verification
di STMicroelectronics, sede di Cornaredo (MI).
- DIGITAL DESIGN
- AI-based DSP Compensators for MEMS sensors
Axes Fusion Algorithm for multi-axial Inertial MEMS sensors
New Sampling Rate Techniques for MEMS sensors
Fault Tolerant Digital Signal Processing
- APPLICATION/TESTING
- Testing Methodology of Machine Learning Core (MLC) for Activity Recognition
- DIGITAL VERIFICATION
- Study, Implementation and Verification of Embedded Algorithms for MEMS Sensors
- MIXED SIGNALS VERIFICATION and MODELLING
- Model a MEMS accelerometer for Digital and Mixed simulations.
|
Back to top
© Federico Pedersini · 2022
