Satelliittipaikannukseen perustuvan reaaliaikaisen jäljitysohjelmiston toteutus

Satelliittipaikannuksen hyödyntäminen eri sovellusaloilla ja siviilikäytössä on kasvanut merkittävästi 2000-luvulla Yhdysvaltojen puolustusministeriön lopetettua GPS-järjestelmän tarkoituksenmukaisen häirinnän. Langattomien datayhteyksien yleistyminen ja nopeuksien kasvaminen on avannut paikkatiedon käyttämiseksi ja hyödyntämiseksi reaaliaikaisesti uusia mahdollisuuksia. Kustannusten kasvaessa on tehokkaasta liikennöinnistä tullut tänä päivänä erittäin tärkeä osa yritysten päivittäisiä toimintoja. Ajoneuvojen hallinta on yksi tapa, jolla pyritään tehostamaan logistisia toimintoja ja vähentämään siitä aiheutuvia kustannuksia. Seuraamalla reaaliaikaisesti ajoneuvojen liikennöintiä voidaan pyrkiä saavuttamaan säästöjä optimoimalla aikatauluja ja reittejä sekä uudelleenohjaamalla ajoneuvoja sijaintien mukaan vähentäen näin kuljettua matkaa ja aikaa. Tässä diplomityössä tavoitteena on tutkia kuinka satelliittipaikannusta, paikkatietoa ja langattomia datayhteyksiä hyödyntämällä voidaan toteuttaa reaaliaikainen jäljitysohjelmisto. Työssä esitellään aluksi paikannustekniikat ja niiden toiminta. Lisäksi tutkitaan kuinka tiedonsiirto voidaan järjestelmässä toteuttaa sekä tarkastellaan järjestelmän kehityksessä huomioitavia tietoturvanäkökohtia. Tutkimuksen pohjalta suunniteltiin ja toteutettiin reaaliaikainen jäljitysohjelmisto kotipalveluyrityksen ajoneuvojen paikannustarpeisiin. Järjestelmän avulla voidaan valvoa ja jäljittää ajoneuvojen sijainteja kartalla reaaliaikaisesti sekä paikantaa tiettyä kohdetta lähimpänä olevat ajoneuvot. Tämä mahdollistaa hälytyksen sattuessa lähimpänä olevan työntekijän lähettämisen asiakaskohteeseen mahdollisimman nopeasti. Järjestelmän avulla käyttäjät voivat lisäksi seurata ajamiaan matkoja ja pitää automaattista ajopäiväkirjaa. Lopuksi työssä arvioidaan toteutetun järjestelmän toimintaa testauksessa saatujen mittaustulosten perusteella.

Dynamical and Chemical Structure of Galactic Halos

This doctoral dissertation presents studies of the formation and evolution of galaxies, through observations and simulations of galactic halos. The halo is the component of galaxies which hosts some of the oldest objects we know of in the cosmos; it is where clues to the history of galaxies are found, for example, by how the chemical structure is related to the dynamics of objects in the halo. The dynamical and chemical structure of halos, both in the Milky Way’s own halo, and in two elliptical galaxies, is the underlying theme in the research. I focus on the density falloff and chemistry of the two external halos, and on the dynamics, density falloff, and chemistry of the Milky Way halo. I first study galactic halos via computer simulations, to test the long- term stability of an anomalous feature recently found in kinematics of the Milky Way’s metal-poor stellar halo. I find that the feature is transient, making its origin unclear. I use a second set of simulations to test if an initially strong relation between the dynamics and chemistry of halo glob-ular clusters in a Milky Way-type galaxy is affected by a merging satellite galaxy, and find that the relation remains strong despite a merger in which the satellite is a third of the mass of the host galaxy. From simulations, I move to observing halos in nearby galaxies, a challenging procedure as most of the light from galaxies comes from the disk and bulge components as opposed to the halo. I use Hubble Space Tele scope observations of the halo of the galaxy M87 and, comparing to similar observations of NGC 5128, find that the chemical structure of the inner halo is similar for both of these giant elliptical galaxies. I use Very Large Telescope observations of the outer halo of NGC 5128 (Centaurus A) and, because of the difficultly in resolving dim extragalac- tic stellar halo populations, I introduce a new technique to subtract the contaminating background galaxies. A transition from a metal-rich stellar halo to a metal-poor has previously been discovered in two different types of galaxies, the disk galaxy M31 and the classic elliptical NGC 3379. Unexpectedly, I discover in this third type of galaxy, the merger remnant NGC 5128, that the density of metal-rich and metal-poor halo stars falls at the same rate within the galactocentric radii of 8 − 65 kpc, the limit of our observations. This thesis presents new results which open opportunities for future investigations.

Adaptive Markov chain Monte Carlo and Bayesian filtering for state space models

This thesis is concerned with the state and parameter estimation in state space models. The estimation of states and parameters is an important task when mathematical modeling is applied to many different application areas such as the global positioning systems, target tracking, navigation, brain imaging, spread of infectious diseases, biological processes, telecommunications, audio signal processing, stochastic optimal control, machine learning, and physical systems. In Bayesian settings, the estimation of states or parameters amounts to computation of the posterior probability density function. Except for a very restricted number of models, it is impossible to compute this density function in a closed form. Hence, we need approximation methods. A state estimation problem involves estimating the states (latent variables) that are not directly observed in the output of the system. In this thesis, we use the Kalman filter, extended Kalman filter, Gauss–Hermite filters, and particle filters to estimate the states based on available measurements. Among these filters, particle filters are numerical methods for approximating the filtering distributions of non-linear non-Gaussian state space models via Monte Carlo. The performance of a particle filter heavily depends on the chosen importance distribution. For instance, inappropriate choice of the importance distribution can lead to the failure of convergence of the particle filter algorithm. In this thesis, we analyze the theoretical Lᵖ particle filter convergence with general importance distributions, where p ≥2 is an integer. A parameter estimation problem is considered with inferring the model parameters from measurements. For high-dimensional complex models, estimation of parameters can be done by Markov chain Monte Carlo (MCMC) methods. In its operation, the MCMC method requires the unnormalized posterior distribution of the parameters and a proposal distribution. In this thesis, we show how the posterior density function of the parameters of a state space model can be computed by filtering based methods, where the states are integrated out. This type of computation is then applied to estimate parameters of stochastic differential equations. Furthermore, we compute the partial derivatives of the log-posterior density function and use the hybrid Monte Carlo and scaled conjugate gradient methods to infer the parameters of stochastic differential equations. The computational efficiency of MCMC methods is highly depend on the chosen proposal distribution. A commonly used proposal distribution is Gaussian. In this kind of proposal, the covariance matrix must be well tuned. To tune it, adaptive MCMC methods can be used. In this thesis, we propose a new way of updating the covariance matrix using the variational Bayesian adaptive Kalman filter algorithm.

Hävittäjäohjaajan kognitiivisen kuormituksen tason mittaaminen NASA-Task Load Index ja Modified Cooper-Harper -mittareilla F/A-18 virtuaalisimulaattorissa

F/A-18-monitoimihävittäjän ohjaajan tehtävän kognitiiviset vaatimukset ovat korkeat. Kognitiivisen kuormituksen taso vaikuttaa hävittäjäohjaajan suoritustasoon ja subjektiivisiin tun-temuksiin. Yerkesin ja Dodsonin periaatteen mukaisesti erittäin matala tai erittäin korkea kuormituksen taso laskee suoritustasoa. Optimaalinen kuormituksen taso ja suoritustaso saa-vutetaan jossain ääripäiden välillä. Hävittäjäohjaajan kognitiivisen kuormituksen tasoon vaikuttaa lentotehtävän suorittamiseen vaadittava henkinen ponnistelu. Vaadittavan ponnistelun taso riippuu tehtävien vaatimustasosta ja määrästä, tehtäviin käytettävissä olevasta ajasta sekä yksilöllisistä ominaisuuksista. Tutkimuksessa mitattiin kognitiivisen kuormituksen tasoa subjektiivisen arvioinnin menetelmällä NASA-TLX (National Aeronautics and Space Administration - Task Load Index) ja MCH (Modified Cooper-Harper) -mittareilla. Tutkimuksessa selvitettiin mittareiden havaintoarvojen muutosta, sensitiivisyyttä ja yhdenmukaisuutta kognitiivisen kuormituksen tason muuttuessa. Tutkimuksen mittauksiin osallistui 35 Suomen ilmavoimien aktiivisessa palveluksessa olevaa F/A-18-monitoimihävittäjäohjaajaa. Koehenkilöiden lentotuntien keskiarvo F/A-18-monitoimihävittäjällä oli 598 tuntia ja keskihajonta 445 tuntia. Koehenkilöiden tehtävänä oli lentää F/A-18-virtuaalisimulaattorilla 11 ILS (Instrument Landing System) -mittarilähestymistä eri aloitusetäisyyksiltä kiitotien kynnyksestä. Kognitiivisesti kuormitta-van mittarilähestymistehtävän aikana kuormituksen tasoa nostettiin lisätehtävillä ja vähentä-mällä tehtäviin käytettävissä olevaa aikaa. Koehenkilöitä pyydettiin ponnistelemaan mahdollisimman paljon tehtävien suorittamisen aikana hyvän suoritustason ylläpitämiseksi. Tulosten perusteella mittareiden havaintoarvot muuttuivat kognitiivisen kuormituksen tason muuttuessa. Käytettävissä olevan ajan vaikutus kognitiivisen kuormituksen tasoon oli tilastollisesti erittäin merkitsevä. Mittarit olivat sensitiivisiä kognitiivisen kuormituksen tason muutokselle ja antoivat yhdenmukaisia havaintoarvoja.

Near-infraread observation of supernovae with the Nordic Optical Telescope (NOT)

Supernova (SN) is an explosion of a star at the end of its lifetime. SNe are classified to two types, namely type I and II through the optical spectra. They have been categorised based on their explosion mechanism, to core collapse supernovae (CCSNe) and thermonuclear supernovae. The CCSNe group which includes types IIP, IIn, IIL, IIb, Ib, and Ic are produced when a massive star with initial mass more than 8 M⊙ explodes due to a collapse of its iron core. On the other hand, thermonuclear SNe originate from white dwarfs (WDs) made of carbon and oxygen, in a binary system. Infrared astronomy covers observations of astronomical objects in infrared radiation. The infrared sky is not completely dark and it is variable. Observations of SNe in the infrared give different information than optical observations. Data reduction is required to correct raw data from for example unusable pixels and sky background. In this project, the NOTCam package in the IRAF was used for the data reduction. For measuring magnitudes of SNe, the aperture photometry method with the Gaia program was used. In this Master’s thesis, near-infrared (NIR) observations of three supernovae of type IIn (namely LSQ13zm, SN 2009ip and SN2011jb), one type IIb (SN2012ey), in addition to one type Ic (SN2012ej) and type IIP (SN 2013gd) are studied with emphasis on luminosity and colour evolution. All observations were done with the Nordic Optical Telescope (NOT). Here, we used the classification by Mattila & Meikle (2001) [76], where the SNe are differentiated by the infrared light curves into two groups, namely ’ordinary’ and ’slowly declining’. The light curves and colour evolution of these supernovae were obtained in J, H and Ks bands. In this study, our data, combined with other observations, provide evidence to categorize LSQ13zm, SN 2012ej and SN 2012ey as being part of the ordinary type. We found interesting NIR behaviour of SN 2011jb, which lead it to be classified as a slowly declining type.