Luleå University of Technology Publications
Not a member yet
39356 research outputs found
Sort by
Measurement and Characterization of Electromagnetic Signatures in the VHF band at Airports
No full textElectromagnetic interference (EMI) poses a significant threat to critical communication and navigation systems at airports, particularly within the Very High Frequency (VHF) band (30-300 MHz). This thesis investigates the electromagnetic emissions from modern electronic devices, primarily focusing on a consumer drone, and their potential impact on airport systems such as the Instrument Landing System (ILS) and air traffic communication. Measurements were conducted in a controlled Electromagnetic Compatibility (EMC) laboratory using standardized test equipment, and the results were compared to spectrograms recorded in the field at an operational airport. The study evaluates the effectiveness of a portable measurement system in identifying EMI signatures and evaluates its suitability for continuous monitoring of the environment at airports. Findings reveal that the drone emits broadband electromagnetic noise, including pulse-width modulation (PWM)-like patterns, some of which fall within the sensitive VHF band. The measurement system successfully captured EMI characteristics and holds potential for further development, however, there exists limitations in the directional detection and real-time monitoring which suggest that additional systems are necessary, such as AI and more antennas
Powering sensors through Energy Harvesting from Water Pipes with a Peltier Module
No full textThis thesis examines whether a system containing a thermoelectric generator connected to a heated water pipe could be designed to harvest electrical energy to supply a microcontroller for temperature differences of 0 and 35 degrees between the pipe and ambient air. The microcontroller needed to perform temperature measurements and communicate with an external system through radio. An electric boiler was used and an aluminium attachment designed to secure the thermoelectric generator and heat sink to the pipe. The experimental findings were compared with the simulated counterparts. Despite the low efficiency of the whole system, the results indicated that enough power was harvested to supply the system and charge a capacitor between the desired voltage levels in a suitable time frame. Only for the lower temperatures it produced longer times for the capacitor charging. This thesis also examines the relation between the harvested power and the chosen heat sink. It showed that one of the obstacles is choosing a heat sink with a low enough thermal impedance, proven experimentally by subjecting the heat sink to a fixed airflow, increasing the extracted powe
Microseismic event classification using machine learning
No full textSeismic activity in deep underground mines increases and changes as a result of changes in the rock mass from mining operations. This in turn creates seismic and microseismic events. These events can be detected by sensors and processed to give a deeper understanding of the current state of the mine. Part of this process is the classification of events. This is currently done using thresholds set by experts in a time-consuming process and therefore a machine learning algorithm could be an efficient alternative. The purpose of this thesis is to investigate different machine learning models and develop one of them to be a high-accuracy classifier for microseismic events. The secondary purpose is to develop a method to use that model for other mines where there are no labels on the data. The different models are trained on the primary mine and applied on a secondary mine for comparison. The best of those models was given more development in the primary mine, and that model was then used as a basis for training a new model in the secondary mine using a method called transfer learning. The data was inspected and filtered to ensure that only high-quality data points were used. The final performance in the primary mine showed a mean accuracy of around 97% for all classes of events and a mean accuracy of around 90% in the secondary mine. The high-confidence predictions by the final models increase the level of accuracy. The thesis concludes that using a machine learning model is not only possible but highly accurate and that with further development such methods could be used in real-life applications. For a secondary mine, it is also shown that it is possible to use a pretrained model as a basis for this classification task with some further development
Deconstructing Fourier : Learnable Transforms in End to End Environmental Sound Classification on Raw Audio
No full textSound classification is essential for tasks ranging from speech recognition to environmental event detection. Traditionally in machine learning audio processing pipelines, the discrete Fourier transform has been used to convert raw signals into time-frequency representations in an offline preprocessing step. The exponential increase in computational resources, however, has motivated a reevaluation of the approach. This thesis explores the feasibility of training neural networks on raw audio waveforms, learning the frequency-domain transformations directly from data. The fundamental components of the Short-Term Fourier Transform are examined and are demonstrated to be able to be approximated and trained using noise. Architectures, activation functions, and hyper-parameter set- tings of end-to-end learned Mel spectrogram transformation are explored and achieve results comparable to traditional feature-engineering approaches. Classification tasks on the UrbanSound8K dataset show the practical viability, achieving results on par with traditional pipelines. Overall, this work shows that online, end-to-end classification on raw audio is a promising alternative to classical approaches, laying the groundwork for further research in resource-constrained, scalable, and adaptive signal processing systems
Musik vid första ögonkastet : En violasts utforskning av a prima vista
No full textMusic at First Sight – A Violist’s Exploration of A Prima Vista. This project explores how musicians can develop their sight-reading skills. A series of exercises has been compiled for this purpose, based on insights from research, educators, and experts who highlight key factors in sight-reading proficiency. These exercises include rhythm training, interval exercises, and ear training, complemented by sight-reading sessions conducted using two different approaches. The sight-reading sessions are documented through video recordings and assessed in a logbook. Progress with the exercises, as well as reflections on the process, are also recorded in the same logbook. Finally, observations from the logbook contribute to the discussion, which examines how the various exercises and methods affected skill development and considers potential improvements.
Att leda millennials och generation Z : En kvalitativ studie om att anpassa ledarskap till millennials och generation Z inom kommersiella banker
No full textDenna studie undersöker preferenser för ledarskap och hur ledarskap kan anpassas till generationerna millennials och generation Z, inom kommersiella banker. Nya krav ställs på ledarskapet i takt med att nya generationerna kliver in på arbetsmarknaden. Syftet med studien är att utveckla situationsanpassat ledarskap med generationstillhörighet i beaktning. Studiens frågeställningar rör hur preferenser kring ledarskap skiljer sig mellan millennials och generation Z samt hur generationstillhörighet kan integreras i situationsanpassat ledarskap. Studien har genomförts med en kvalitativ metod och en abduktiv ansats. Sex semistrukturerade intervjuer har genomförts med bankanställda tillhörande både millennials och generation Z. Det teoretiska ramverket utgår från teorier om situationsanpassat, transformativt och transaktionellt ledarskap, Twenges generationsteori samt tidigare studier om generationsanpassat ledarskap. Analysen av empirin har genomförts med en tematisk analysmetod. Resultaten visar att generation Z efterfrågar närvarande, coachande och inspirerande ledare. De vill ha återkoppling, stöd och vägledning i arbetets riktning och har ett större behov av emotionell trygghet och relation till sin ledare än millennials. Detta behov av stöd och vägledning överensstämmer med en coachande och stödjande ledarskapsstil enligt modellen för situationsanpassat ledarskap. Millennials har i resultatet uppvisat ett större behov av autonomi och frihet till beslut, där det är viktigt att de får känna ansvar. De önskar rakare kommunikation och har inte samma behov av inspiration och stöd som generation Z. Dessa preferenser går i linje med en delegerande och stödjande ledarskapsstil, där ledaren ger ansvar och utrymme snarare än detaljerad vägledning. Traditionellt utgår situationsanpassat ledarskap från medarbetarens kompetens och engagemang utan att beakta generationstillhörighet. Studiens resultat visar dock att millennials och generation Z har olika preferenser när det gäller ledarskap. Detta visar att generationstillhörighet kan vara användbart att ta i beaktning vid val av ledarskapsstil. Genom att inkludera generationstillhörighet kan det situationsanpassade ledarskapet bli mer effektivt i praktiken, eftersom det möjliggör en anpassning av ledarskapet som bättre möter medarbetarnas varierande behov
Uran i svensk rätt : Historisk reglering, miljörättsliga krav och politisk förändring
No full textUppsatsen behandlar den rättsliga regleringen av uran i Sverige med särskilt fokus på reglering och kontroll av uran i samband med mineralbrytning. Uran har historiskt haft en särskild rättslig status i svensk lagstiftning, präglad av statlig kontroll och säkerhetspolitiska överväganden. Från 1945 till 2018 reglerades uran inom ett koncessionssystem, vilket möjliggjorde utvinning under vissa förutsättningar. År 2018 infördes dock ett uttryckligt förbud mot uranutvinning, motiverat av miljö- och energipolitiska skäl. Uppsatsen analyserar hur detta rättsläge har utvecklats över tid, särskilt i ljuset av nya politiska initiativ som syftar till att åter möjliggöra uranbrytning. Det rättsdogmatiska angreppssättet kompletteras med rättshistoriska inslag. Den miljörättsliga analysen fokuserar på hur uran regleras som ett särskilt förorenande ämne enligt miljöbalken med särskilt hänsyn till vattenverksamhet och tillämpliga miljökvalitetsnormer enligt EU:s ramvattendirektiv. Slutsatsen är att frågan om uranbrytning befinner sig i ett komplext rättsligt landskap där miljöskydd, resursbehov och politiska mål ställs mot varandra. Trots att lagändringar diskuteras kvarstår betydande juridiska hinder, inte minst på grund av bindande miljökvalitetsnormer och strikt tillståndsprövning. Den fortsatta rättsutvecklingen kommer att kräva en noggrann avvägning mellan hållbar utveckling, miljörisker och Sveriges behov av kritiska råvaror.
Anpassade lärmiljöer : -En jämförande studie av pedagogisk miljö i LSS-verksamhet och anpassad grundskola
No full textSyftet med denna studie är att undersöka och jämföra hur den pedagogiska lärmiljön anpassas inom LSS-verksamhet och anpassad grundskola för att stödja och främja utveckling och välbefinnande hos individer med neuropsykiatrisk (NPF) och intellektuell (IF) funktionsnedsättning. Som en del av vår studie identifierade vi likheter och skillnader i hur olika lärmiljöer utformas för att möta individuella behov, och hur dessa anpassningar kan påverka individers lärande och delaktighet. En kvalitativ semistrukturerad intervjustudie användes där metodutvecklare inom LSS-verksamhet och specialpedagoger inom anpassad grundskola intervjuades. Resultatet visar att de båda verksamheterna arbetar utefter individens behov och kommunikativa förutsättningar, där alternativ och kompletterande kommunikation samt tydliggörande pedagogik är väl etablerat i verksamheterna. Vidare att det relationella stödet är direkt avgörande för individens trygghet och utveckling. Det finns en medvetenhet inom både LSS-verksamhet och anpassad grundskola om stimuli och sensoriskt anpassade miljöer när man arbetar med personer som har en NPF-diagnos. Inom LSS-verksamhet framkommer att det föreligger kompetens-, tid- och resursbrist, vilket påverkar det pedagogiska arbetet negativt
From Arithmetic to Algebra : Students' Views on the Equal Sign and Challenges with Open Number Sentences in Primary School
No full textSyftet med arbetet är att undersöka vilka utmaningar som finns hos elever i årskurs 1-3 vid hantering av öppna utsagor i matematik samt deras uppfattning av likhetstecknets betydelse. Målet är att bidra med kunskap och insikter som kan stödja lärare i att utveckla sin undervisning inom det pre-algebraiska området. För att undersöka detta har elever i årskurs 1-3 fått lösa 12 stycken öppna utsagor inom talområdet 0-20. Det gjordes sedan en teoristyrd tematisk analys av elevlösningarna för att se om eleverna visar ett statiskt eller dynamiskt synsätt på likhetstecknet. Eleven visar ett statiskt synsätt när eleven behandlar symbolen korrekt, alltså som en ekvivalensrelation. Ifall en elev inte reflekterar över likhetstecknets placering utan adderar ihop alla termer och skriver summan på den tomma platsen, då har eleven visat på ett dynamiskt synsätt. Eleverna i årskurs 3 visar i alla fyra uppgiftskategorier på en större förståelse för likhetstecknets betydelse och funktion i jämförelse med eleverna i årskurs 1 och 2. Elevernas lösningar av uppgifter med komplettering i vänsterledet visar att andelen elever som har utvecklat ett statiskt synsätt ökar för varje årskurs. Komplettering i högerledet är den uppgiftstyp som flest elever anger ett felaktigt svar på. Studien tydliggör att det är viktigt att arbeta med likhetstecknets betydelse i icke standardekvationer för att övergången mellan aritmetik och algebra ska bli så lyckosam som möjligt
Deep Learning and Retention Forecasting: A Supply Chain Lens on Workforce Planning
No full textIn todays dynamic labor market, organizations face growing challenges in attracting and retaining top talent. High employee turnover imposes substantial costs and disrupts strategic workforce planning. This thesis investigates how predictive modeling, using deep learning, can be applied to improve recruitment strategies by forecasting a candidates retention time in their next job position, based solely on resume data. Conducted in collaboration with Talendary, an AI-driven recruitment platform, the study presents a neural network regression model trained on over 90,000 anonymized resumes. Leveraging principles from Supply Chain Management, the model incorporates features such as career progression rate, job stability, and mobility patterns. The results demonstrate strong predictive performance, achieving an R2 score of 0.9877 on the test set, highlighting that resumes carry meaningful signals about future job tenure. These findings suggest that data-driven recruitment, supported by machine learning, can enable more informed hiring decisions, reduce turnover-related costs, and contribute to long-term workforce sustainability. Ethical considerations, including fairness, transparency, and privacy, are also addressed to support responsible AI use in hiring processes.I dagens dynamiska arbetsmarknad står organisationer inför större och större utmaningar med att attrahera och behålla talang. Hög personalomsättning innebär höga kostnader och försämring av strategisk personalplanering. Denna studie undersöker hur prediktiv modellering med djup inlärning kan appliceras med syfte att förbättra rekryteringsstrategier genom att prognostisera hur länge en kandidat stannar i nästa roll. Studien genomfördes i samarbete med Talendary, en AI plattform för rekrytering. Studien presenterar ett regressionsneuralt nätverk som var tränat på över 90,000 anonymiserade CV:n. Studien använder teorier från Supply Chain Management och modellen använder sig av flertal features där bland karriär utvecklingens takt, jobb stabilitet och talangens generella flyttningsgrad. Resultaten pekar på en stark prognostisk förmåga med R2 poäng på 0.9877 på testdatasetet vilket i sin tur pekar på att CV:n innehåller signaler kring framtida anställningstid. Upptäckterna gjorda i denna studie pekar mot att datadriven rekrytering baserat på maskin inlärning kan hjälpa rekryterare att fatta mer informerade beslut, minska personalomsättningskostnader och bidra till långsiktig personal hållbarhet. Hänsyn till etiska faktorer bland annat rättvisa, transparens och integritet för att underlätta ansvarsfullt användande av AI i rekryteringsprocesser