MathWorks at embedded world 2022

21.–23. Juni | Nürnberg

Effiziente Entwicklung und Testen von Embedded Systemen

Auf der diesjährigen embedded world in Nürnberg wird MathWorks in Halle 4, Stand 110 mehrere Demos mit hilfreichen Informationen und Neuigkeiten für Embedded Ingenieure vorstellen:

  • End-to-End Workflow für Deep-Learning-Based Wireless Design in MATLAB
    MathWorks zeigt, wie sich drahtlose Kommunikation und Deep Learning in MATLAB durch eine Anwendung zur Positionsbestimmung und Lokalisierung miteinander verbinden lassen. Sie erzeugen standardkonforme IEEE 802.11az-Signale und verwenden Kanalimpulsantworten (CIRs) als Fingerprints an mehreren Standorten, um Deep-Learning-Modelle zur Vorhersage der genauen Position einer WiFi-Station zu trainieren und zu testen.
  • Klassifizierung von EKG-Signalen mit einem DAG-Netzwerk auf einem FPGA
    Mithilfe der Deep Learning HDL Toolbox zeigen die MathWorks-Experten, wie man menschliche Elektrokardiogrammsignale (EKG) mit einem trainierten gerichteten azyklischen Graphennetz (DAG) klassifiziert.
  • Aufnahme und Platzierung von Objekten mit einem KINOVA® Gen3 Roboterarm
    Die Demo zeigt, wie man Algorithmen für Bildsensoren einsetzt, um Objekte mit einem Roboterarm autonom aufzunehmen und zu platzieren. Der Algorithmus wird in Simulink entwickelt und als eigenständiger ROS-Knoten auf einem NVIDIA® Jetson™ Compute Board ausgeführt. Der KINOVA® Gen3-Roboterarm erhält die wichtigsten Parameter des Vision-Sensors, den aktuellen Zustand des Roboters sowie die Position und Ausrichtung des Objekts im aufgenommenen Bild.

Vorträge zum Thema im Rahmen der embedded world

  • An End-to-End Workflow for Deep Learning–Based Indoor Positioning Using IEEE 802.11az
    von Dr. Ahmad Saad, MathWorks 21.06. | 14:45 – 15:15 | Session 8.2 Autonomous and Intelligent Systems – Embedded AI Use Cases
  • Development and Integration of AUTOSAR Classic and Adaptive Applications Based on SOME/IP
    von Aastha Kanwar, MathWorks
    22.06. | 14:45 – 15:15 | Session 3.2 Embedded OS – Automotive OS 1
  • Continuous Integration for Model-Based Design
    von Pablo Romero Cumbreras und Tjorben Gross, MathWorks 22.06. | 14:15 – 14:45 | Session 6.8 Systems & Software Engineering – DevOps
  • How to Quickly Create Simulations for Early Testing of Autonomous Systems
    von Marco Roggero, MathWorks 22.06. | 13:45 – 14:15 | Session 4.6 Safety & Security – Software 2

Embedded Systems

 

Generating CUDA Code from MATLAB: Accelerating Embedded Vision and Deep Learning Algorithms on GPUs

AI for Simulink Users

 

Emmanouil Tzorakoleftherakis, MathWorks
Bill Chou, MathWorks
Bernhard Suhm, MathWorks

Deep Learning and Traditional Machine Learning: Choosing the Right Approach (Interactive)

Digital Twins for Predictive Maintenance (Interactive)

Verification, Validation, and Test