8. Diskussioner och slutsatser
8.1 Diskussion
8.1.1 Barometer
Examensarbetet gick huvudsakligen ut på att utföra specifika mätningar. Mätningarna under- söktes därefter för att se möjligheter att implementera funktionerna i verkliga livet, d.v.s. någonting som förenklar människans vardag. I samtliga vetenskapliga artiklar [2], [3], [4], [5] diskuterades att en kombinerad barometersensor med temperaturavläsning förbättrade resul- tatet i barometertryckmätningarna. I en utomhusmätning [2] skulle det med den kombinerade barometersensorn vara möjligt att se en tryckskillnad mellan vad som är inomhus respektive utomhus, vilket delvis orsakas av temperaturskillnader. I allmänhet ger ventilationssystem en konstant temperatur inomhus. Principiellt är det nödvändigt med en referensbarometer inom- hus för att få bra mätresultat. Omgivande lufttryck som mäts med barometersensorn påverkas av förändringar i omgivande temperatur [2]. Under studien tog vi hänsyn till en tillfällighet, att en öppen dörr kan framkalla höjdfel på meternivå. Detta observerades i vår trappmätning, se avsnitt 7.2. Svaga temperaturskillnader i rummet som kan ha orsakats av ett litet luftdrag när dörrar öppnades under trappmättning. Utöver temperaturskillnader påverkades luftflödet av att dörren svängde, vilket ledde till att tryckmätningen visar fel.
8.1.2 GPS
GPS-positionering kan variera beroende på antal in fångade satellitsignaler. I mätningarna för studien varierade dessa mellan ca 18 till ca 24 in fångade satellitsignaler. Logiskt borde vara att fler infångade satellitsignaler ger ett säkrare resultat. Det observerades att antal in fångade GPS-satelliter varierade vid mätningarna och därmed var GPS-signalen inte fullt pålitlig i precis- ion.
8.1.3 Accelerometer
I samtliga vetenskapliga artiklar har man kommit fram till att med hjälp av accelerometer har man kunnat beräkna steg och vertikal hastighet. I en av artiklarna [5] diskuteras PDR system, en positionerings teknik för att kunna uppskatta hur en person förflyttar sig inomhus med hjälp av steglängd. För att PDR teknik skall ge bra precision behövs exakta accelerationer, en hiss som accelererar mekaniskt skulle liknas vid denna undersökning i artikeln. Vi implementerade en numerisk integration i två utvalda situationer av accelerometerdata från Turning Torso. Syftet med beräkningarna var inte att få fram de exakta värdena utan att visa att principen fungerar. Det svåraste momentet var att bestämma tidpunkterna för data som användes vid beräkning- arna. I accelerometerdata markerar varje punkt en övergång från ett tillstånd till ett annat vilket försvårar att bestämma korrekt hastighet i närvaro av brus.
8.1.4. AndroSensor
Efter utförda experiment med AndroSensor upptäcktes att samplingsintervall inte är konstant utan varierar med några millisekunder beroende på hur många sensorer som är aktiverade samtidigt under samplingsintervallet. I en smarttelefon med kraftigare processor blir tidsskillnaderna mellan samplingarna mindre än i en smarttelefon som har en svagare processor. Detta har en påverkan på samplingsdatan då en kraftfullare processor ger bättre samplingsintervall vilket leder till att man får mer information.
8.2 Slutsatser
I samtliga vetenskapliga artiklar implementerade man Kalman filter. Fördelen med implemente- ring av Kalman filter i samband med barometerdata är att det förenklar att hitta de absoluta höjdvärdena. I slutsatsen kunde samtliga författare konstatera att det genomsnittliga standard- felet i höjduppskattning kunde förbättras med max 0,15 m när de implementerade Kalman fil- ter. För vår mätning instuderades en typ av filtrering som kallas för filtfilt. Filtfilt ett inbyggt fil- ter i Matlab och är en nollfas digitalfiltrering som filtrerar värden i både fram- och bakåtrikt- ning. [19].
Nollfas digitalfiltreringen visade sig inte göra någon större förbättring på barometerdata. Vid mätning av lufttrycket spelar varierande avstånd mellan mätningarna inte särskild stor roll ef- tersom lufttrycket varierar relativt lite. Det nämns i samtliga vetenskapliga artiklar att en stabil
omgivningstemperatur såväl som en måttlig ventilation ger bättre barometertryckresultat. Även dessa författare nämner att datautjämning (filtrering) inte förändrar resultatet i grafen när det gäller barometerdata. Det skulle eventuellt vara möjligt att filtrera grafen med en bättre och smartare filtreringsalgoritm som t.ex. Kalman filtrering, vilket inte hade varit möjligt tids- mässigt inom examensarbetes ramar. Däremot kan man konstatera att nollfas digitalfiltrering av accelerometerdata ger en synbar förbättring. Anledningen till att detta är att accelerometer- datan har en större förändring i tiden än barometerdata.
Av Turning Torsos officiella hemsida [16] framgår inte höjden av varje våning, men på hemsidan Emporis.com [20] finns en teknisk specifikation över Turning Torso. Där finns det uppgifter om att varje våning har en höjd på ca 3,18 m. Under Turning Torso-experimentet åkte vi upp till våning 52. Eftersom bottenvåningen på Turning Torso börjar från noll multiplicerar vi 3,18 med 52 och får 165,4 m. Barometermätning att våning 52 befinner sig på höjden 168,4 meter. Den beräknade höjden skiljer sig med ca 3 m från referenshöjden, vilket är en ganska bra mätprecis- ion, men exakta höjden för våning 52 på Turning torso är fortfarande okänd. Experimenten från Turning Torso visar att vid en snabb förändring i atmosfärtrycket ser det ut som om bruset är mindre, eftersom det inte går att uppfatta om det är brus man samplat. I en sådan situation ser Turning Torsos barometerdata ut att ha någorlunda bättre resultat än vandringsmätningarna. Mätningarna från Västra Hamnen visar att placeringen av smarttelefonen är viktig för minime- ring av brus. Detta kan konstateras då resultatet från mätningarna tydligt visar att när smartte- lefonen var placerad i byxfickan hade barometerdata mer brus jämfört med när smarttelefonen var placerad i handen. Anledningen till detta är förmodligen pga. att när smarttelefonen är pla- cerad i fickan påverkas barometersensorn av rörelse, fukt- och temperaturförändringar. Dock att tilläga är, att vi inte är helt säkra på dessa påståenden eftersom det krävs flera tester för att sådana slutsatser skall vara mer pålitliga.
När vi implementerade en numerisk integration i två utvalda situationer av accelerometerdata från Turning Torso kunde det konstanteras att man hade färdats ca 169,9 m i negativ riktning (våning 52-0) och ca 173 m i positiv riktning (våning 0-52). Detta är ganska nära barometerns höjdberäkning som är på 168,4 m. Detta bevisar att man med hjälp av numerisk integration kan beräkna ungefär hur långt man har färdats med en hiss, dock lyckades vi inte utföra en nume- risk integration på den totala under Turning Torso färden. Problemet var att g värdet varierade när hissen stod i vila på olika våningar samt när hissen hade konstant hastighet. Vi kunde inte komma fram till någon vettig förklaring varför g värdet varierade när hissen var i vila eller fär- dades med en konstant hastighet. Vi kan dra slutsatsen att g värdet troligtvis skiljer sig från verkligheten då accelerometersensorer som finns i smarttelefoner är inte är helt pålitliga. G värdet måste tas i beaktning och studeras in för framtida studier av detta examensarbete. När vi utförde GPS-mätningar använde vi oss av Malmö stads kartsystem som referens. Det gjordes en sammanställning av samplade GPS-koordinater från smarttelefonen, se Figur 8.1.
Figur 8.1. Vandringssträckan: A-referensmätning av koordinater, B-GPS koordinater fram, C-GPS koordinater tillbaka.
Genom att jämföra grafer från referensmätningen och våra GPS-mätningar går det att utläsa hur de uppmätta koordinaterna visar en liknande sträcka med en liten felmarginal. Detta beror på att GPS-signalen inte är hundra procent pålitlig. GPS brukar tappa signalen och visar då till- fälligt felaktiga koordinater. Däremot går det, trots viss felmarginal, att avläsa hur den upp- mätta GPS-sträckan liknar den referensuppmätta sträckan. Det går då att konstatera att GPS- signalen är någorlunda pålitlig för framtagning av referensmätning av vandringssträckan. I uppmätta GPS-koordinaterna konstaterades också brus och ibland kunde GPS-värden ha ganska stor felmarginal. Så långt som man vet så finns det olika korrigeringsalgoritmer i navigationssy- stem där man bland annat tar hjälp av accelerometern när smarttelefonen är i rörelse. Analys av empiriskt utförda experiment visar att barometerdata kan användas för att beräkna höjden samt bestämma vilken våning en person befinner sig på med en relativt god noggrann- het, se Figur 8.2. Eftersom den beräknade höjden från barometerdata är relativt nära den upp- mätta referenshöjden kan man dra slutsatsen att den beräknade höjden ger någorlunda korrekt höjd med en felmarginal på maximalt ca 3 m. Dock att tillägga är att barometerns data innehål- ler mycket brus vilket var förväntat då det nämndes i samtliga vetenskapliga artiklar. Barome- tersensorn kommer troligtvis vara användbar i framtiden för olika sammanhang dock att många experiment och analys av empirisk data återstår.
8.1.5. Framtida utveckling
Barometersensorn i kombination med accelerometersensorn skulle kunna användas inom vår- den där man har patienter som kan springa iväg eller gå vilse. Tanken är att sensorerna skall bäras av patienterna för att med hjälp av barometersensorn få reda på vilken våning en bort- sprungen patient befinner sig på och med hjälp av accelerometern få reda på om patienten tagit hissen eller trapporna.
För att få bättre precision i höjdmätning skulle man kunna utföra experiment där man placerar en referensbarometer längst ner i en byggnad, då trycket kan variera från dag till dag och timme till timme. En referensbarometer skall via en applikation ständigt skicka högsta atmo- sfärtrycket till en databas som andra barometern skall kunna använda som P0 (högsta lufttryck).
Referensbarometer skulle kunna vara ännu en likadan smarttelefon som den man utför mät- ningar med. En applikation skulle kunna visa ungefär vilken våning man befinner sig på i realtid, se Figur 8.3.
Figur 8.3. Ett exempel på hur en höjdberäknings applikation skulle kunna se ut i framtiden.
Den ekonomiska frågan tror inte vi kommer skapa problem då det inom snar framtid kommer det finnas barometersensorer i de flesta smarttelefonerna, även de som kommer klassas som gamla, men som fortfarande kommer vara användbara i sådana studier.
9. Referenslista
[1] Andersson Richard, Persson Andreas, 2012-08-20, Examensarbete VT2012 inom högskolein- genjörsprogram ”Data & telekom”, Experimentplattform för sensormätning och mätvärdesut- värdering i smarta mobiltelefoner, s 1-79,
[2] Parviainen, J., Kantola, J., Collin, J., Position, Location and Navigation Symposium, 2008 IEEE/ION, Differential barometry in personal navigation, Page(s): 148- 152, 5-8 maj 2008, [online] tillgänglig vid: IEEE
<http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=4570051&url=http%3A%2F%2Fieeexp lore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D4570051>
(2013-05-30, KL: 10:33)
[3] Jieying Zhang, Edwan, E., Junchuan Zhou, Wennan Chai, 2012 , Position Location and Naviga- tion Symposium (PLANS), 2012 IEEE/ION, Performance investigation of barometer aided
GPS/MEMS-IMU integration, Page(s): 598 - 604, 23-26 April 2012,
[online] tillgänglig vid: IEEE
<http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=6236933&> (2013-05-29, KL: 10:51)
[4] Iozan, L.I. , Collin, J, Takala, J, Rusu, C, 2011, Signals, Circuits and Systems (ISSCS), 2011 10th International Symposium on, Improved indoor navigation system based on MEMS technology, Page(s): 1 - 4, June 30 2011-July 1 2011,
[online] tillgänglig vid: IEEE
<http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5978655&tag=1> (2013-05-16, KL: 15:23)
[5] Yun-Ki Kim, Seung-Hwan Choi, Hyun-Woo Kim, Jang-myung Lee, 2012, Control, Automation and Systems (ICCAS), 2012 12th International Conference on, Performance Improvement and
Height Estimation of Pedestrian Dead-Reckoning System using a Low Cost MEMS Sensor,
Page(s): 1655 - 1660, June 30 2011-July 1 2011, [online] tillgänglig vid: IEEE
<http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6393106> (2013-05-16, KL: 17:45)
[6] Google: Nexus. [online] tillgänglig vid:
<http://www.google.com/nexus/4/specs/> (2013-04-16, KL: 11:52)
[7] Openhandsetalliance: Industry Leaders Announce Open Platform for Mobile Devices. [online] tillgänglig vid:
<http://www.openhandsetalliance.com/press_110507.html> (2013-04-16, KL: 12:12)
[8] Memsnet: Mems, [online] tillgänglig vid: <https://www.memsnet.org/mems/what_is.html> (2013-04-16, KL: 16:17)
[9] Ne.se: Accelerometer. [online] tillgänglig vid:
<http://www.ne.se/accelerometer> (2013-08-16, KL: 13:52)
[10] Invensense.com: MPU-6000/6050 System Diagram. [online] tillgänglig vid:
<http://www.invensense.com/mems/gyro/mpu6050.html> (2013-05-23, KL: 10:25)
[11] Bosch: Bmp180. [online] tillgänglig vid: <http://www.bosch-
sensortec.com/homepage/products_3/environmental_sensors_1/bmp180_1/bmp180> (2013-04-16, KL: 15:45)
[12] AndroSensor : GooglePlay. [online] tillgänglig vid:
<https://play.google.com/store/apps/details?id=com.fivasim.androsensor&hl=sv> (2013-04-18, KL: 10:16)
[13] Malmö stad: Koordinat- & höjdsystem. [online] tillgänglig vid:
<http://www.malmo.se/Medborgare/Bo--bygga/Lantmateri/Koordinat---hojdsystem.html> (2013-05-16, KL: 11:29)
[14] Lodhi, Z.U.A. , Basit, A. , Khan, A.F. , Waheed, A. , Nasir, M. 2012 , Sensor Fusion Based Data Parser of a GPS Receiver for UAV Systems, Instrumentation, Measurement, Computer, Commu-
nication and Control (IMCCC), 2012 Second International Conference on, Pages: 95-99,
[online] tillgänglig vid:
(2013-08-14, KL: 10:33)
[15] Basit, A. Khan, A.F. Waheed, A. Nasir, M, 2012, 2012 Second International Conference on Instrumentation, Measurement, Computer, Communication and Control (IMCCC), Sensor Fusion
Based Data Parser of a GPS Receiver for UAV Systems, Pages:95-99,
[online] tillgänglig vid:
<http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6428861> (2013-08-12, KL: 14:07)
[16] Turningtorso.se: Turning Torso. [online] tillgänglig vid:
<http://www.turningtorso.se> (2013-08-13, KL: 15:09)
[17] Bidargaddi N, Boyle J, Cheung V, Gray L, Karunanithi M, Klingbei L, Sarela A, Yelland C, 2007, Wavelet based approach for posture transition estimation using a waist worn accelerom- eter, Engineering in Medicine and Biology Society, 2007. EMBS 2007. 29th Annual International
Conference of the IEEE, Pages:1884 – 1887
[online] tillgänglig vid:
< http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4352683> (2013-08-19, KL: 16:27)
[18] Dunkels Andrejs. m fl, Derivator, integraler och sånt…, Analys med numeriska metoder för tekniska högskolor, CENTEK FÖRLAG, Luleå, 1993.
[19] mathworks.se: filtfilt [online] tillgänglig vid:
<http://www.mathworks.se/help/signal/ref/filtfilt.html> (2013-08-13, KL: 16:29)
[20] emporis.com: hsbturningtorso-malmoe-sweden [online] tillgänglig vid:
<http://www.emporis.com/building/hsbturningtorso-malmoe-sweden> (2013-08-18, KL: 14:44)
Figurförteckning
Figur 4.1 “LG Nexus 4”, developer.android.com, 22 August 2012. [online] tillgänglig vid:
http://upload.wikimedia.org/wikipedia/commons/7/7d/Nexus_4.png (2013-04-13, KL: 11:16)
Figur 4.2 “Bosch BMP180”. [online] tillgänglig vid:
http://www.ifixit.com/Teardown/Samsung+Galaxy+Nexus+Teardown/7182/2 (2013-04-25, KL 09:32)
Figur 5.3 “Nivellementsstandpunkt”, Joachim Baecker, 2005. [online] tillgänglig vid:
http://de.acce.org/wiki/Datei:NivellementExample.jpg (2013-04-28, KL: 15:37)
Bilagor
Testprotokoll (exempel)
Mätning #: 1 Datum: 21/4/2013 Klockslag: 15:17 Namn på filen: 1Sensor_record_20130421_152436_AndroSensor.csv Testpersoner:Samir Dulic, Christos Mylonas
Mätningsenhet:
LG Nexus 4 (E960)
Position av enhet och orientation:
I höger jeansficka med skärmen uppåt i lodrät position.
Inställning på smarttelefonen:
Samplar 0.5 ms och max sampling enligt AndroSensor
Plats:
Västra Hamnen, se bifogad karta x.
Miljöegenskaper:
11 grader Celsius, mestadels klart med SO vindar 7m/s
Beskrivning av mätning:
Mätningspunkter: Tid i millisekunder : Mätpunkt 0 0 Mätpunkt 2 38800 Mätpunkt 4 49400 Mätpunkt 6 63100 Mätpunkt 8 96400 Mätpunkt 10 124700 Mätpunkt 12 140000 Mätpunkt 14 155900 Mätpunkt 16 168400 Mätpunkt 18 179800
Vänder tillbaka Vänder tillbaka
Mätpunkt 19 188800 Mätpunkt 21 201200 Mätpunkt 23 213200 Mätpunkt 25 230300 Mätpunkt 27 246300 Mätpunkt 29 272000 Mätpunkt 31 302600 Mätpunkt 33 315400 Mätpunkt 35 323600 Mätpunkt 37 355000
Smartphone sensorernas möjligheter
En studie om barometersensorn
The smartphone sensor possibilities
A case study featuring the barometer sensor
Samir Dulic Christos Mylonas
8506235053 8208040330
Stensjögatan 60 Rabattvägen 39
0737402436 0739129397
Skype: samir_dulic Skype: christos.mylonas
1. Avgränsning av forskningsfrågan eller huvudproblemet,
förtydligande av kravspecifikationer
1.1 Bakgrund
Detta examensarbete kommer att bygga vidare på ”Experimentplattform för sensormätning och mätvärdesutvärdering i smarta mobiltelefoner”, ett examensarbete som utfördes av två studenter på Malmö högskola vårterminen 2012[1]. I examensarbetet utvecklade studenterna en applikation som utförde sensormätning för operativsystemet Android. Denna applikation använder sig av android api för att få åtkomst till tre sensorer på android enheter samt därefter sampla och lagra värden från sensorern. Syftet med deras examensarbete var att skapa en android-plattform som man skulle kunna använda till att utföra olika sensorexperiment.
Teknik och samhälle
Institutionen för datavetenskap Examensarbete VT2013 inom högskoleingenjörsprogram ”Data & telekom”
Dagens mobiltelefoner används inte enbart till för att ringa och sms:a. Komponenterna och mjukvaran i mobiltelefonerna har under de senaste åren blivit allt mer avancerad. Detta har medfört att mobiltelefonerna idag kallas för smartphones och är egentligen portabla datorer. Dessa smartphones har inte bara avancerad mjukvara och kraftfull hårdvara utan de har även en mängd olika inbyggda sensorer för att mäta omgivningens påverkan på telefonen. I och med att dessa sensorer blir allt känsligare utökas deras användningsområden genom applikationer som har tillgänglighet till dessa sensorer med olika operativsystem.
Sensorteknologin är under en dynamisk utvecklingsfas men har inte testats tillräckligt för att ge en klar uppfattning på dess maximala användbarhetsförmåga. Tekniken måste testas i olika användningsområden för att få en större uppskattning på vilka begränsningar existerar på specifika sensorer i olika sammanhang.
1.2 Syfte
Syftet med detta examensarbete är att undersöka smartphone sensorers egenskaper och möjligheter. Tanken är att undersöka om det är möjligt att skapa kunskap om en eller flera sensorer med information och möjligheter som kan användas vid framtida utveckling av applikationer.
I examensarbetet kommer diverse sensorer att användas för produktion av empiriska data från experiment i olika situationer och händelser. Data kommer sedan analyseras och bearbetas. Det finns ett behov att utföra experiment med sensorer i en smartphone för att utvärdera dess användbarhet.
Genom att analysera data från flera mätningsområden med Micrososft excell, Libre office och Matlab vill man få större förståelse för vilka slutsatser man kan dra och vilka användningsområden sensorerna är användbara till. För att analysera datan behövs en implementering av en eller flera algoritmer. Sedan behöver man definiera deras användbarhet.
2. Problemanalys
För att få en klar bild över projektet och för att kunna analysera dess genomförbarhet, har vi valt att bryta ner huvudproblemet i mindre delproblem, se Figur 1. På så sätt får vi en klar bild över vilka delproblem som projektet har och det blir enklare att börja leta efter relevant information samt att bearbeta problem var för sig. Vetenskaplig litteratur ingår i alla delproblem för att kunna lösa alla lösningsprinciper.
2.1 Delproblems (DP) beskrivning
Det första delproblem DP1 är att testa om det är möjligt att sampla data från diverse sensorer och om det går att överföra dem till en dator.
Det andra delproblem DP2 är att skapa kompetens om hur man analyserar data från sensorer och hur man implementerar algoritmer.
Det tredje delproblem DP3 är att utföra olika empiriska tester med diverse sensorer.
Det fjärde delproblem DP4 är analysera och behandla empiriska datan. Implementering algoritm som linjärisering kommer att snygga till kurvorna. Vi kommer analysera resultaten för att vi skall kunna dra slutsatser.
Följande tabell ger beskrivning av lösningsprinciper.
Lösningsprincip (LP) Beskrivning
LP 1.1 Applikation som väljer sensor och under en angiven tid samplar data som lagras i Androidenheten.
LP 1.2
Data från sensormätningen ska överföras till en PC för analys med hjälp av Matlab. Detta kan göras genom att manuellt överföra filen med usb.
LP 2.1 Instudering av valda vetenskapliga artiklar där vi kommer få vägledningar och kunskap, se punkt 3.
LP 3.1 Mätning med accelerometer i olika situationer
LP 3.2 Mätning med barometer i olika situationer
LP 3.3 Mätning med ytterliggare sensorer i olika situationer
LP 4.1 Förbehandling av informationen behövs för att exempelvis göra en vektor av x,y,z.
LP 4.2 Hitta den linjära approximation till en funktion vid en given punkt för att göra kurvorna smidigare.
LP 4.3 Analysera datan från dem bestämda mätningsområden.
LP 4.4
Med experimentell och analytisk hjälp kommer vi kunna man kan dra slutsatser till vilka användningsområden sensorerna är användbara till.
Följande krav har tagits fram för framtagning av resultat. Typbetäckning m betyder minimikrav, i betyder idealkrav och ö betyder önskemål.
Krav- nr.
Typ
m/i/ö Kravspecifikation Gäller för
K1 m Det ska gå att mäta sensorvärdena i
mobile DP1, LP1.1
K2 m Det ska gå att föra över data till PC med
Matlabb DP1.2, LP.1.2
K3 m Det ska gå att samla empirisk data från
respektive sensorer. DP3, LP3.1, LP3.2, LP3.3
K4 i För framtida applikationer lämpliga
sensordata och mätsituationer är valda DP 4, LP3.4
K5 m
Experiment med realistiska förutsättningar genomförs som
genererar användbara data
DP3.1, DP3.2, DP3.3, DP3.4, LP3.1LP3.2, LP 3.3., LP3.4
K6 m Algoritm ger korrekta resultat DP 4.1, DP4.2, LP4.1,LP4.2
K7 m visualisera, analysera och utvärdera
inspelade mätvärden.. DP4.3,LP4.3
K8 ö
utföra tester där fler sensorer är implementerade, implemetera fler
algoritmer.
DP 3.3, LP3.3
K9 m Resultaten av studie är relevanta för
utvecklin av nya applikationee DP 4.4, LP4.4
K10 m
Litteraturstudie av ”state of the art” i sensorområdet för att få vägledning till
hela examensarbetet.
3. Informationssökning efter vetenskapliga artiklar och yrkeskunskap
Följande översikt visar sambandet mellan delproblem (DP) och lösningsprinciper (LP) från figur 1 och de vetenskapliga artiklar och den yrkeskunskap som resulterade från informationssökningen. En kort beskrivning förklarar relevansen av källorna för examensarbetet.
DP, LP Källförteckning Relevans
DP 3.2, LP 3.2,