Masterarbeit: Verbesserung der GNSS-Robustheit und Jamming-Detektion

Kapsch CarrierCOM AG

Cookies and other technologies are used to ensure correct functioning of a website, to collect statistics for optimization of the website functions and to adapt the content and presentation to your needs. In addition, data that provides information about how the website is used by a user is sent to third parties. By continuing your session on https://wd3.myworkday.com/wday/ you are accepting all cookies.

Click on myWorkday Recruiting Cookies to receive a detailed description of the types of cookies and other technologies used by us and to decide whether certain cookies or other technologies should not be enabled during the use of our website.

Read Full Privacy Message Decline Accept Cookies English Sign In Search for Jobs Masterarbeit: Verbesserung der GNSS-Robustheit und Jamming-Detektion page is loaded Masterarbeit: Verbesserung der GNSS-Robustheit und Jamming-Detektion Apply locations Vienna posted on Posted Today job requisition id RF-009041

Thema: Verbesserung der GNSS-Robustheit und Spoofing/Jamming-Detektion mittels Spiking Neural Networks

Beschreibung:

Ausgangslage / Problemstellung

Moderne GNSS-Empfänger basieren auf Kalman-Filtern zur Zustandsschätzung. Konventionelle Ansätze verwenden jedoch häufig statische oder heuristische Kovarianzmodelle, was zu einer reduzierten Genauigkeit und Zuverlässigkeit in komplexen Umgebungen wie Multipath- oder Non-Line-of-Sight-Szenarien führt. Darüber hinaus sind GNSS-Systeme zunehmend Angriffen durch Spoofing und Jamming ausgesetzt, die die Positionsbestimmung erheblich beeinträchtigen oder verfälschen können.

Diese Arbeit untersucht einen neuartigen Ansatz, bei dem Spiking Neural Networks zur adaptiven Bestimmung der Messkovarianz sowie zur Detektion von Anomalien in GNSS-Metadaten eingesetzt werden, die auf Spoofing oder Jamming hinweisen können. Das Konzept ermöglicht eine erhöhte Robustheit, Sicherheit und Energieeffizienz und kann als externe Erweiterung bestehender GNSS-Empfänger implementiert werden.

Ziel:

Ziel ist die Untersuchung und Validierung eines neuartigen Ansatzes zur Verbesserung der GNSS-Zustandsschätzung sowie zur Detektion von Spoofing- und Jamming-Angriffen unter Einsatz von Spiking Neural Networks (SNNs). Der Fokus liegt auf der adaptiven Schätzung der Messkovarianz sowie der Anomalieerkennung basierend auf GNSS-Metadaten, um Robustheit, Zuverlässigkeit und Sicherheit unter schwierigen und adversarialen Bedingungen zu erhöhen.

Hauptaufgaben:

Literaturrecherche zu GNSS-Zustandsschätzung, Spoofing-/Jamming-Detektion, Kalman-Filterung und SNNs (Erhebung des State of the Art).
Analyse von GNSS-Metadaten (z. B. DOP, Innovation, Signalqualitätsindikatoren) im Hinblick auf Anomalieerkennung.
Untersuchung charakteristischer Muster von Spoofing- und Jamming-Szenarien.
Entwicklung eines Konzepts zur Simulation von GNSS-Angriffsszenarien und zur Generierung synthetischer Trainingsdaten.
Entwurf eines vereinfachten SNN-Modells zur adaptiven Kovarianzschätzung und/oder Anomalieerkennung.
Implementierung der Simulations- und Verarbeitungspipeline in Python oder MATLAB.
Validierung der Detektionsfähigkeit und Robustheitsverbesserung gegenüber Referenzmethoden
Dokumentation der Methoden, Annahmen und Ergebnisse

Erforderliche Qualifikationen und Fähigkeiten:

Starkes Interesse an GNSS, Signalverarbeitung und Machine Learning
Grundkenntnisse in Kalman-Filterung und Schätztheorie
Erfahrung in Python, MATLAB oder C/C++
Kenntnisse im Bereich neuronaler Netze (idealerweise SNNs oder neuromorphe Ansätze)
Interesse an Cybersecurity oder Signalintegrität von Vorteil
Kommunikationsfähigkeit, Zuverlässigkeit und Flexibilität

Beginn: ab sofort

Dauer: 3 – 6 Monate

Der erfolgreiche Abschluss der Masterarbeit wird mit € 3.000,- honoriert.

Kontakt: Wolfgang Brückler, E-Mail: wolfgang.brückler@kapsch.net

About Us

Would you like to find out more about us as an employer? Then follow this link.

Zum Job Inserat

.js-only-skeleton { display: none !important; }