Die Universitätsgesellschaft Ilmenau - Freunde, Förderer, Alumni e. V. zeichnet Frau Dr.-Ing. Liana Khamidullina mit dem Dagmar Schipanski Preis für die beste Dissertation des Jahres aus. Die Wissenschaftlerin erhält die Auszeichnung für ihre Arbeit zur Entwicklung und Analyse neuer tensorbasierter Signalverarbeitungskonzepte.
Moderne Technik ist ohne Signalverarbeitung nicht denkbar: Mikrofone wandeln Schallwellen in elektrische Signale um, Radarsysteme erfassen Bewegungen, EEG-Geräte zeichnen Gehirnaktivitäten auf, und Mobilfunknetze übermitteln Sprachund Bildinformationen. Während klassische Signalverarbeitung häufig mit eindimensionalen oder zweidimensionalen Daten - etwa Kurvenverläufen - arbeitet, wächst mit dem technischen Fortschritt auch die Komplexität der Daten: Signale werden heute oft zeitgleich über viele Kanäle, in unterschiedlichen Frequenzbereichen oder an mehreren Orten, gemessen. Es entstehen mehrdimensionale Datenstrukturen, sogenannte Tensoren - etwa Datenwürfel mit den Dimensionen Raum × Zeit × Frequenz.
Die tensorbasierte Signalverarbeitung nutzt diese Strukturen gezielt aus. Anstatt die Daten zu vereinfachen oder zu reduzieren, werden sie in ihrer vollen Mehrdimensionalität mathematisch erfasst und analysiert. Muster, Zusammenhänge und Signalkomponenten lassen sich präziser erkennen und komplexe Systeme können effizienter gesteuert werden.
In ihrer Dissertation ,,Tensor Decompositions and Algorithms for Efficient Multidimensional Signal Processing", die bereits 2023 entstand und mit dem Prädikat summa cum laude bewertet wurde, entwickelt Dr.-Ing. Liana Khamidullina neue Verfahren, um diese Potenziale nutzbar zu machen. Die von ihr entwickelten Methoden ermöglichen eine effizientere Auswertung mehrdimensionaler Daten - eine Herausforderung, die in zahlreichen interdisziplinären Anwendungsfeldern relevant ist, etwa in der drahtlosen Kommunikation, der biomedizinischen Signalverarbeitung oder der Analyse sozialer Netzwerke.
Besonders interessant ist dabei ihre Herleitung der so genannten Multilinear Generalized Singular Value Decomposition (ML-GSVD) - eine neuartige Tensorzerlegung, die die bislang auf zwei Matrizen beschränkte Generalized Singular Value Decomposition (GSVD) auf mehr als zwei Matrizen erweitert und damit eine effizientere Ressourcenzuweisung in Mobilfunksystemen mit mehreren Antennen ermöglicht ein entscheidender Faktor für künftige Kommunikationssysteme. In drei konkreten Anwendungsszenarien zeigt Dr. Khamidullina, wie die ML-GSVD in drahtlosen Kommunikationssystemen genutzt werden kann. Darüber hinaus schlägt Dr. Khamidullina einen Algorithmus für die hochauflösende tensorbasierte Lokalisierung von Zielen im Nahfeld von Radarsystemen mit mehreren Antennen vor. Zudem entwickelt sie tensorbasierte Verfahren zur Datenfusion und Merkmalsextraktion aus gleichzeitig gemessenen EEG- und MEG-Aufzeichnungen, die die in Kooperation mit dem Fachgebiet Biomedizinische Technik der TU Ilmenau und dem Universitätsklinikum Jena entstanden sind.
In der wissenschaftlichen Fachwelt erlangte Dr. Khamidullinas Dissertation viel Aufmerksamkeit. So wurden wesentliche Teile ihrer Arbeit in renommierten Zeitschriften, darunter in der IEEE Transactions of Signal Processing, der wichtigsten Zeitschrift der IEEE Signal Processing Society, sowie in neun internationalen, von Expert*innen begutachteten Konferenzbeiträgen veröffentlicht. Darüber hinaus sind ihre Publikationen vielfach zitiert worden - unter anderem von Forschenden in Japan, Großbritannien oder Brasilien.
Im November 2024 wurde Frau Dr. Khamidullina bereits für ihre Dissertation vom VDE (Verband der Elektrotechnik, Elektronik und Informationstechnik) mit dem begehrten Dr. Wilhelmy-VDE-Preis 2024 als eine der zwei besten Doktorandinnen der Elektrotechnik in Deutschland ausgezeichnet.
Prof. Martin Haardt, Leiter des Fachgebiets Nachrichtentechnik an der TU Ilmenau, betreute die Dissertationsarbeit und attestiert ihr ihre wissenschaftliche Exzellenz. Die ,,bahnbrechenden Ergebnisse" der Dissertation liefern laut ihm äußerst signifikante Beiträge im Bereich der Mehrantennensignalverarbeitung und dem Entwurf von effizienten multidimensionalen Algorithmen zur Verarbeitung mehrkanaliger Daten mit einem sehr breiten interdisziplinären Anwendungsspektrum:
Dr. Khamidullina hat eine herausragende und sehr ausgereifte Dissertation auf höchstem theoretischem Niveau zu einer hochaktuellen Forschungsproblematik verfasst, die zahlreiche interdisziplinäre praktische Anwendungen findet. Die Dissertation liefert einen exzellenten wissenschaftlichen Beitrag für den Wissenszuwachs und damit bedeutsame Pionierarbeit auf dem Gebiet der mehrdimensionalen Signalverarbeitung.
