Bachelorstudiengang Medientechnologie

Für die auditorische Wiedergabe von realen Räumen in Augmented- oder Mixed-Reality Anwendungen werden die akustischen Eigenschaften des Raumes, in dem sich der Anwender befindet, benötigt. Um solche komplexen Daten in Echtzeit rendern zu können, müssen diese vereinfacht und die Datenmenge reduziert werden. In dieser Arbeit wird ein Modell vorgestellt, dass die räumlich auditorischen Maskierung von frühen Reflexionen in Abhängigkeit der Einfallsrichtung und Pegel des Schallfeldes von gemessenen Spatial Room Impulse Response berechnet und die Datenmenge reduziert, ohne dabei die wahrgenommenen, akustischen Informationen des Raumes zu verlieren. Die Hauptfunktionen des Modells sind (i) Analyse von gemessenen Spatial Room Impulse Responses und Ermittlung der Einfallsrichtung der Energie des Schallfeldes, (ii) Detektion von Reflexionen in diesem Schallfeld, (iii) Berechnung der auditorischen Maskierung der frühen Reflexionen, (iv) Entfernen der irrelevanten Reflexionen für die akustische Wahrnehmung des Raumes und (v) Binauralisierung der reduzierten Spatial Room Impulse Response. Dabei basieren die Funktionen (i) und (v) auf der Arbeit von Sakari Tervo et al. «Spatial Decomposition Method for Room Impulse Responses» und (ii) bis (iv) auf der Arbeit von Brinkmann et al. «Towards encoding perceptually salient early reflections for parametric spatial audio rendering». In dieser Arbeit wurde eine Verbindung zwischen den beiden Modellen hergestellt, sodass gemessene Spatial Room Impulse Responses analysiert werden und frühe Reflexionen nach Wunsch entfernt werden können. Ebenso wurde in der Evaluation festgestellt, bis zu welchem Grad eine Reduzierung der frühen Reflexionen möglich ist, ohne hörbare Unterschiede festzustellen und welche akustischen Parameter durch die Entfernung der Reflexionen beeinflusst werden.

Das aktuelle Hauptziel der Audioforschung im Bereich Virtual-Reality und Augmented-Reality ist es, virtuelle Schallquellen und Räume möglichst real wirken zu lassen. Eine weit verbreitete Methode, um zu beurteilen, wie Audioszenen von einem Nutzer wahrgenommen werden, sind Hörtests. In diesen bewertet der Proband meist anhand eines Fragebogens das Gehörte. Da diese Art der Wahrnehmungsbewertung jedoch nicht immer zuverlässig ist, da sie nicht in Echtzeit stattfindet, soll eine bessere Methode durch Biosignalmessung - Pupillometrie - untersucht werden. Bei kognitiver Belastung kann eine geringe Erweiterung der Pupille festgestellt werden. Es gibt bereits einige Pupillometriestudien im auditiven Bereich, derzeit gibt es jedoch nur wenige Erkenntnisse darüber, wie die Pupillometrie für die Wahrnehmungsbewertung der Raumakustik und der entsprechenden Merkmale eingesetzt werden kann. Ziel dieser Arbeit ist es, hierfür ein Verständnis zu erlangen. Zu diesem Zweck wurde ein Tool für einen Hörtest entwickelt, welches ein Audiosetup mit einer Eyetrackingbrille verbindet. Im Rahmen einer Studie wurde untersucht, wie akustische Stimuli, die sich durch Parameter wie Lautstärke, Position oder Nachhall unterscheiden, mithilfe der biologischen Reaktion erfasst werden können. Allein durch die Studie dieser Arbeit lässt sich jedoch nicht beurteilen, ob die Pupillenmessung Fragebögen ersetzen kann. Allerdings ist bereits erkennbar, dass die Pupillometrie zur Wahrnehmungsbewertung und für die Erkennung von "Just Noticeable Differences" ungeeignet zu sein scheint, da die Dilationen zum einen nur sehr gering wären und zum anderen keine klaren Rückschlüsse auf die Ursache der Erweiterung geführt werden können. Um die Daten besser bewerten zu können, ist eine ausführlichere Studie nötig, in welcher die Fehler dieser berücksichtigt werden. Diese Arbeit zeigt, dass das entwickelte Tool funktionsfähig ist und als Basis für weitere Untersuchungen genutzt werden kann. Um möglichst real wirkende Schallquellen und Räume zu erschaffen, ist sie allein als Messgröße vermutlich nicht ausreichend. In Kombination mit Fragebögen oder anderen Biosignalen in Hörtests könnte sie jedoch Hilfsmittel dafür sein, um zuverlässige und aussagekräftige Ergebnisse zu liefern.

Föderiertes Lernen ist ein neuer Ansatz im Bereich des maschinellen Lernens, der den Datenschutz gewährleistet, indem mehrere Geräte gemeinsam ein Modell erlernen, ohne lokale Daten auszutauschen. In dieser Arbeit werden verschiedene Fusionsalgorithmen zur Kombination von Modellen, die auf unterschiedlichen Geräten trainiert wurden, in einem einzigen globalen Modell untersucht. Dabei werden fünf Fusionsalgorithmen im Rahmen einer Datenklassifizierungsaufgabe bewertet: Federated Averaging (FedAvg), Federated Proximal (FedProx), Inverse Distance Aggregation (IDA), q-Fair Federated Averaging (qFedAvg), und Temporally Weighted Federated Averaging (TWFedAvg). Die Experimente berücksichtigen unterschiedliche Verteilungen von Kundendaten und verschiedene Grade von vergifteten Datendistributionen. Die Ergebnisse zeigen, dass FedAvg bei verschiedenen Datenverteilungen gute Leistungen erzielt, jedoch Schwierigkeiten hat, Probleme im Zusammenhang mit vergifteten Daten zu lösen. FedProx behandelt effektiv Probleme der Datenheterogenität und Systemheterogenität. IDA zeigt eine stabile Modellkonvergenz und hohe globale Modellgenauigkeit. qFedAvg verbessert die Leistung der schlechten performenden Geräte, sorgt für ein faireres Modell und kann unterschiedliche vergiftete Datendistributionen bewältigen. TWFedAvg ist sehr empfindlich gegenüber dem Rechenaufwand beim lokalen Lernen und weist eine schlechte Leistung in den Experimenten auf.

Drohnensysteme übernehmen bereits heute eine Vielzahl an Aufgaben auf unterschiedlichen Gebieten. Das Problem der zur Zeit eingesetzten Drohnensysteme ist deren nahezu ausschließlicher Einsatz zur Bildgebung, so verhindern z.B. nicht transparente Objekte eine Sichtung. Akustische Sensoren sind bisher noch nicht etabliert, da die Eigen- und Windgeräusche des Drohnensystems die Aufnahmen stören.Das Ziel dieser Arbeit ist daher die Untersuchung verschiedener Mikrofonsysteme an Drohnenplattformen. Der Fokus liegt hierbei auf der Erzeugung einer geeigneten Richtcharakteristik des Mikrofonarrays, um die Drohnen- und Windgeräusche möglichst stark zu unterdrücken. Zunächst werden die Anforderungen des Betriebs von einem Mikrofonarray und einem Beamforming-Algorithmus an einer Drohnenplattform erläutert. Ein mögliches Anwendungsszenario der Waldbrandfrüherkennung mit Drohne und Mikrofonsystem bildet hierbei einen Schwerpunkt. Das Mikrofonsystem soll eine möglichst gerichtetete Empfindlichkeit für Geräusche senkrecht unter dem Drohnenkorpus erzeugen, ohne den sicheren Betrieb der Drohne zu gefährden. Darauf aufbauend erfolgt die Auswahl eines uniformen Rechteck-, Ring-, archimedischen Spiral- und eines nicht-uniformen Rechteckarrays in Kombination mit einem Delay-and-Sum Beamformer für eine nähere Untersuchung. Die ausgewählten Mikrofonsysteme werden simuliert, realisiert und untersucht auf deren Fähigkeit, seitliche Störgeräusche unterdrücken zu können. Das archimedische Spiralarray erreicht hierbei einen größeren Signal-Rausch-Abstand als das nicht-uniforme Rechteckarray. Aus diesem Grund wird nur eine Anpassung des archimedischen Spiralarrays vorgenommen. Im Anschluss daran erfolgt die Messung der azimutalen Richtcharakteristiken der prototypischen Mikrofonsysteme. Das uniforme Rechteck- und Ringarray zeigen im Gegensatz zu den Ergebnissen der Simulation eine stärkere Richtwirkung nach vorn als nach hinten und eine niedrigere Empfindlichkeit zu den Seiten. Abschließend werden die Prototypen unterhalb einer betriebenen Drohne evaluiert. Diese Arbeit zeigt, dass ein uniformes Rechteck-, Ring- und archimedisches Spiralarray in Kombination mit einem Delay-and-Sum Beamformer die Geräusche einer Drohne im Leerlaufbetrieb tendenziell ausreichend zur Aufnahme von Bodenbrandgeräuschen unterdrücken können.

Im Laufe des letzten Jahrzehnts hat das Interesse an virtueller bzw. erweiterter Realität (VR / AR) stark zugenommen. Für ein immersives Erlebnis ist es notwendig, virtuelle Schallquellen an beliebige Positionen im Raum platzieren zu können. Eine Möglichkeit zur Auralisierung von virtuellen Quellen ist es, Signale mit binauralen Raumimpulsantworten (BRIRs) zu falten und diese über Kopfhörer wiederzugeben. Die Aufnahme von BRIRs mit einem Kunstkopf zur Wiedergabe mit sechs Freiheitsgraden (6-DoF) über Kopfhörer führt zu einem hohen Aufwand, da für unterschiedlichste Kopfdrehungen und Positionen im Raum BRIRs gemessen werden müssen. Außerdem lassen sich vertikale Drehungen des Kopfes nur schwer damit umsetzen. Eine Möglichkeit, den Messaufwand zu reduzieren und Änderungen der Elevation zuzulassen, ist die Spatial Decomposition Method (SDM). Damit muss an jeder Position lediglich eine Messung durchgeführt werden. In der Vergangenheit wurde von Füg ein Algorithmus entwickelt, der Impulsantworten (IRs) so manipuliert, dass die Distanzwahrnehmung verändert wird. Ziel dieser Arbeit ist es, diesen Algorithmus auf die SDM zu übertragen und zu erweitern, sodass Entfernungsänderungen auch für elevierte Quellen möglich sind. Dadurch muss nur noch eine Messung mit der SDM durchgeführt werden, um BRIRs für den gesamten Raum zu synthetisieren. Der entwickelte Algorithmus manipuliert systematisch die Anfangszeitlücke, die Direction-Of-Arrival Matrix und die Energie der IR. Die Evaluation erfolgt mithilfe von distanzabhängigen Raumakustikparametern sowie durch einen informellen subjektiven Wahrnehmungstest. Die Auswertung der Raumakustikparameter zeigt, dass gute Ergebnisse für Quellen erzielt werden, welche oberhalb oder in der Ebene des Empfängers liegen. Für Quellen unterhalb des Empfängers entstehen starke Abweichungen bei der Direct-to-Reverberant-Ratio (DRR). Hinsichtlich der subjektiven Wahrnehmung bleiben die Ergebnisse hinter den Erwartungen zurück. Die Richtungs- und Entfernungswahrnehmung der Synthese weicht nicht stark von den Messungen ab, aber die Klangfarbe der Synthese ist sehr deutlich verändert. Die Übertragung von Fügs Manipulationsalgorithmus auf die SDM ist nur teilweise gelungen bzw. untauglich für einen praktischen Einsatz. Anhand von weiteren zukünftigen Untersuchungen für andere Räume soll die Leistungsfähigkeit des Algorithmus verbessert werden.

Die Richtwirkung ist eine wichtige akustische Eigenschaft von Schallquellen. Diese kann in objektbasierten 3D-Audiowiedergabesystemen durch verschiedene Methoden reproduziert werden. Diese Arbeit untersucht das Lautstärkeverhalten virtueller gerichteter Schallquellen bei deren Rotation im kopfhörerbasierten 3D-Audiowiedergabesystem VIPRA, welches auf der Wellenfeldsynthese basiert. Die Reproduktion der Richtwirkung erfolgt in der VIPRA-Portalmethode durch eine Lautstärkeinterpolation zwischen Punktschallquellen. Auf Basis der vorhandenen Implementierung wird eine angepasste Berechnungsmethode erarbeitet und implementiert. Diese hat das Ziel, den Lautstärkeverlauf bei Rotation zu homogenisieren. Zur Evaluation der Methoden werden reale Schallerzeuger mit einem Mikrofonarray aufgenommen und in das System eingebunden. Anschließend werden die Methoden anhand Klangfärbung, Reproduktion der Richtcharakteristik und dem Lautstärkeverlauf bei Rotation verglichen. In einem informellen Hörtest wird die minimale Wiedergabeauflösung der neuen Implementierung untersucht. Die Untersuchungen zeigen, dass die neue Implementierung die bisher auftretenden Sprünge im Lautstärkeverlauf minimiert. Dadurch wird eine bessere Reproduktion der Richtcharakteristik ermöglicht. Der Hörtest gibt Hinweise darauf, dass virtuelle gerichtete Schallquellen, unabhängig von der Richtungsauflösung der Wiedergabe, als natürlich wahrgenommen werden können. Die minimale Richtungsauflösung hängt von der Art der Schallquelle sowie der Anwendung ab. Die VIPRA-Portalmethode sollte in weiterführenden Forschungsarbeiten mit anderen Verfahren zur Reproduktion der Richtwirkung verglichen werden. Diese Vergleiche sollten sowohl analytisch als auch in formellen Hörtests durchgeführt werden.

In dieser Arbeit wird der Einfluss des Kopfhörermodells auf reale und virtuelle Schallquellen in Augmented Acoustics Anwendungen untersucht. Dazu wurden binaurale Impulsantwortmessungen mit einem Kunstkopf durchgeführt. Acht Modelle wurden physikalisch und perzeptiv untersucht. Die physikalische Analyse zeigt die Eigenschaften des Kopfhörers und ihre Auswirkungen auf das reale Schallfeld. Auch der Effekt der Neupositionierung wurde berücksichtigt. Um den Einfluss auf das externe Schallfeld perzeptiv zu untersuchen, wurde ein Multi-Stimulus Test mit versteckter Referenz- und Anker mit 15 Testpersonen durchgeführt. Die Ergebnisse zeigen, dass verschiedene Arten von Kopfhörern unterschiedliche Auswirkungen auf reale und virtuelle Schallquellen haben und dass die Neupositionierung Variationen im Frequenzspektrum verursacht.

Audioanalysen sollen in verschiedenen Industriezweigen Überwachungen von Produktionsprozessen und die Überprüfung der fertigen Bauteile vollziehen. Ein Ansatz ist es, mit Luft als Übertragungsmedium des Schalls zu arbeiten und Luftschallaufnahmen zu generieren, welche anschließend für die Überprüfung von der Produkt- oder Produktionsprozessqualität genutzt werden können. Neben einer zuverlässigen Überprüfung wird die Verwendung maschineller Unterstützungsverfahren angestrebt. Diese Verfahren sind dazu konzipiert, Anomalien in den Audiodaten zu erkennen. Dies geschieht in der vorliegenden Arbeit mit Hilfe von neuronalen Netzen. In der Anomalieerkennung wird angestrebt, mit möglichst wenig anormalen Daten zu arbeiten. da diese in der Erzeugung sehr aufwendig und teuer sind. Diese Herausforderung kann durch sogenannte Autoencoder (AE) bewältigt werden, da sie Daten in die wichtigsten Bestandteile zerlegen und anschließend rekonstruieren. Wird angenommen, dass normale und anormale Daten unterschiedliche Bestandteile haben und das Netz darauf trainiert wird die normalen Daten zu rekonstruieren, so ergibt sich eine schlechtere Rekonstruktion anormaler Daten. Es wurden unterschiedliche Ansätze und Varianten von Autoencodern. anhand eines vorhandenen Testdatensatzes, welcher aus Luftschallaufnahmen besteht, getestet. Dies geschieht, um festzustellen, welcher Ansatz eine vielversprechende Unterstützung in der Industrie sein könnte. Weiterhin wird der Einfluss der Datenvorverarbeitung auf die Ergebnisse der AE betrachtet. Dies wird durch mehrfaches Trainieren der AE auf unterschiedlich vorverarbeitete Daten erreicht. Die Ergebnisse dieser Arbeit zeigen, dass der Variational-Ansatz (VAE) die niedrigsten Werte liefert. Der Shared-Weights-Ansatz (SWAE) erzielte am häufigsten die höchsten Werte, dicht gefolgt vom Simple-Ansatz (SAE). Somit sind der SWAE und der SAE vielversprechend für den Einsatz in der Industrie. Bei der Vorverarbeitung stellte sich heraus, dass die "Fast Fourier Transform" Größe und die dazugehörige Hopsize, sowie die Concat-Anzahl der verwendeten Frames einen erheblichen Einfluss auf das Ergebnis haben und somit für jeden Anwendungszweck neu angepasst werden sollten. In weiterführenden Arbeiten könnten der Convolutional- sowie der Stacked-Denoising-Ansatz in einen Vergleich einbezogen werden, da diese in der Arbeit nicht betrachtet wurden.

Die Analyse der geometrischen Eigenschaften eines Raumes anhand von akustischen Aufnahmen ist für verschiedenste Anwendungen interessant. In dieser Arbeit wird untersucht, in wie weit sich Künstliche Neuronale Netze (KNNs) für eine solche Analyse eignen. Zuerst wird ein Überblick über Konzepte und Entwicklungen in der KNN-Forschung gegeben, anschließend wird das Erstellen und die Verarbeitung des verwendeten Datensatzes erläutert. Abschließend werden die Netzstrukturen der untersuchten KNNs sowie die Experimente beschrieben, die in dieser Arbeit durchgeführt wurden und die Ergebnisse ausgewertet.

Das Ziel der heutigen Audiotechnologien ist es, die menschliche Fähigkeit des 3D-Hörens nachzubilden. Für so einen Prozess werden leistungsfähige Mittel für die Signalaufnahme, -verarbeitung und -wiedergabe benötigt. Die oben genannten Prozesse können mit Hilfe der Binauralsynthese durchgeführt werden. Das Schlüsselelement des Verfahrens ist die binaurale Raumimpulsantwort(BRIR). Die BRIR ist eine spezifische Art von Impulsantwort die enthält Informationen zu dem Raum als auch zu dem Empfänger. Für die finale virtuelle Audioszene wird die BRIR mit einem echofreien, mono Audiosignal gefaltet. Je nach der ermöglichten Bewegungsfreiheit für den Nutzer, die benötigte Datenmenge erhöht sich dementsprechend. Eine Datenkompressionmöglichkeit ergibt sich aus dem Verlust der Raumorientierung in einem diffusen Schallfeld. Der Zeitpunkt zwischen den frühen und späten Reflexionen wird als "Mixing Time" bezeichnet. Ein genereller Mixing-Time-Wert für den gesamten Raum würde zu dem Ersetzen von späten BRIR Anteilen mit einer Konstante führen. Eine optimale Zusammenstellung von BRIR-Komponenten wird zu einer effizienten und unschädlichen Datenminimierung führen. Das Ziel der vorliegenden Arbeit besteht darin, zu untersuchen, ab welcher Mixing-Time und unter welchen Umständen die Rauminformationen des diffusen Anteils einer binauralen Raumimpulsantwort (BRIR) vernachlässigbar werden. Hierzu wurden die diffusen Anteile der BRIRs nach verschiedenen Mixing-Time-Werten untereinander ersetzt, während der Direktschall sowie eventuelle frühe Reflexionen nicht verändert wurden. Als Datengrundlage wurden BRIRs aus zwei unterschiedlichen Raumpositionsmessungen verwendet, angeregt von einer Schallquelle platziert jeweils in zwei verschiedene Positionen. Zur Evaluierung wurde ein Hörtest mit einer statischen Binauralsynthese durchgeführt mit erfahrenen Probanden. Eine globale Analyse der Ergebnisse zeigt eine deutliche Abhängigkeit zwischen der räumliche Orientierung und der relativen Positionierung von Sender und Empfänger. Für die Probanden war eine Raumorientierung für große Entfernungen trotz später Konkatenationszeiten möglich. Die BRIR-Kombination unterschiedlicher Empfänger- und Schallquelleposition zeigte sich als nicht effizient für eine mögliche Datenkompression. Für die Nachhallphase wurde eine Anfangszeit von mindestens 75 ms als notwendig ermittelt.

Die Bekämpfung von Lärm ist ein wichtiger Teil des Umweltschutzes. Um Lärm effektiv zu mindern, ist es wichtig zu wissen, wo er entsteht und wie er sich durch die Luft ausbreitet. Im ersten Teil dieser Arbeit werden daher die meteorologischen Einflüsse auf die Schallausbreitung wie Wind, Temperatur und Luftfeuchte erörtert und Verfahren zur qualitativen und quantitativen Bestimmung dieser Einflüsse vorgestellt. Um den Schallpegel in Abhängigkeit von der Schalleinfallsrichtung zu ermitteln wird außerdem ein Beamforming-Algorithmus für drei in einem gleichseitigen Dreieck angeordnete Mikrofone ausgearbeitet. Basierend auf diesen Grundlagen werden Programme zur Berechnung des Absorptionskoeffizienten der Luft und zur Bestimmung der qualitativen Bedingungen für die Schallausbreitung unter der Einbeziehung meteorologischer Daten entwickelt. Der Beamformer wird ebenfalls implementiert und getestet.

Das Ziel der auditiven Augmented Reality ist es, eine hochgradig immersive und auditorisch plausible Illusion zu schaffen, die virtuelle Audioobjekte und Szenarien mit der realen akustischen Umgebung kombiniert. Für diesen Anwendungsfall ist es notwendig, die Akustik des aktuellen Raumes zu schätzen. Eine Diskrepanz zwischen realer und simulierter Akustik wird vom Hörer leicht erkannt und führt wahrscheinlich zu einer Im-Kopf-Lokalisation oder einer unrealistischen akustischen Umhüllung der virtuellen Schallquellen. Diese Arbeit untersucht State-of-the-Art-Algorithmen zur blinden Nachhallzeitschätzung, die häufig für Sprachverbesserungsalgorithmen oder in Enthallungsanwendungen verwendet werden, und wendet sie auf binaurale Ohrsignale an. Das Ergebnis dieser Algorithmen kann verwendet werden, um den am besten geeigneten Raum aus einer Raumdatenbank auszuwählen. Eine Raumdatenbank könnte beispielsweise gemessne oder simulierte binaurale Raumimpulsantworten beinhalten, die direkt zur Realisierung einer binauralen Reproduktion verwendet werden können. Erste Auswertungen zeigen vielversprechende Ergebnisse bei geringem Rechenaufwand. Weitere Strategien zur Verbesserung der verwendeten Methode werden vorgeschlagen, um eine genauere Nachhallzeitschätzung zu ermöglichen.

Die vorliegende Arbeit beschreibt die Entwicklung eines generalisierten Modells zur präzisen Vorhersage des von elektrodynamischen In-Ear-Kopfhörern erzeugten Schalldrucks. Dazu wurde ein auf maschinellem Lernen basierendes Modell mit Daten aus elektroakustischen Messungen von In-Ear-Kopfhörern trainiert. Verschiedene Ansätze zur Entwicklung dieses Modells wurden verfolgt, beschrieben und evaluiert. Anschließend wurden etwaige Einschränkungen diskutiert und mögliche Verbesserungsansätze beschrieben. Es konnte gezeigt werden, dass die Entwicklung eines generalisierten Modells mithilfe von Methoden des maschinellen Lernens prinzipiell möglich erscheint, wenngleich die Prädiktionsgenauigkeit des Modells Optimierungspotential aufweist.

Die vorliegende Bachelorarbeit entwickelt ein Simulationsmodell eines Lautsprecherprototyps auf MEMS-Basis anhand numerischer Simulationsverfahren. Das Ziel dieser Forschung ist eine umfangreiche Simulation und Analyse des Lautsprechers mittels Finiter Elemente Methode (FEM). Dabei wird das elektromechanische und akustische Verhalten untersucht. Ein vorhandenes Geometriemodell dient als Modellgrundlage für die FEM-Software. Zunächst wird das elektromechanische Verhalten im Vakuum analysiert. Anschließend wird das akustische Verhalten im linearen Arbeitsbereich und schließlich im nichtlinearen Arbeitsbereich simuliert. Ferner werden die Einflüsse verschiedener Simulationsmethoden und Randbedienungen geprüft. Vorangegangene Messungen bewerkstelligen die Evaluation der Simulationsergebnisse.Die Ergebnisse zeigen ein präzises Simulationsmodell eines effizienten Lautsprechers auf MEMS-Basis, das mit Messungen übereinstimmt. Dabei kann das Modell auf andere Designs des MEMS-Lautsprechers übertragen werden. Diese Grundlage ermöglicht es, künftige Designänderungen effizient und mit hoher Genauigkeit virtuell zu analysieren.

Ambisonics ist ein Verfahren zur Aufnahmen und Wiedergabe räumlicher Audioszenen, welches Wiedergabeverfahren darauf abzielt, ein Schallfeld zu rekonstruieren. Dies erfolgt durch Projektion der Schallfeldsignale in eine Menge Kugelflächenfunktionen, und diese mittels einer mathematischen Lösung in ein gegebenes Wiedergabesystem decodiert. Daher enthalten die Übertragungssignale eine Lautsprecher-unabhängige Darstellung des Schallfelds, anstelle von einzelnen Kanalsignalen für jeden Lautsprecher (kanalbasierte Systeme). Dies bietet viele Vorteile, insbesondere für Lautsprecher-Wiedergabesysteme, bei denen die Flexibilität der Lautsprecherplatzierung ein Schlüsselrolle spielt. In den letzten Jahren ist das Interesse an dieser Technik stark gestiegen. Der Hauptgrund dafür sind die Fortschritte, die bei den Signalverarbeitungstechnologien gemacht wurden, die in der Realisierung leistungsfähiger und zugänglicher Werkzeuge für Ambisonics-Dekodierung resultiert haben. Die Wiedergabe von Ambisonics-Signalen über Lautsprecher hat aber ein großes Nachteil. Der Bereich ("Sweet Spot"), in dem das aufgenommene Schallfeld korrekt wiedergegeben wird ist sehr klein. In dieser Bachelorarbeit wird ein Ambisonics-Wiedergabesystem konzipiert und in ein Signalverarbeitungs-Framework des Fraunhofer-Instituts für Digitale Medientechnologie integriert. Dieses System ist in der Lage, Ambisonics-Aufnahmen erster Ordnung in einem regulären Lautsprecherarray wiederzugeben. Dafür werden die Schallfeldsignale in Echtzeit dekodiert. Durch Kombination dieses Systems mit der ebenfalls am Fraunhofer IDMT entwickelten "Spatial Sound Wave"-Technologie werden die Fähigkeiten des Systems erweitert, so dass es in einer Vielzahl von Lautsprecheranordnungen eingesetzt werden kann. In einem Hörtest werden die Möglichkeiten zur Vergrößerung des Hörbereichs untersucht. Dies geschieht durch Messen und Vergleichen der Hörzonen, die durch das entwickelte Ambisonics-System mit und ohne Spatial Sound Wave-Technologie erzeugt werden. Die Ergebnisse zeigen, dass die Vergrößerung des Hörbereiches nur sehr gering ausfällt. Aufgrund der gewonnenen Erkenntnisse werden zukünftige Entwicklungs- und Forschungsempfehlungen zur Erzielung größerer Hörzone gegeben.

Die räumliche Ortung von Schallquellen ist Gegenstand der Untersuchung. Mit ihr werden mehrere Anwendungsbereiche wie Sprachverbesserung und Schätzung der Direction of Arrival (DOA) für Multiple-Input, Multiple-Output (MIMO) Systeme in der Kommunikationstechnik erschlossen. Die Arbeit richtet die Aufmerksamkeit auf die Verwendung mehrerer Sensoren, die als Mikrofonarray konfiguriert werden. Bisher wurden erste Versuche zur Messung von Lautsprecherpositionen mittels Mikrofonarrays unternommen, aber diese Versuche erwiesen sich in der Praxis als nicht präzise genug. Ein neuer Ansatz zur Lokalisierung einer Schallquelle durch rotierende Mikrofonarrays beruht auf dem Dopplereffekt und wurde in [1] eingeführt. In dieser Thesis wird eine innovative Methode für ein rotierendes Mikrofonarray mathematisch dargestellt und in einer Raumumgebung mit modellierten akustischen Reflektionen numerisch simuliert. Die Leistungsfähigkeit dieser Methode wird in Bezug auf die Genauigkeit der Lokalisierung beurteilt. Darüber hinaus werden eine Reihe von Einflussfaktoren wie Drehgeschwindigkeit, Arraygröße, Lautsprecherabstände, Raumakustik, Abtastraten, Signal-Rausch-Verhältnis (SNR) und relative Schallquellenanordnung zum Mikrofonarray untersucht. [1] Klefenz F, Sporer T. Apparatus, method and computer program for localizing a sound source: U.S. Patent 8,649,529[P]. 2014-2-11.

In den letzten Jahren wurden mithilfe neuronaler Netze große Fortschritte im Bereich der Bildklassifikation und der Objektdetektion erzielt. Die Aufgabe eines Objektdetektors ist es in Bildern die Position und die Größe verschiedener Objekte (z.B. Gesichter, Fahrzeuge, Tiere oder Personen) zu ermitteln. Für das Training der aktuell besten Detektoren werden dabei Annotationen aller Objektinstanzen benötigt. Die Annotation der Bilder stellt sich als sehr zeit- und arbeitsaufwendig heraus. Um dieses Problem zu umgehen, wird versucht mit schwach annotierten Bildern zu arbeiten. Das heißt als Annotation ist lediglich die Information vorhanden, welche Objektklassen sich auf dem Bild befinden und welche nicht. Im Rahmen dieser Arbeit werden zwei, auf neuronalen Netzen basierende, schwach überwachte Objektdetektoren nachimplementiert, trainiert und auf Testbilder angewandt. Darauf folgend werden die entstehenden Detektionen als Annotation für zwei stark überwachte Objektdetektoren verwendet. Die stark überwachten Objektdetektoren werden zum Vergleich zusätzlich auf den Ground-Truth-Annotationen trainiert. Zur Evaluation werden drei verschiedene Datensätze verwendet. Anschließend werden mögliche Fehlerquellen, Probleme und Verbesserungspotentiale diskutiert. Die Ergebnisse zeigen, dass die schwach überwachte Objektdetektion im Vergleich zu stark überwachten Objektdetektoren noch deutlich schlechtere Detektionen hervorbringt. Trotzdem kann sie als Hilfsmittel eingesetzt werden, um beispielsweise den Annotationsaufwand zu senken.

In dieser Arbeit werden mehrere Algorithmen vorgestellt und entwickelt, um bei binauraler Wiedergabe mittels Kopfhörer die Distanzwahrnehmung von akustisch divergenten Räumen zu verbessern. Hierbei besteht das Problem, dass der Zuhörer erwartet, die gleiche Akustik des Raumes in dem er sich befindet, auch über Kopfhörer zu hören. Ist dies nicht der Fall, kommt es zum Raumdivergenzeffekt, der bei Wiedergabe mittels Binauralsynthese die externale Wahrnehmung verschlechtert. Das Ziel dieser Arbeit ist es, die raumakustischen Parameter zu finden, welche für die verschlechterte Lokalisierung und Externalisierung binauraler Signale bei Raumdivergenz verantwortlich sind. Die Algorithmen synthetisieren dabei aus zwei gemessenen binauralen Raumimpulsantworten (BRIRs) neue Datensätze. Es werden insgesamt drei Methoden implementiert. Das erste Verfahren basiert auf einer Angleichung des Verhältnisses zwischen Direktschall- und Nachhallenergie. Das Zweite widmet sich der Angleichung der Initialzeitlücke, die durch unterschiedliche Abstände von Schallquelle zur Hörposition entsteht. Im dritten Verfahren werden mittels Dynamic Time Warping (DTW) die frühen Reflexionen der BRIRs interpoliert. Diese Verfahren werden auf unterschiedliche Entfernungen und Positionen von zwei Räumen angewendet. Als Räumlichkeiten dienten dabei ein halliger und ein trockener Raum, also mit starker akustischer Divergenz. Die Evaluierung erfolgt mittels eines Hörtests, in dem die Lokalisierung und Externalisierung der binaural-synthetisierten Schallquellen untersucht wird. Die Auswertung des Hörtests befasst sich mit der Eignung der Algorithmen für eine verbesserte räumliche Wahrnehmung mittels Binauralsynthese über Kopfhörer.

Die menschliche Fähigkeit, Distanzen anhand des Gehörsinns zu bestimmen ist abhängig von diversen Faktoren. Es ist bereits erwiesen, dass Bewegungen während des Hörens in einer genaueren Distanzempfindung resultieren. Das Ziel der vorliegenden Bachelorarbeit ist es, die Auswirkungen von Hörerbewegung in einer virtuellen Hörumgebung zu analysieren. Hierzu wird ein Überblick über die Mechanismen der auditiven Distanzwahrnehmung und der technischen Möglichkeiten zur Erzeugung virtueller Hörumgebungen gegeben. Anschließend wird auf der Grundlage dieses Wissens ein Experiment entwickelt, welches die Auswirkungen von Translation auf das Distanzempfinden untersucht. Es wird eine stark verbesserte Entfernungsschätzung für dynamisch gehörte, nahe Quellen festgestellt. Während mit steigender Erfahrung der Hörer ein Adaptionsprozess mit positivem Einfluss auf die Genauigkeit zu beobachten ist, erlaubt die auditive Bewegungsparallaxe in einigen Fällen auch ohne Erfahrung ein Maß an Genauigkeit, welches dem von Hörtests in realen Umgebungen nahe kommt.

Die vorliegende Arbeit beschäftigt sich mit einer energetischen Betrachtung eines digital angesteuerten Array-Lautsprechers. Diese Lautsprechertechnologie bietet die Möglichkeit der direkten Schallwandlung von digitalen Signalen in die akustische Domäne. Die digitale Lautsprecheransteuerung könnte eine energetisch effizientere Alternative zu der konventionellen analogen Ansteuerung darstellen. In der vorliegenden Arbeit wird das Konzept der digitalen Lautsprecheransteuerung mittels PCM-Signalen dargelegt. Dabei wird auf das Funktionsprinzip digitaler Arrays eingegangen. Die Untersuchungsgegenstände dieser Arbeit stellen die Wirkleistung, der erzeugte Schalldruckpegel sowie die Ein- und Ausgangsenergie eines Array-Elements dar. In einer FEM-Simulationssoftware wurde eine ideale starre Kolbenmembran als Schallwandler implementiert. Dieser Wandler wurde mit einem digitalen PCM-Signal und einem analogen Sinussignal bei den Untersuchungsfrequenzen 100 Hz, 1 kHz und 10 kHz angesteuert und untersucht. Dabei wurde bei den digitalen Eingangssignalen die Flankensteilheit der rechteckförmigen Ansteuerung variiert. In Form einer Bilanzbetrachtung konnte gezeigt werden, dass der Wandler bei digitaler Ansteuerung bei allen Untersuchungsparametern energetisch effizienter arbeitet, als bei der analogen Ansteuerung. Dies bestätigten sowohl die gemessenen Schalldruckpegel, als auch das Verhältnis von Ein- und Ausgangsenergie. Ein Zusammenhang zwischen dieser Effizienzsteigerung und der Wirkleistung konnte nicht gefunden werden. Jedoch wurde ein deutlicher Effizienzgewinn ab einer bestimmten Flankensteilheit ermittelt.

In dieser Bachelorarbeit wird ein Mess-Framework in Form einer Web-Applikation für Smart-Devices entwickelt, welche die subjektive Bewertung von Umgebungsgeräuschen in Verbindung mit der Erhebung von Metadaten wie Standort, Datum und Uhrzeit ermöglicht. Lärm schädigt Mensch und Tier. Für eine erfolgreiche Prävention ist das Verstehen der subjektiven Wahrnehmung von Geräuschen von zentraler Bedeutung. Die Betrachtung subjektiver Bewertungen in Verbindung mit objektiven Messungen ermöglicht es eventuell Prognosen zu objektiv gemessenen Schallereignissen über die subjektive Bewertung anzustellen. In dieser Bachelorarbeit wird mit diesem Ansatz ein Werkzeug entwickelt, welches eine solche subjektive Bewertung ermöglicht. Um den korrelativen Zusammenhang zukünftig überprüfen zu können wird ebenfalls Standort und Zeit der Aufnahme festgehalten. Zunächst werden Grundlagen der auditiven Wahrnehmung, der Lärmwahrnehmung, psychoakustischer Parameter sowie der Stand der Technik recherchiert. Es folgt die Konzeption der Applikation und ihrer einzelnen Module sowie die Umsetzung dieser.

Die vorliegende Bachelorarbeit befasst sich mit dem Thema der automatischen Klassifizierung und Analyse von akustischen Szenen. Geräusche aus der Umwelt und dem innerstädtischen Bereich sollen mithilfe von geeigneten Methoden beschrieben und anschließend klassifiziert werden. Als Grundlage für alle im Rahmen dieser Arbeit durchgeführten Experimente, dient der öffentlich zugänglichen Datensatz Urban-Sound8k der New York University, welcher über 8000 kurze Audioaufnahmen von zehn verschiedenen Szenenklassen bereitstellt. Im Mittelpunkt der Arbeit steht die Zusammenstellung eines geeigneten Merkmalsraums zur Beschreibung spektraler und temporaler Eigenschaften der Szenen. Dafür wurden einige vielversprechende, aktuell verwendete Merkmale nachimplementiert. Diese werden einzeln und in Kombination mit anderen Audiomerkmalen evaluiert, um das am besten funktionierende System zu ermitteln. Anschließend wird versucht, mithilfe einer Filterung von stillen Signalblöcken und der Wahl eines geeigneten Klassifikationsverfahren die Ergebnisse zu optimieren.

In dieser Arbeit wurde ein System zur polyphonen Tonhöhenerkennung entwickelt, das Techniken des Deep Learnings nutzt, d.h. künstliche neuronale Netzwerke und Mengen von Audiodaten mit vorhandener Annotation der Tonhöhen. Verwendet wurde ein Feedforward Neural Network, dessen Parameter und Architektur durch Experimente bestimmt wurde. Zusätzlich wurden Methoden angewandt, die in anderen Arbeiten bereits zu einer Verbesserung der Tonhöhenerkennung führen konnten. Dies waren künstliche Datenvergrößerung durch Pitch Shifting, das Verwenden von Dropout zur Regularisierung und das Verwenden einer logarithmischen Frequenzachse. Trainiert und getestet wurden in unterschiedlichen Kombinationen auf dem Su-Datensatz des MIREX, dem MAPS-Datensatz und einem Datensatz namens SMT\_GUITAR, bestehend aus Gitarrenaufnahmen, aufgenommen am Fraunhofer IDMT. Es konnten gute Ergebnisse für das SMT\_GUITAR-Datenset erzielt werden, während die Ergebnisse für das MAPS-Datenset und das Su-Datenset deutlich schlechter ausfielen. Mit Pitch Shifting konnten die Ergebnisse beim Su-Datenset verbessert werden. Dropout führte zu deutlich schlechteren Ergebnissen und das Logarithmieren der Frequenzachse führte zu keinem nennenswerten Unterschied. Auch ein Rekurrentes Neuronales Netzwerk wurde getestet in Form eines LSTM-Netzwerks (Long Short Term Memory). Dabei fielen die Erkennungsgenauigkeiten sehr niedrig aus. Verglichen wurden die Ergebnisse mit denen des MIREX. Während die Präzision mit den eingeschickten Ergebnissen mithalten konnte, fiel das Recall hinter den meisten Methoden zurück.

Die Ansteuerung von Array-Lautsprechern mit digitalen Signalen ist ein möglicher Ansatz zur direkten Schallwandlung von der digitalen in die akustische Domäne und Gegenstand aktueller Forschungen auf dem Gebiet der Lautsprechertechnologie. Dieses Prinzip ermöglicht nicht nur eine direkte Digital-Analog-Wandlung, sondern auch eine potentielle Effizienzsteigerung. So könnten ineffiziente analoge Lautsprecher in naher Zukunft durch digital angesteuerte Array-Lautsprecher ersetzt werden. In dieser Arbeit wird das Funktionsprinzip dieses Konzeptes vorgestellt und untersucht. Dabei werden verschiedene Ansteuerungsmethoden präsentiert und auf die Anforderungen und Probleme eingegangen. Im praktischen Teil wurde ein Array aus sieben Wandlern untersucht, welches mit 3-Bit PCM-Signalen angesteuert wurde. Dabei stand vor allem der Effizienzvergleich zwischen digitaler und analoger Ansteuerung im Fokus. Außerdem wurde auf die Rekonstruktionsqualität des digital-angesteuerten Arrays eingegangen, da bei der digitalen akustischen Rekonstruktion ein hoher Wert an harmonischen Verzerrungen auftritt. Da diese u.a. durch die Gangunterschiede zwischen den einzelnen Array-Elementen hervorgerufen werden, wurde eine Methode zur Kom- pensation des Zeitversatzes implementiert. Dadurch konnte eine Verbesserung der harmonischen Verzerrungen für einen bestimmten Hörort erzielt werden. Der Array-Lautsprecher wurde mit dem Simulationsprogramm COMSOL Multiphysics auf Basis von elektrodynamischen Wandlern simuliert. Untersucht wurde die harmonische Anregung bei Frequenzen von 500Hz, 1kHz und 10 kHz. In der hier getätigten Untersuchungen konnte gezeigt werden, dass es grundsätzlich möglich ist, eine direkte akustische Signalrekonstruktion mit der digitalen Ansteuerung von Array-Lautsprechern zu realisieren. Allerdings konnte die erwartete Effizienzsteigerung nicht erzielt werden. Die digitale Ansteuerung schnitt, im Vergleich zur Analogen, bei allen drei Anregungsfrequenzen zwischen 5 dB und 10 dB schlechter ab. Auch die Werte der harmonischen Verzerrungen sind selbst durch eine Korrektur der Laufzeiten, verglichen mit dem aktuellen Stand der konventionellen Lautsprecher, noch zu hoch. Es konnte gezeigt werden, dass sich durch eine Erhöhung der Auflösung eine Verbesserung der Rekontruktionsqualität einstellt. Der Ansatz eines digital angesteuerten Array- Lautsprechers könnte eine Alternative zu konventionellen Lautsprechern werden, wenn zukünftige Technologien die Ansteuerungsmethoden, Erhöhung der Array-Elementezahl und deren akustisches Verhalten optimieren.

Mit der Binauraltechnik sind wir in der Lage, die akustischen Eigenschaften eines Raumes, sowie die exakte Position von Schallquellen in diesem Raum aufzunehmen und einem Hörer realitätsgetreu wiederzugeben. Weiter eröffnet sich mit dem detaillierten akustischen Abbildungsmodell durch binauraler Raumimpulsantworten ((BRIR-binaural room impule response) die Möglichkeit, virtuell, beliebige Quellen, an beliebige Positionen relativ zum Hörer, in beliebige Räumen zu setzen. BRIRs sind kopfbezogene Raumimpulsantworten, getrennt für das linke und rechte Ohr. Bei hinreichender Genauigkeit des Modells entsteht eine akustische Bühne, die in Ihrem Erscheinungsbild der tatsächlichen Hörsituation in nichts nachsteht. Die nachfolgende Arbeit befasst sich zunächst mit einer kurzen Erklärung der Mechanismen des räumlichen Hörens. Das Hauptaugenmerk dieser Arbeit liegt in der Synthese von virtuellen Zwischenräumen zwischen zwei BRIRs. Im Gegensatz zu vorangegangenen Arbeiten, die sich schwerpunktmäßig mit der Interpolation verschiedener Schallquelle - Hörer Anordnungen befassten, liegt in dieser Arbeit der Fokus auf der Interpolation von Rauminformationen zwischen einer Start- und Ziel-BRIR. Das Ergebnis soll darin bestehen, dem Hörer eine interaktive Möglichkeit zu geben zwischen den raumakustischen Modellen zweier Räume, kodiert in den jeweiligen BRIRs für eine in beiden Räumen identische Schallquelle - Hörer Anordnung, nach Belieben zu wechseln. Zu diesem Zweck findet zuerst die Auswahl eines für diese Aufgabenstellung geeigneten Überblendverfahrens statt. Mit diesem Verfahren werden neue Zwischenräume synthetisiert, die anschließend in ein VST-Plugin, das bereits in früheren Versuchen Anwendung beim Wechsel zwischen verschiedenen Schallquelle - Hörer Anordnungen fand, integriert werden. Dieses Plugin ist in der Lage, in nahezu Echtzeit eine Faltung zwischen einem Stimulussignal und einer BRIR zu berechnen. Eine Simulation dieses Signals wird in dem Raum erzeugt, der in der BRIR kodiert ist. Weiterhin findet eine qualitative Analyse der synthetisierten Zwischen-BRIRs statt, die um einen kleinen Hörtest ergänzt wird, in dem der Wiedererkennungswert der originalen BRIRs im realen Aufnahmeraum in Relation zu den erzeugten Zwischenräumen untersucht wird.

Personal Sound Zones sind Bereiche, in denen Audiosignale wahrgenommen werden können, die nur für diesen bestimmten Bereich vorgesehen sind. Das Fraunhofer-Institut für Digitale Medientechnologie IDMT hat ein Lautsprecherarray entwickelt, mit dem solche Sound Zones erzeugt werden können. Dabei werden Audiosignale mit Hilfe von beamforming in unterschiedliche Richtungen abgestrahlt. Ziel dieser Bachelorarbeit ist es, diese so erstellten Sound Zones in Bezug auf Interferenzen, d.h. Übersprechen der Signale, zu evaluieren. Dies geschieht mit Hilfe von Probandentests, in denen zunächst akzeptable Lautstärken eingestellt werden, die in einem weiteren Test in Bezug auf dirstraction (dt. Ablenkung) bewertet werden. Dabei geht es darum, wie sehr ein Signal, das von außerhalb der Zone kommt, in der sich der Proband befindet, von dem Signal ablenkt, welches für die Zone bestimmt ist. Die Auswertung ergibt im Allgemeinen, dass die Bewertung umso besser ausfällt, je leiser das Störsignal ist. Allerdings werden Signale, bei denen teilweise Frequenzen abgeschnitten sind, in manchen Fällen sogar besser bewertet als unbeschnittene Signale, die leiser sind. Auf Grundlage der gewonnenen Erkenntnisse werden weiterführende Fragestellungen und Tests aufgezeigt.

Die vorliegende Bachelorarbeit befasst sich mit der automatischen Segmentierung von Audiodaten. Anhand von Ergebnissen einer Instrumentenklassifikation sollen Segmente aggregiert werden, die bezüglich ihrer Instrumentenklasse homogen sind, d.h. jedes Segment enthält genau eine Klasse bzw. ein aktives Instrument. Dazu soll untersucht werden, inwieweit sich standardisierte Clusterverfahren dafür eignen, Daten dieser Art zu segmentieren. Um valide Aussagen treffen zu können werden auf der Basis eines erstellten Klassikdatensatzes Referenzdaten annotiert und anschließend mit den automatisch bestimmten Segmenten verglichen. Zur Bewertung der Ergebnisse werden gängige Evaluationsmaße der Audiosegmentierung genutzt. Nach der Untersuchung fünf ausgewählter Verfahren sollen Tendenzen hinsichtlich besonderer Eignung einiger Algorithmen erkannt werden. Abschließend werden Freiheitsgrade dieser Verfahren bestimmt, deren Änderung experimentell auf ihre Fähigkeit hinsichtlich einer Verbesserung der Segmentierung untersucht wird.

Heutzutage gibt es zwei Möglichkeiten, um die Position eines Hörereignisses im Raum zu erkennen. Es gibt die egozentrische Methode, welche besagt, dass ein Referenzpunkt innerhalb des Kopfes des Hörers simuliert wird. Die zweite Methode ist die exozentrische Methode. Bei dieser Methode wird im Raum projiziert, dass ein Testsignal in einer planaren Zeigetechnik realisiert wird. In dieser Bachelorarbeit wird die Entwicklung eines Hörtestdesigns zur intuitiven Eingabe der wahrgenommenen Schallquellenbewegungen mit Programmrealisierung durch HTML beschrieben. Das Programm bezieht sich auf einen Hörtest mit unterschiedlichen Hörsamples. Weiterhin wird eine Evaluierungsmethodik zur Bewertung der Position von bewegten Schallquellen dargestellt. Die Auswertung der Hörversuche wird in dieser Arbeit aufgezeigt.

Diese Arbeit beschäftigt sich mit dem Einfluss von Raumgrößen und Raumeigenschaften des Wiedergaberaumes auf das Qualitätsempfinden von binauraler Musikwiedergabe. Zusätzlich wird dabei ein Blick auf die Externalisierung gelegt und versucht, Präferenzen und Zusammenhänge bezüglich einzelner Musikgenres zu ermitteln. Um dies zu untersuchen, wurde ein Probandentest in divergenten Räumen durchgeführt. In ihm sollte die wahrgenommene Qualität von verschiedenen Musikstücken, gefalten mit unterschiedlichen binauralen Raumimpulsantworten, untereinander verglichen und bewertet werden, sowie deren Externalisierung. Verwendet wurden dazu einkanalige Raumimpulsantworten und binaurale Raumimpulsantworten aus Räumen mit verschiedenen Größen und Halleigenschaften. Als Ergebnis zeigte sich, dass für die einzelnen Stücke der reale Wiedergaberaum weniger Einfluss auf die Bewertung hat, als angenommen. Außerdem wirken sich auf die Qualitätsbewertung der Kontext in Form von Inhalt und Art der Wiedergabe und das Musikgenre bei der Wiedergabe mehr mit aus als erwartet. Dies stellte sich sowohl in Interviews, die mit den Probanden nach den Bewertungen geführt wurden, als auch in den Ergebnissen aus den verschiedenen Bewertungsverfahren heraus. Schließlich konnte für die binaurale Musikwiedergabe festgestellt werden, dass für die Hörer bevorzugte Raumeigenschaften und -größen für die Wiedergabe mehr von inhaltlichem Kontext und wiedergegebenem Genre abhängen und dass es dabei weniger Zusammenhang mit dem realen Wiedergaberaum gibt. Derartige Auswirkungen ergaben sich auch für die wahrgenommene Externalisierung. Bei den Hörern spielt hier sehr stark ihre Vorstellung mit ein und der sichtbare Wiedergaberaum wird zum Teil gänzlich ausgeblendet. Als Präferenz bezüglich der Musikgenres resultierte, dass Binauralität gerade für klassische und instrumentale Musikstücke stark bevorzugt wird, weniger aber für modernere Musik. Dahingehend bleibt nun Raum für weitere Arbeiten auf diesem Gebiet und noch umfangreichere Tests.

Die objektbasierte Tonwiedergabe bringt dem Zuhörer ein völlig neues Hörerlebnis durch individuelles personalisieren von Tonszenen. Jede Schallquelle eines Filmes oder eines Musikstückes ist dabei ein Audioobjekt. Jedes dieser Objekte lässt sich individuell anpassen. Zum Beispiel kann man beim Hören von Musik einzelne Instrumente lauter oder leiser stellen oder auch ganz ausschalten. Bisher wurden bei der kanalbasierten Tonproduktion, fertige Signale für jeden Lautsprecher generiert und gespeichert. Bei der objektbasierten Tonproduktion speichert man Audioobjekte bestehend aus einem Audiosignal und Metadaten in einer Datei ab. Die Metadaten beinhalten Eigenschaften der Schallobjekte und können über die Zeit variieren. Beim Abspielen erfolgt ein synchroner Stream dieser Daten an einen Audiorenderer, der die Lautsprechersignale live berechnet. Dadurch ergeben sich neue Möglichkeiten für Toningenieure. Das Fraunhofer Institut für Digitale Medientechnologie bietet ein Produktions- und Wiedergabesystem für objektbasierte 3D-Tonszenen namens "SpatialSound Wave". Im Rahmen dieser Bachelorarbeit entstand eine prototypische Softwarebibliothek, welche Meta- und Audiodaten einer Tonszene einliest, analysiert und anschließend visuell darstellt. Somit ist es einem Toningenieur möglich, sich einen Überblick über eine vorliegende Szene zu verschaffen und eventuell auftretende Fehler zu diagnostizieren. In dieser Arbeit werden Funktionen des Programms vorgestellt und anschließend auf eine Auswahl an Szenen angewendet. Bei den Untersuchungen der Szenen zeigten sich Auffälligkeiten, welche dabei helfen könnten, den Wiedergabealgorithmus des Renderers zu optimieren und den benötigten Speicherplatz von Tonszenen zu komprimieren. Durch gewonnene Erkenntnisse werden zum Schluss Ideen für die Weiterentwicklung der Softwarebibliothek gegeben.

Die vorliegende Bachelorarbeit befasst sich mit der Fragestellung, ob es durch rein akustische Informationen möglich ist, die eigene Position in einem Raum zu ermitteln. In einer früheren Arbeit wurde dies bereits für Aufnahmen ohne Bewegung untersucht. Ziel der gegenwärtigen Arbeit war die Überprüfung der Verbesserungsmöglichkeiten der Positionserkennung durch Bewegungen während der Aufnahme im Raum. Es wurde ein Überblick über die physikalischen Grundlagen der Schallausbreitung von der Quelle bis zum Hörer, ihrer Wahrnehmung und Lokalisierung gegeben. Zu Beginn wurden Aufnahmen mit In-Ear-Mikrofonen in einem Raum ohne und mit Translations- und Rotationsbewegungen durchgeführt. Aus diesen Aufnahmen wurde ein Hörtest für die Positionserkennung in einer virtuellen akustischen Umgebung angefertigt. Die erhobenen Daten dieses Hörtests und der anschließend durchgeführten Leitfrageninterviews wurden analysiert und interpretiert.

Die vorliegende Bachelorarbeit befasst sich mit dem Thema der automatischen Analyse von Audiodaten. Anhand lokaler Tonartänderungen soll eine Segmentierung von Musiksignalen realisiert werden. Darüber hinaus soll untersucht werden, ob sich Tonartverläufe als Kriterium zur stilistischen Klassifizierung der Audiodaten eignen. Dabei wird die tonale Segmentierung zunächst separat und anschließend auch in Verbindung mit der stilistischen Klassifizierung betrachtet. Zur Umsetzung der automatischen Segmentierung wird ein Merkmal zur Beschreibung des lokalen tonalen Inhaltes von Musiksignalen vorgestellt. Anschließend werden drei verschiedene Verfahren zur automatischen Detektion von Segmentgrenzen mit Hilfe eines Datensatzes aus 30 Pop-Songs evaluiert und verglichen. Für die stilistische Klassifizierung werden Merkmale zur Beschreibung der Art und Häufigkeit auftretender Modulationen in einem Musikstück eingeührt. Diese Merkmale werden einzeln, in Kombination und ergänzt durch weitere Audiofeatures zu zwei Szenarien einer stilistischen Klassifizierung herangezogen: (1) zur historischen Einordnung klassischer Kompositionen in die vier Epochen Barock, Klassik, Romantik und Moderne; (2) zur Identifizierung abendändischer Komponisten. Dafür wird im ersten Szenario ein Datensatz aus 1600 Kompositionen (400 Werke pro Epoche) zur Evaluierung verwendet. Das zweite Szenario wird auf einem Datensatz aus insgesamt 1100 Musikstücken von elf verschiedenen Komponisten (100 Werke pro Komponist) evaluiert.

Durch die rasante Entwicklung der digitalen Medien, vor allem von digitalem Audiomaterial, wird derzeit an innovativen Technologien für Music Information Retrieval (MIR) geforscht. Im Feld der automatischen Transkription ist es das Ziel dieser Arbeit, ein spezielles Verfahren der Bass-Transkription aus Chroma-Features, mit Einschränkung auf den Walking Bass, zu erstellen. Dabei sollen unterschiedliche Vor- und Nachverarbeitungsschritte sowie Chromaverfahren genutzt und verglichen werden. Im ersten Teil werden ein Tiefpass-Filter und ein Harmonic/Percussion-Filter implementiert und auf verschiedene Chromaverfahren wie Non-negative Least Squares (NNLS), Chroma Pitch (CP), Chroma Log Pitch (CLP), Chroma Energy Normalized Statistics (CENS), oder Chroma DCT-Reduced Log Pitch (CRP) angewendet. Es wird untersucht inwieweit sich diese Methoden für eine Bass-Transkription eignen und welche das beste Ergebnis liefert. Dabei zeigt sich, dass das NNLS-Verfahren in Kombination mit einem Tiefpass-Filter die beste Erkennungsrate von 72 % erzielt, wobei dies einem Verfahren aus dem Stand der Technik entspricht. Ein Harmonic/Percussion-Filter zeigte keinen positiven Einfluss auf die Erkennungsrate. Im zweiten Teil wird durch eine Implementierung des Viterbi-Algorithmus der wahrscheinlichste Melodieverlauf, aufgrund einer statistischen Analyse der Intervallsprünge von Walking Bass-Linien bestimmt. Dabei wird als Grundlage das beste Verfahren des vorherigen Abschnitts genutzt, um eine Optimierung zu erzielen. Es stellt sich jedoch heraus, dass mit diesem Verfahren keine Verbesserung festzustellen ist. Zuletzt werden bei den Chromaverfahren die Fenstergrößen die für die Berechnungen ausschlaggebend sind variiert. Hierbei wird untersucht, welche Parameter für eine Bass-Transkription geeignet sind. Es zeigt sich, dass sich eine Blockgröße von 8192 Samples (0.18 sec) und eine Hopsize von 512 (0.01 sec) bis 2048 Samples (0.05 sec) sich ideal für eine Bass-Transkription eignen.

Der rasante Fortschritt der technischen Entwicklung findet immer mehr Anwendung in der Erforschung von Tieren und deren Spezies. Zoologen gelingt es zunehmend eine enorme Menge an Daten zu sammeln. Um Bewegungsmuster und Populationsgrößen zu analysieren werden unter anderen in vielen Gebieten Fotofallen aufgestellt. Diese erzeugen eine große Menge an Bildern, die verarbeitet werden muss. In der heutigen Zeit werden diese Aufnahmen manuell sortiert und annotiert. Diese Arbeit beschäftigt sich mit Algorithmen, die diese Verarbeitung ersetzen sollen. Dabei sollen Tiere automatisch in Bildern erkannt werden. Es wird zunächst auf aktuelle Forschungen eingegangen. Im Speziellen wird der zur Personendetektion entwickelte Detektor Histograms of Oriented Gradients (HOG) von Dalal und Triggs vorgestellt. In dieser Arbeit wird darauf eingegangen, inwiefern sich Deformable Part-Based Models (DPM) von Felzenszwalb et al. für dieses Einsatzgebiet eignen. Sie basieren ebenfalls auf den Merkmalen des HOG - Verfahrens und nutzen eine lose Anordnung von mehreren Modellen zur Detektion. Die anschließende Evaluierung umfasst den Vergleich des von Felzenszwalb et al. implementierten DPM Detektors und deren Erweiterung um formale Grammatiken (DPM + Grammer). Die Grammatikvorschriften wurden um für den Anwendungsfall der Tierdetektion angepassten Variationen erweitert. Zur Klassifizierung findet eine Support Vector Machine (SVM) Anwendung. Als Referenz wird eine in OpenCV entwickelte Variante des HOG Detektors verwendet. Es wurde ein Datensatz aus Bildern mit verschiedenen Tierspezies als Motiv angelegt. Basis ist hier eine vorsortierte Bilderdatenbank des "Snapshot Serengeti" - Projektes von Zooniverse.org. Alle Tiere wurden im Laufe dieser Arbeit annotiert und mit Metadaten hinterlegt. In der Evaluation werden zunächst die Detektoren mit verschiedenen Datensätzen trainiert und anschließend auf andere Datensätze angewendet. Dabei wird in verschiedene Tiergruppen und Schwierigkeitsstufen der Datensätze unterschieden. In dieser Arbeit wurde ein Evaluations Framework entwickelt. Damit ist es möglich mehrere verschiedenen Algorithmen zur Detektion miteinander zu vergleichen. Das Verfahren DPM und die Erweiterung um formale Grammatiken erzielten vielversprechende Ergebnisse. Die eigens für diese Arbeit entwickelten Grammatikvorschriften erzeugten kaum verwertbaren Ergebnisse.

Im Forschungsgebiet der virtuellen Akustik versucht man den steigenden Anforderungen für ein immersives räumliches Hörerlebnis mit neuen Technologien der Schallfeldsynthese entgegenzukommmen. Die Auralisation von akustischen Raumdaten, die mit einem sphärischen Mikrofonarray aufgezeichnet wurden, ist Gegenstand aktueller Forschung und bietet ein Verfahren zur Reproduktion dreidimensionaler Schallfelder mithilfe von Kugelflächenfunktionen. Ziel dieser Arbeit ist die Qualitätsanalyse von Kugelarrayauralisationen. Sie ermöglichen es den richtungsabhängigen Charakter virtueller akustischer Räume authentisch abzubilden. Die Qualität der Auralisation hängt jedoch von den gewählten technischen Parametern ab. Im Rahmen der Untersuchungen wurden Testsignale mit realen und simulierten Kugelarraymessdaten gefiltert und binaural auralisiert. In einem Hörtest wurde der Einfluss der Genauigkeit bei der Schallfeldreproduktion auf die Qualitätswahrnehmung evaluiert, um daraus Anforderungen an die Genauigkeit der Schallfeldabtastung ableiten zu können. Grundlage für das Hörtestdesign bildet die Methode Open Profiling of Quality (OPQ). Sie kombiniert eine quantitative Evaluierung der wahrgenommenen Gesamtqualität und die deskriptive, sensorische Profilbildung zur Erhebung individueller Qualitätsfaktoren. OPQ ermöglicht über die allgemeine Beurteilung der Gesamtqualität hinaus, ein tieferes Verständnis der Qualitätswahrnehmung. Aus den Ergebnissen dieser Arbeit geht hervor, dass die Anforderungen an die Genauigkeit in Bezug auf die gewählte Ordnung einer statischen Kugelarrayauralisation für eine hohe Qualitätswahrnehmung vergleichsweise gering sind. Außerdem zeigte sich, dass OPQ sich gut zur Qualitätsevaluierung binauraler Auralisationen durch naive Probanden eignet. Jedoch sollte die Anwendung der Methode besser in einem audiovisuellen Kontext stattfinden, da sich die Untersuchung sehr ähnlicher, unimodaler Signale als problematisch erweist.

Die Bachelorarbeit befasst sich mit der Fragestellung nach einer Abhängigkeit zwischen dem Raum, in dem sich ein Hörer befindet und dem, der auf den Kopfhörern abgebildet wird. Da der Hörer eine ganz bestimmte Vorstellung vom Klang eines Raumes hat, liegt die Vermutung nahe, dass eine Abweichung dieser Vorstellung zu einem unrealistischen Klangeindruck führt. Inwieweit sich dieser Fakt auf die Plausibilität der Binauralwiedergabe auswirkt, soll in dieser Arbeit untersucht werden. Hierbei liegt die Betrachtung ausschließlich auf der Manipulation der Nachhallzeit von original gemessenen binauralen Raumimpulsantworten, um ein genaues Verständnis für den Zusammenhang zwischen diesem Parameter und der Externalität einer Binauralwiedergabe zu bekommen. Die erlangten Ergebnisse stützen sich auf einen Hörversuch, der im Rahmen dieser Arbeit durchgeführt wurde.

Diese Bachelorarbeit befasst sich mit der Klassifikation von Audioaufnahmen westlicher klassischer Musik im Bezug auf die Stilistik. Dazu wird untersucht, inwieweit der Ausgang der Klassifikation von der Information über die jeweilige Tonart der Stücke profitiert. Um die Tonart eines Stückes bestimmen zu können, bedarf es im realen Anwendungsfall einer automatischen Erkennung dergleichen. In dieser Arbeit werden vier gängige Verfahren zur automatischen Tonarterkennung untersucht. Dazu werden zunächst die Erkennungsraten auf geeigneten Datensätzen ermittelt und die zugehörigen Parameter optimiert. Die Klassifikation in die Epochen westlicher Musik Barock, Klassik, Romantik und Moderne wird auf einem 1600 Stück großem Datensatz getestet. Mittels der Tonart werden die Stücke nach Tongeschlecht (Dur/Moll) aufgeteilt. Für jedes Stück wird eine globale Chromastatistik extrahiert, welche anschließend zirkulär rotiert wird, bis der Grundton der jeweiligen Tonart an erster Stelle steht. Anhand dieser relativen Tonhöhenklassen werden für die Dur-, als auch für die Moll-Stücke separate Modelle trainiert und die Testdaten anschließend entsprechend klassifiziert. Es wird gezeigt, dass relative Tonhöhenklassen, welche sich die Information über die Tonart zu Nutze machen, das Klassifikationsergebnis gegenüber einfachen Chromamerkmalen deutlich verbessern. Eine gute Methode zur automatischen Tonarterkennung führt wiederum zu guten Klassifikationsergebnissen und übertrifft in manchen Fällen sogar die korrekt annotierten Tonarten. Ein ausführlicher Vergleich mit weiteren chromabasierten Merkmalen zeigt, dass relative Tonhöhenklassen in vielerlei Hinsicht stabile und effiziente Merkmale darstellen. Die Klassifikation auf Basis von globalen Chromamerkmalen erreicht jedoch nicht den Stand der Technik auf dem Gebiet der stilistischen Klassifikation.

SpatialSound Wave ist ein wellenfeldsynthese-basiertes Audiosystem zur räumlichen Wiedergabe virtueller Audioszenen auf reduzierten Lautsprechersetups. Es wurde am Fraunhofer-Institut für Digitale Medientechnologie IDMT in Ilmenau entwickelt und wird unter anderem in Planetarien, Tonstudios sowie als mobiles System verwendet. Um SpatialSound Wave auch zur Beschallung von Bühnen nutzen zu können, bedarf es umfangreicher Erweiterungen der bisherigen Audio-Rendering-Struktur. Zusätzlich müssen geeignete Lautsprechersetups entwickelt werden. Der Zuhörer soll schlussendlich in der Lage sein, das Geschehen auf der Bühne nicht nur in angemessener Lautstärke sondern auch räumlich transparent wahrnehmen zu können. Um virtuelle Quellen möglichst präzise und unabhängig von der Position des Hörers erzeugen zu können, müssen die konventionellen Stereo-Setups um zusätzliche Lautsprecher erweitert werden. Die entstehenden Teilsysteme werden unter Beachtung des Haas-Effektes aufeinander abgestimmt und können so unterschiedlich dimensioniert werden. In dieser Arbeit wird zunächst die bisherige Rendering-Struktur von SpatialSound Wave um die Möglichkeit für front-orientierte Bühnenbeschallung erweitert und anschließend entsprechende Lautsprechersetups entwickelt. Im Rahmen eines Probandentests wurden die Lokalisationseigenschaften sowie der relative Höreindruck der jeweiligen Systeme evaluiert. Die Auswertung der Daten bestätigt, dass die neu entwickelten Setups bezüglich beider Kriterien einem konventionellen Stereosystem deutlich überlegen sind. Durch Messungen konnte bei allen Testsystemen eine gute bis sehr gute Sprachverständlichkeit festgestellt werden. Zur späteren Nutzung wurde ein Entwurf für eine grafische Benutzeroberfläche ausgearbeitet, deren Bedienstruktur speziell zur Verwendung mit den entwickelten Lautsprechersystemen ausgelegt ist.

Für die Verbesserung der Ausbildung von Stabskräften beim Bundesamt für Bevölkerungsschutz und Katastrophenhilfe wurde das Projekt Medientechnologie für die interaktive Lagekarte, kurz MiLK, ins Leben gerufen. Es soll eine webbasierte Lernumgebung entstehen, die ein interaktives Training an der Lagekarte ermöglicht. Die Lernumgebung besteht aus einer Lehrer- und einer Schüleranwendung. In der Lehreranwendung können Übungen erstellt werden, die durch den Schüler später gelöst werden müssen. Aufbauend auf einer ersten Implementierung der Lehreranwendung befasst sich diese Arbeit mit der Speicherung von Übungsdaten in einer RDF-Datenbank, um Übungen zu einem späteren Zeitpunkt abrufen oder verändern zu können. Hierzu werden die von der Benutzeroberfläche generierten Daten für die Speicherung in eine RDF/XML-Darstellung überführt. Des Weiteren beschreibt diese Arbeit die Implementierung einer Datenschnittstelle, welche die Daten mittels Konvertierung für die Speicherung in der RDF-Datenbank vorbereitet und gespeicherte Daten aufbereitet zur Verfügung stellt. Weiterhin wird eine Lösung entwickelt und prototypisch implementiert, mit der, mittels einer WebSocket-Verbindung, Änderungen in der Datenbank an andere Systeme weitergegeben werden können, ohne dass diese die Daten explizit abrufen müssen.

In dieser Arbeit wird untersucht, welchen Einfluss Musik auf die wahrgenommene Emotion bei der Rezeption von Spielfilmszenen hat. Im Vordergrund stehen dabei Emotionen des Ekels, der Angst sowie starker (negativer) Aktivierung, welche durch den Einsatz bestimmter Musikstücke verstärkt oder abgeschwächt werden sollten. Hierfür wurden fünf Filmszenen kommerzieller Spielfilme ausgewählt und anschließend mit verschiedenen Musikstücken unterlegt, um unterschiedliche Stimuli hinsichtlich der emotionalen Qualität und Intensität zu erzeugen. Neben Grundlagen der kognitiven Emotionsforschung werden dabei auch Erkenntnisse und die geschichtliche Entwicklung der zeitgenössischen Emotionsforschung sowie Besonderheiten film- und musikinduzierter Emotionen näher beleuchtet und in die Konzeption der Stimuli integriert. Die emotionalen Reaktionen der Probanden wurden im Rahmen eines Laborexperimentes anhand einer modifizierten Version des Positive and Negative Affect Schedule (PANAS) nach Watson & Tellegen (1988) erfasst und anschließend statistisch ausgewertet. Die einzelnen Film- und Audiosequenzen wurden hierfür zuerst in ein mehrdimensionales Modell eingeordnet, anschließend wurden die statistischen Messwerte hinsichtlich ihrer zentralen Tendenz miteinander verglichen. An dem Experiment nahmen 37 Personen einer selektiven Stichprobe teil. Dabei zeigten sich signifikante Unterschiede zwischen den emotionalen Reaktionen der einzelnen Stimulusgruppen. Bei drei der fünf Filmszenen ließen sich Hinweise dafür finden, dass Musik spezifische emotionale Wirkungen im Kontext aktivierender Filmsequenzen auslösen kann. Hierbei ließen sich deutliche Zusammenhänge zwischen der emotionalen Wirkung eines Musikstückes und der emotionalen Wirkung der Filmsequenz, in welchem dieses Musikstück eingesetzt wurde, erkennen. Weiterhin konnte beobachtet werden, dass die Konfrontation der Probanden mit einem stark negativen visuellen Reiz zu einem geringeren Einfluss von Musik auf die emotionale Reaktion führte.

Die vorliegende Arbeit untersucht Fehler in Metadaten von Musikstücken. Sie wird durch das Bedürfnis motiviert, qualitative Informationssysteme ohne Duplikate mit geringem manuellen Aufwand zu realisieren. Fehler werden dabei als Ursache dieser Duplikate betrachtet. Ziel der Arbeit ist es, grundlegende Techniken zur Identifikation von Audio-Metadaten-Dubletten zu beschreiben und anschließend ihre Eignung durch reale Testdaten zu überprüfen. Die vier Phasen, die für eine erfolgreiche Duplikaterekennung notwendig sind, werden vorgestellt. Besonders Distanzmaße zur Messung der Ähnlichkeit zweier Zeichenketten und Klassifikationsmethoden werden im Detail beschrieben.

Die Anzahl täglich erstellter Audioaufnahmen ist vor allem durch die zunehmende Verbreitung von mobilen Aufnahmegeräten in den letzten Jahren enorm gestiegen. Allerdings ist durch vielfältige Bearbeitungsmöglichkeiten nicht immer gewährleistet, dass der Inhalt einer Datei auch dem der originalen Aufnahme entspricht. Um mögliche Bearbeitungen zu entdecken, wurden in den letzten Jahren verschiedene Ansätze entwickelt. Einer dieser Ansätze basiert darauf, dass für die Aufnahme verwendete Mikrofon zu identifizieren und damit zu gewährleisten, dass die gesamte Aufzeichnung mit dem selben Gerät durchgeführt wurde. Ziel dieser Arbeit ist es, ein solches Verfahren zur Mikrofonklassifizierung durch die Analyse und Verarbeitung von Umgebungseinflüßen zu erweitern und so die Genauigkeit der Ergebnisse zu verbessern um eine höhere Zuverlässigkeit zu erreichen.

Diese Bachelorarbeit befasst sich mit der Messung und Auswertung raumakustischer Parameter von Seminarräumen an der Technischen Universität Ilmenau hinsichtlich der Sprachverständlichkeit. Hierzu wird im ersten Schritt der Messvorgang erläutert. Im Fokus der Betrachtung befinden sich die Nachhallzeit, die frühe Abklingzeit, das Deutlichkeitsmaß, der Deutlichkeitsgrad und der Schalldruckpegel. Die Parameter werden für fünf Räume unterschiedlichen Charakters erhoben und anschließend verglichen.

Diese Arbeit beschäftigt sich mit der Identifizierung und Beschreibung von Strukturen, sogenannten Patterns, in Anwendungen des Game-Based Learnings, welche die Lernprozess von Nutzern unterstützen. Als Grundlage für deren Beschreibung dient das Storyboarding, welches gleichzeitig auch in der Spielentwicklung als Element eines Spieles angewendet werden kann. Für die Herausarbeitung dieser Storyboard-Patterns muss eingangs auf das Storyboarding selbst als Werkzeug eingegangen werden. Im weiteren Verlauf werden Patterns und Instanzen durch Hinzunahme dieser Storyboards erläutert und abgegrenzt, um auf diese Weise eine Grundlage für die weitere Arbeit mit pädagogischen Patterns zu erhalten. Ziel dieser Arbeit ist die konkrete Identifizierung von pädagogischen Patterns in den Lernspielen "1961", "TraSt" und "GERA", anhand der zuvor festgelegten Eigenschaften. Zusätzlich soll im Rahmen dieser Arbeit eine Anwendung entstehen, die den Einsatz eines digitalen Storyboards zeigt.

Im Bereich der Virtuellen Realität gibt es stets neue technologische Fortschritte, um den akustischen Eindruck so realitätsnah wie möglich zu gestalten. Eine wirklichkeitsgetreue Simulation von audiovisuellen Inhalten erfordert neben der Richtungswahrnehmung zusätzlich die Darstellung räumlicher Tiefe. Insbesondere mit der Entwicklung von mobilen Virtual-Reality-Brillen steigt das Interesse an personengebundenen Wiedergabesystemen zur dreidimensionalen Klangabbildung. Die binaurale Kopfhörerwiedergabe eignet sich dafür im besonderen Maße. Das Ziel der Arbeit ist die Entwicklung eines Raumsimulationskonzeptes zur Distanzdarstellung von virtuellen Schallquellen unter Verwendung der Binauralsynthese. Als Grundlage dient die objektbasierte Wiedergabe virtueller Klangszenen, die eine getrennte Betrachtung von Schallquellen unabhängig vom Wiedergabesystem ermöglicht. Die Arbeit analysiert zwei bisherige Ansätze der objektbasierten Raumsimulation und vergleicht diese hinsichtlich ihrer Vor- und Nachteile zur akustischen Realitätstreue sowie zur Signalverarbeitung. Auf Basis der gewonnenen Erkenntnisse gibt die Arbeit einen Vorschlag zur Vereinigung der Algorithmen in einem einzigen Konzept. Unter Berücksichtigung der Mechanismen des menschlichen Entfernungshörens erfolgt die detaillierte Vorstellung der entworfenen Algorithmen. Diese werden zudem in einem Software-Prototypen implementiert und evaluiert. Die Ergebnisse der objektiven Vergleiche zwischen gemessenen und simulierten Raumimpulsantworten zeigen eine realitätsnahe Abbildung der Initialzeitlücken auf. Auch hinsichtlich anderer Distanzmerkmale, wie das Verhältnis von Direktschallenergie zu Nachhallenergie sind grundsätzliche Ähnlichkeiten erkennbar. Da die Wahrnehmungsqualität von den Eigenschaften des zu simulierenden Raumes und der verwendeten Kopfübertragungsfunktionen abhängt, muss der Parametersatz für die Simulation besonders sorgsam ermittelt werden. Insgesamt gibt das entworfene Rendering-Konzept einen Vorschlag zur Erweiterung der binauralsynthesebasierten Raumsimulation, um den Eindruck räumlicher Entfernung virtueller Schallquellen zu vermitteln. Aus den informellen Hörtests ist zu entnehmen, dass die Integration entfernungsabhängiger Eigenschaften unter Einschränkungen zu einem gewünschten relativen Entfernungseindruck führt.

Extreme Wetterphänomene, bedingt durch den voranschreitenden Klimawandel, und terroristische Anschläge stellen nur zwei aus einer Vielzahl von Situationen dar, die ein hohes Gefährdungspotential für die Menschheit mit sich bringen. Kommt es zu einem Katastrophenfall, so ist die Lage oft unübersichtlich und erfordert enorme technische und organisatorische Einsatzmaßnahmen, um die Gefahr einzudämmen. Für diese Aufgabe muss bei den Verantwortlichen der Katastrophenabwehr fundiertes Wissen über die Maßnahmen und Werkzeuge des Krisenmanagements vorhanden sein. Die Ausbildung der Führungskräfte für den Einsatz übernimmt in Deutschland das BBK (Bundesamt für Bevölkerungsschutz und Katastrophenhilfe). Bei den Lehrgängen hat sich gezeigt, dass das vermittelte theoretische Wissen durch das Fehlen von realitätsnahen praktischen Übungsmöglichkeiten nur teilweise angewendet werden kann. Um die Qualität der Lehrgänge zu verbessern, soll auf Basis der Webble-Technologie eine interaktive Lernumgebung entwickelt werden, die sich auf die Vermittlung der Grundlagen der Lagedarstellung konzentriert. Dafür werden in der vorliegenden Arbeit sowohl ein Konzept als auch ein Design und das User Interface für dieses System nach den Grundsätzen der Usability (deutsch: Gebrauchstauglichkeit) entwickelt. Ziel dabei ist die Implementierung eines funktionsfähigen Prototyps, welcher das entwickelte Konzept veranschaulicht.

Die Arbeit befasst sich mit dem Einfluss der Gehäusegeometrie auf das Schwingungsverhalten und die akustischen Übertragungseigenschaften geschlossener Lautsprecher. Bei sehr flachen und gleichzeitig langen Gehäuseformen treten Effekte auf, die durch die klassischen Berechnungsvorschriften geschlossener Lautsprecher nicht erklärt werden können. Im Detail ist dies ein Absinken der Resonanzfrequenz sobald die Gehäusetiefe bei konstantem Volumen reduziert wird. Dieser Effekt wird verstärkt, wenn zudem eine zweite Dimension verkleinert wird, so dass ein langes, flaches Lautsprechergehäuse entsteht. Der Einfluss der Gehäusegeometrie auf das Schwingungsverhalten wurde in vorangegangenen Arbeiten aufgezeigt und lässt sich durch die Oszillationseigenschaften der Luft im Gehäuseinneren sowie durch Grenzschichteffekte erklären. In dieser Arbeit werden die akustischen Auswirkungen der tieferen Resonanzfrequenz untersucht sowie weitere Parametervariationen durchgeführt. Neben einer Variation der Wandlerposition und der Membranmasse wird der Effekt an einem zweiten Wandler überprüft. Die Messergebnisse zeigen einen geringfügig höheren Schalldruckpegel unterhalb der Resonanzfrequenz, sobald die Gehäusetiefe bei konstantem Volumen reduziert wird. Verstärkt wird dieser Trend, wenn eine zweite Dimension des Lautsprechers minimiert und die Wandlerposition Richtung Rand verschoben wird. Eine interessante Beobachtung ergibt der Verlauf nichtlinearer harmonischer Verzerrung unterhalb der Resonanzfrequenz, der trotz größerer Membranauslenkung geringere Werte aufweist. Dies könnte ein Vorteil flacher, langer Gehäuse gegenüber konventionellen Gehäuseformen sein. Gleichzeitig steigt mit der Variation der Gehäusegeometrie aber auch der Einfluss von Stehwellen im Lautsprechergehäuse, der zu lokalen Minima und Maxima im Frequenzgang führt. Die Messungen an einem zweiten Wandler zeigen, dass der Einfluss der Gehäusegeometrie von verschiedenen Parametern, insbesondere der Membranmasse sowie der Steifigkeit der Aufhängung abhängt und dementsprechend unterschiedlich stark auftritt.

Mikrofonarrays mit kugelförmig angeordneten Mikrofonen erlauben eine dreidimensionale Abtastung räumlicher Schallfelder. Die so aufgezeichneten Messdaten können auf beliebigen Wiedergabesystemen, wie z.B. mithilfe der Wellenfeldsynthese (WFS) oder für die binaurale Wiedergabe über Kopfhörer auralisiert, also hörbar gemacht werden. Somit soll einem Hörer der Eindruck vermittelt werden, sich in dem gemessenen Raum zu befinden. Der Frequenzbereich, der fehlerfrei durch ein Mikrofonarray aufgezeichnet werden kann, ist stark von der verwendeten Array-Konfiguration abhängig. Auch Messfehler, wie räumliches Aliasing oder Mikrofonrauschen schränken die verwendbare Bandbreite des Arrays bei hohen bzw. niedrigen Frequenzen ein. Mithilfe von Verfahren zur psychoakustischen Bandbreitenerweiterung soll der Frequenzbereich bei der binauralen Auralisation von Kugelarraydaten erweitert werden. Basierend auf dem Prinzip der "missing fundamental" (deutsch: fehlender Grundton) kann dem Menschen auch beim Fehlen niedriger Frequenzen ein Tieftoneindruck vermittelt werden. Die Qualität der Tieftonwiedergabe wurde in einem subjektiven Hörtest untersucht und bewertet. Dabei wurde gezeigt, dass eine Bandbreitenerweiterung die Qualität der Wiedergabe bandbegrenzter räumlicher Schallfelder verbessern kann.

Diese Bachelorarbeit beschreibt den Vorgang des Designs und der anschließenden Verifikation von Soundbeispielen, um diese in einem zweidimensionalen Modell mit den Achsen Valenz und Erregung abzubilden. Ziel der Arbeit ist es, 18 geeignete Beispiele zu erstellen, welche anhand der fünf Basisemotionen Freude, Angst, Wut, Ekel bzw. Ablehnung und Trauer, definiert nach Charles Darwin, klassifiziert werden können. Diese sollen danach in einem eigenen Hörtest geprüft werden. Anhand der zwei Dimensionen Valenz, Erregung, sowie der zusätzlichen dritten Dimension Dominanz, besteht die weitere Aufgabe in der grafischen Abbildung dieser Beispiele. Weiterführend soll untersucht werden, inwiefern die Manipulation dieser Sounds durch das Hinzufügen einer wahrnehmbaren Distanz eine Rolle für die emotionale Bewertung spielt und somit auch für die Abbildung im Valenz-Erregungs-Modell. Die Arbeit gliedert sich in vier Teile. Der erste behandelt die theoretischen Grundlagen und zeigt mögliche Messmethoden und Verfahren zur Evaluierung von Emotionen. Anhand dieser wird im zweiten Abschnitt die Planung, Erstellung und Durchführung des eigenen Hörtests erläutert. Den Abschluss bildet die Auswertung der ermittelten Daten sowie die anschließende Diskussion über die Ergebnisse. Es wird dargelegt, dass sich die erstellten Soundbeispiele zu weiten Teilen in den Bereichen des Valenz-Erregungs-Modells wiederfinden, die sich auch in anderen Studien ergaben. Weiterhin zeigen die Eintragungen, dass die überwiegende Mehrheit der manipulierten Sounds signifikante Änderungen bei der Bewertung von Erregung sowie Dominanz aufweisen und sich somit eine Abhängigkeit der dimensionalen Bewertung des Hörers bzgl. der wahrgenommenen Distanz ergibt.

Im Rahmen dieser Bachelorarbeit wurde untersucht, in wie weit eine Software zur Klassifikation von Musik nach ihren rhythmischen Eigenschaften durch die Nutzung von Support Vektor Maschinen ausgebaut werden kann. Dabei kam in der Referenzimplementierung ein k-Nearest-Neighbour Verfahren zum Einsatz, wobei eine Vorselektion relevanter Pattern über andere Audiomerkmale vorgenommen wurde. Für die Beschreibung der rhythmischen Eigenschaften wurden die Log-Lag-AKF sowie eine Darstellung im Zeitbereich genutzt. Zum Abgleich der Pattern kamen mehrere Ähnlichkeitsmaße auf Basis der Kreuzkorrelation zum Einsatz. Dabei wurde die Nutzung weicher Maxima eruiert, über die durch eine Summierung aller Überlagerungen eine mathematisch valide Kernfunktion definiert werden kann. Weiterhin wurde eine Kernfunktion entwickelt, die eine Begrenzung auf wenige Verschiebungen ermöglicht. Außerdem wurde untersucht, inwieweit sich über einfache synthetisierte Referenzpattern eine ausreichende Abbildung der Pattern entwickeln lässt. Die einzelnen Verfahren wurden bei Tests an zwei verschiedenen Datensätzen hinsichtlich ihrer Klassifikationsgüte sowie ihres Rechenaufwands geprüft. Dabei hat sich gezeigt, dass keines der Verfahren die Referenzimplementierung in beiden Aspekten übertreffen kann. Die Gründe hierfür werden untersucht und dargestellt.

Die binaurale Wiedergabe von Audiosignalen über Kopfhörer ermöglicht die gehörrichtige Abbildung auditiver Umgebungen. Diese Arbeit umfasst eine Untersuchung der gehörrichtigen Kopfhörerwiedergabe unbearbeiteter zweikanaliger Stereo-Signale durch die binaurale Simulation einer optimal positionierten zweikanaligen Lautsprecherwiedergabe für zwei auditive Umgebungen. Anhand der Messung von individuellen Raumimpulsantworten wird die binaurale Simulation über ein zweikanaliges Shaping- und Panning-Verfahren erstellt. Die halbautomatisierten MATLAB-Verfahren ermöglichen eine individuelle Anpassung. Die Evaluierung erfolgt über einen dreiteiligen Hörtest der Grundgesamtheit von 28 Nicht-Experten Hörern. Diese Arbeit untersucht Ursachen und Zusammenhänge der Distanzwahrnehmung, der Richtungswahrnehmung sowie der subjektiv wahrgenommenen Klangqualität für zweikanalige Stereo-Signale. Die Ergebnisse des Hörtests zeigen, dass über die vorgestellten Verfahren eine gezielte Veränderung des auditiven Distanzeindruckes möglich ist ohne die Lokalisationsgenauigkeit zu verringern. Die Klangqualität der zweikanaligen Stereo-Audiosignale ist hierdurch beeinträchtigt. Die binaurale gehörrichtige Simulation einer zweikanaligen Stereo-Lautsprecherwiedergabe ist mit Einschränkungen dazu geeignet, die subjektive Wahrnehmung einer auditiven Umgebung gezielt zu verändern.

Diese Arbeit befasst sich damit, ein Verfahren zu entwickeln, dass die Saitenerkennung auf Basis von monophonen und polyphonen Gitarrenaufnahmen in Echtzeit ermöglicht. Das hier vorgestellte Gesamtsystem behandelt zwei Teilprobleme der Gitarrentranskription: die reine Transkription, bestehend aus Onset- und Tonhöhenerkennung, die in diesem Fall Mehrstimmigkeit unterstützen muss, und die Zuordnung der Töne zu den entsprechenden Saiten. Die polyphone Tonhöhenerkennung wird durch das Einbetten einer dem Stand der Technik entsprechenden Methode in ein Teilsystem zur Extraktion von Tonkandidaten aus dem Signal realisiert. Aufbauend auf den Ergebnissen dieses ersten Teilschritts werden die spektralen Positionen und Amplituden der Harmonischen der Tonkandidaten abgeleitet, die zur frameweisen Feature-Extraktion und anschließenden Klassikation mittels einer Support Vector Machine (SVM) genutzt werden. Der Klassikationsprozess beruht auf einem maschinellen Lernverfahren und wird durch die Aggregation der Klassikationsergebnisse der einzelnen Frames und einen Plausibilitätslter erweitert. Das System wurde in MATLAB implementiert und zur Umsetzung mit Echtzeitfähigkeit nach C++ portiert. Die Evaluation der Leistungsfähigkeit des präsentierten Verfahrens erfolgt in einer Reihe von Experimenten mit unterschiedlichem Fokus anhand eines manuell annotierten Datensatzes bestehend aus Aufnahmen unterschiedlicher E-Gitarren.

Realistisch wirkende virtuelle Umgebungen werden sowohl in der Industrie, als auch in der Forschung immer wichtiger, um verschiedenste Szenarien visuell als auch akustisch naturgetreu simulieren zu können. Um die akustische räumliche Wahrnehmung zu realisieren, bietet sich dafür die binaurale Kopfhörerwiedergabe an. Für eine virtuelle räumliche Darstellung scheint die genaue Wahrnehmung der Schallquellendistanz von Bedeutung zu sein. Dahingehend wird in dieser Arbeit eine Kunstkopfmessung durchgeführt, in der die Ü bertragungsfunktionen von 0 bis 180 in fein abgestuften Distanzen im Nahfeld gemessen werden, um entstandene binaurale Raumimpulsantworten hinsichtlich verschiedener Distanzmerkmale genauer zu untersuchen. Als Ergebnis zeigt sich, dass insbesondere im Nahfeld die verschiedenen Distanzmerkmale unterschiedlich stark ausgeprägt sind. Eine präzise Parametrisierung von Distanzeigenschaften könnte somit eine wichtige Rolle für das menschliche Entfernungshören spielen, da kleine Distanzänderungen von wenigen Zentimetern die Übertragungsfunktionen, aufgrund von Abschattungs- und Beugungseffekten an Torso, Kopf und Ohrmuschel, stark beeinflussen.

Der Einsatz von Effekten für die Stereo-Soundwiedergabe von Audiosignalen ist bereits gängige Praxis geworden. Diese Arbeit beschreibt Voruntersuchungen, die als Basis für die Entwicklung eines 3D-Klangeffektgerätes dienen. Eine Anwendung ist für verschiedene Wiedergabeverfahren denkbar. Hier werden Untersuchungen für die Wellenfeldsynthese und das SpatialSound Wave des Fraunhofer IDMT durchgeführt. Beide Methoden ermöglichen die akustische Darstellung von Audiosignalen als virtuelle Schallquellen mit real wirkender Raumakustik und mit kreativ erzeugten Effekten. Mithilfe psychoakustischer Bewertungen neuer Effekte, mit denen das Potenzial eines 3D-Klangeffektgerätes analysiert werden kann, wird eine erste Konzeptidee eines 3D-Klangeffektgerätes erarbeitet, und wichtige Eigenschaften vorgestellt.

In dieser Arbeit werden drei Hörtestmethoden auf ihre Eignung zur Untersuchung der räumlichen Wahrnehmung bei binauraler Wiedergabe untersucht. Als quantitative Methoden werden dabei eine Zeiger- und die Herstellungsmethode, als qualitative Methode die Repertory - Grid - Methode verwendet. Eine besondere Analyse und Protokollierung findet dabei über die Anwendung letzterer statt. Die daraus gewonnenen Erkenntnisse sollen als Anwendungs- und Hilfestellungsrichtlinien für weitere Untersuchungen dienen. Neben dem Vergleich der Hörtestmethoden findet eine Zusammenstellung von Parametern und deren Einfluss auf die räumliche Wiedergabe statt. Die Ergebnisse dieser Arbeit zeigen, dass die quantitativen Methoden schnell und vergleichsweise präzise messen, wohingegen die qualitative Methode die umfangreichsten Ergebnisse liefert. Ein weiteres Ergebnis ist, dass die wichtigsten Parameter für die räumliche Wahrnehmung bei binauraler Wiedergabe die Externalität, Natürlichkeit und das Zusammenspiel von Content und Klanggestaltung sind.

Diese Arbeit ist Teil des Forschungsprojekts "Songs2See - Musikvisualisierung und Musiksuche für interaktive Anwendungen anhand transkriptionsbasierter Analyseverfahren", welches derzeit am Fraunhofer Institut für Digitale Medientechnologie erforscht wird. Ziel dieser Arbeit ist die Entwicklung eines echtzeitfähigen Time-Stretching und Pitch-Shifting Algorithmus für Musiksignale unter Einbeziehung von transkriptionsbasierten Metadaten. Der Algorithmus soll abschließend als Teil einer Anwendung der Adobe Flash-Plattform implementiert werden. Neben der Auswahl und Implementierung eines geeigneten Algorithmus beschäftigt sich die Arbeit mit der Verwendung von transkriptionsbasierten Metadaten. Dazu wurde analysiert, in welcher Form diese zur Verbesserung des Algorithmus eingesetzt werden können. Ergebnis der Arbeit ist die Auswahl und Implementierung des Phase Vocoder Algorithmus. Zusätzlich wurde eine Möglichkeit zur Nutzung von transkriptionsbasierten Metadaten in Form von Notenanschlägen zur Verbesserung der Audioqualität entwickelt. Der anschließende Hörtest zeigte, dass die Einbeziehung der Metadaten die Audioqualität in den meisten Fällen verbessern kann.

Dreidimensionale Wiedergabe von Bild und Ton sind derzeit einige der wichtigsten Forschungsfelder für die Medienwiedergabe. Um eine binaurale Tonwiedergabe, mit der ein dreidimensionales Tonerlebnis erzeugt wird, ermöglichen zu können, werden kopfbezogene Übertragungsfunktionen eines Kunstkopfes aufgenommen und in einer Datenbank gespeichert. Diese Funktionen beschreiben sehr präzise die Richtungsmerkmale von Schallquellen anhand von nur zwei Wiedergabequellen. Die Wiedergabe findet dabei über Kopfhörer statt. Da diese Übertragungsfunktionen stark von individuellen Hörern abhängig sind, konnte noch keine kommerzielle Verwendung gefunden werden. Diese Arbeit beinhaltet die Grundlagen, auf denen die binaurale Wiedergabe basiert. Sie befasst sich mit binauralen Merkmalen sowohl im allgemeinen als auch speziell bei kopfbezogenen Übertragungsfunktionen. Ebenso werden verschiedene Mikrofonierungsverfahren angesprochen. Es wird eine Datenbank von kopfbezogenen Übertragungsfunktionen anhand eines Kunstkopfes aufgenommen. Die Durchführung des Vorhabens wurde mitsamt dem Aufbau und den auftretenden Problemen erläutert. Das Endergebnis dieser Arbeit ist eine umfangreiche und möglichst genaue Datenbank aus kopfbezogenen Übertragungsfunktionen für die horizontale Ebene. Vergleiche zu Messungen mit Probanden wurden durchgeführt und analysiert, um eine Grundlage für die effektive Erstellung einer individualisierten Datenbank zu liefern. Die entstandene Datenbank soll später sinnvoll zu weiteren Forschungszwecken eingesetzt werden können.

Diese Bachelorarbeit beschäftigt sich mit der Entwicklung einer Testumgebung für personalisierbare mobile Rundfunkdienste. Im Rahmen dieser Arbeit findet eine Analyse mobiler Endgeräte sowie ihrer Besonderheiten statt und es wird ein Überblick über existierende Übertragungsverfahren gegeben, die speziell auf die Erfordernisse dieser Gerätetypen zugeschnitten sind. Des Weiteren werden verschiedene Forschungsprojekte zu ähnlichen Themen untersucht und dort verwendete Komponenten analysiert. - Basierend auf DVB-H (Digital Video Broadcasting for Handhelds) wird ein Gesamtkonzept zur Übertragung audiovisueller Inhalte, Daten und interaktiver Dienste entworfen, das die spezischen Systemanforderungen konkretisiert sowie die Zusammenstellung und Aufgaben einzelner Tools definiert. - Bei der Umsetzung der Konzeption wird auf frei verfügbare existierende Programme zurckgegriffen und durch Modizierung für eigene Szenarien nutzbar gemacht. Unter Verwendung von verschiedenen Endgeräten entsteht ein erweiterbares Ende-zu-Ende-System, dessen Setup und Möglichkeiten verdeutlicht werden. - Innerhalb der Ergebnisse werden die Funktionstüchtigkeit des Testsystems und mögliche Einsatzgebiete dargestellt sowie Möglichkeiten weiterführender Arbeiten aufgezeigt.

Die vorliegende Arbeit beschäftigt sich mit der Verbesserung von Tiefenkarten im Bereich der Stereoanalyse. In Videokonferenzsystemen wird die Kamera typischerweise so positioniert, dass kein direkter Augenkontakt zwischen den Teilnehmern möglich ist. Mit Hilfe der Tiefenkarten kann eine virtuelle Blickrichtungskorrektur in solch einem Videokonferenzsystem ermöglicht werden. Hierfür werden Tiefeninformationen aus den vorhandenen Stereoaufnahmen extrahiert. Diese Informationen tragen zur Erstellung virtueller Ansichten des Nutzers bei. Da die Tiefenkarten fehlerbehaftet sind, wirkt das synthetisierte Material oft unnatürlich. Für eine Verbesserung ergibt sich die Möglichkeit, Wissen auch aus anderen Bereichen der Bildverarbeitung in die Stereonanalyse einzubeziehen. Es werden gängige Methoden der Bewegungskompensation vorgestellt und implementiert. Die Implementierung erfolgt als Unterstützung der Stereoanalyse während der Tiefenkartenberechnung und als Nachfilterung der erstellten Tiefenkarten. Für die Bewegungsberechnung werden Block-Struktur-Algorithmen ähnlich der Nutzung in Videokodern und die klassische Horn-Schunck-Methode der optischen Flussbestimmung implementiert. Anhand vorhandener und speziell erstellter Testsets wird die Robustheit und Wirkung der erstellten Algorithmen analysiert.

In dieser Arbeit wurde eine Testumgebung für Geräte der Unterhaltungselektronik entwickelt und umgesetzt. Die Arbeit beschreibt ausgehend vom Stand der Technik, in welcher Form Befehle an das Gerät gesendet werden und geht darauf ein, wie diese Befehle erzeugt und übermittelt werden. Es wird die Entwicklung eines IR-Sendemoduls und dessen Ansteuerung sowie der Protokollierung der gesendeten Befehle beschrieben. Bei der Prüfung, ob übliche Fernbedienungssysteme so zu adaptieren sind, dass sie im Rahmen der Testumgebung zur Ansteuerung der Testgeräte verwendet werden können, zeigte sich, dass die Adaptionen sehr aufwändig wären. Dieser Aufwand steht in keinem Verhältnis zum gewünschten Ergebnis. Es wurde eine Mikrocontroller-Plattform gesucht, die die Generierung und Aussendung von IR-Befehlen übernehmen kann. Aufgrund der kompletten Vorkonfiguration und der einfachen Programmierbarkeit fiel die Entscheidung auf die Arduino-Plattform. Der einfache Aufbau der Plattform ermöglicht den direkten Anschluss der Infrarot-LED, mit der die Signale ausgesendet werden. Das Sendemodul erhält vom angeschlossenen Computer lediglich die zu sendende Bitfolge und Informationen über das zu verwendende Übertragungsprotokoll. Mit der zum Arduino gehörenden Programmiersprache "Wiring" wurde ein Programm geschrieben, das diese eingehenden Informationen verarbeitet und die IR-LED aktiviert. Das Sendemodul erhält seine Steuerinformationen durch eine Java-Anwendung, die auf dem angeschlossenen PC läuft. Da für zur Wiederverwendbarkeit diese Informationen speicherbar sein sollen, wurde eine einfache XML-Struktur geschaffen, die die Speicherung in einfachen Textdateien zulässt. Die Java-Anwendung protokolliert die gesendeten Befehle mit Hilfe einer MySQL-Datenbank, die aus zwei Tabellen besteht. Zur späteren manuellen Prüfung der Ausführung eines gesendeten Befehls muss Ablauf der Testsequenz videoüberwacht und aufgezeichnet werden.

Diese Arbeit befasst sich mit der Entwicklung eines Gesichtsdetektionsverfahrens zur Verbesserung von Tiefenkarten für Videokommunikationsanwendungen. Der Aufbau eines Videokommunikationssystems führt typischerweise dazu, dass der für die menschliche Kommunikation enorm wichtige Blickkontakt nicht zustande kommt. Das Setzen einer virtuellen Kamera entgegen der Blickrichtung der kommunizierenden Person kann dieses Problem lösen. Hierzu ist eine dreidimensionale Repräsentation des Nutzers nötig. Diese kann über extrahierte Tiefeninformationen der abgebildeten Szene erzeugt werden. Die zum Beispiel mit Hilfe eines Stereo-Kamera-Systems ermittelten Tiefeninformationen sind jedoch häufig fehlerbehaftet, was zu einem unnatürlich wirkenden 3D-Modell der kommunizierenden Person führt. Zur Verbesserung der Tiefenextraktion können Zusatzinformationen über die Szenenstruktur verwendet werden. Im Bereich der Videokommunikation bietet es sich an, Gesichtsdetektoren einzusetzen und die damit gewonnenen Informationen in der Tiefenanalyse zu nutzen. Diese Arbeit gibt einen ausführlichen Überblick über bestehende Verfahren zur Detektion von Gesichtern und analysiert diese hinsichtlich ihrer Eignung für 3D-Videokommunikation. Auf Hautfarbensegmentierung basierende Verfahren werden als gut geeignet bewertet und deshalb detailliert vorgestellt. Ein, mit einem personalisierten Hautmodell arbeitendes Verfahren wird zur Detektion des Gesichtsbereichs implementiert. Um Gesichtsmerkmale wie die Augen und den Mund zu finden, wird der gefundene Gesichtsbereich auf seine Farb- und Symmetrieeigenschaft untersucht. Über Modellwissen wird eine, die Gesichtsgrenzen beschreibende Ellipse ermittelt. Mit einer handelsüblichen Webcam selbst aufgenommenes Bildmaterial, sowie einer Bilddatenbank entnommenes Material dient exemplarisch der Evaluation des neu entwickelten Verfahrens. Abschließend werden die Ergebnisse diskutiert und Verbesserungsmöglichkeiten vorgestellt.

Eine unauffällige und platzsparende Integration von Audiowiedergabesystemen in Räumen mit Hilfe von Flachlautsprechern war bisher kaum oder nur mit inakzeptablen klanglichen Einbußen möglich. Zur Lösung dieses Problems wurden am Fraunhofer-Institut für Digitale Medientechnologie (IDMT) in Ilmenau Flachlautsprecher mit einer Tiefe von 2,4cm entwickelt, die eine Wiedergabe des Frequenzbereichs von 100Hz bis 20kHz bei einem Schalldruckpegel von 94dB ermöglichen. Anders als bisherige Flachlautsprechertechnologien ermöglichen diese einen Einsatz direkt an der Wand des Hörraumes zur Wiedergabe mit hoher Klangqualität. Bisher wurden diese Flachlautsprecher mit externen Controllern und Verstärkern betrieben. Wichtige Schritte zur Weiterentwicklung der Flachlautsprecher sind die Entwicklung eines effizienten Audioverstärkers sowie eines Filternetzwerks, das Hoch- und Tieftonsignal trennt sowie den Amplitudenfrequenzgang bei tiefen Frequenzen anhebt. Damit sollen die externen Controller und Verstärker ersetzbar sein. Beide sollen in das Flachlautsprechergehäuse integriert werden und dürfen daher eine Bauhöhe von 12mm nicht überschreiten. In dieser Arbeit wurden prototypisch eine Audioverstärker-Schaltung und eine Frequenzweiche entwickelt, die den Anforderungen an einen Einsatz in dem Gehäuse eines 2-Wege Flachlautsprechers genügen. Hierfür wurde zunächst der Markt für integrierte Audioverstärker sowie aktive und passive elektrische Bauelemente zur Realisierung von Audiofilterschaltungen analysiert. Die aktuell verfügbaren Verstärkertechnologien sowie mögliche Filterarten für Frequenzweichen wurden verglichen. Insbesondere auf die aktuell immer mehr an Bedeutung gewinnende Klasse-D Audio-Verstärkertechnik wurde detailliert eingegangen. Auf der Basis dieser Recherchen wurde ein Klasse-D Verstärker und eine analoge aktive Filterschaltung realisiert. Die Schaltung ist inklusive ausreichender Kühlvorrichtungen und bei sehr geringem Volumenbedarf in die Flachlautsprecherbox integrierbar. Im Vergleich zu alternativen Umsetzungsmöglichkeiten, wie z.B. der Verwendung einer digitalen oder passiven Frequenzweiche, ist die entwickelte Platine zudem sehr kostengünstig. - Das Ergebnis dieser Arbeit ist seit Juni 2010 im Ausstellungs-Truck der Fraunhofer-Gesellschaft, sowie in mehreren Flachlautsprechern zu Ausstellungszwecken im Einsatz.

Kopfbezogene Übertragungsfunktionen beschreiben die Veränderung, die eine Schallwelle auf dem Weg von der Quelle zu den Trommelfellen einer Person durch Beugung, Reflexion und Abschattung am Körper erfährt. In ihnen sind räumliche Informationen über ein Schallereignis kodiert, die das menschliche Gehirn zu einem dreidimensionalen Höreindruck verarbeiten kann. Mit Hilfe der kopfbezogenen Übertragungsfunktionen lässt sich die binaurale Wiedergabe realisieren, die ein räumliches Hörerlebnis mit nur zwei Schallquellen ermöglicht. - Die Aufnahme der kopfbezogenen Übertragungsfunktionen sowie der kopfbezogenen Impulsantworten kann auf verschiedene Weise geschehen. Im Rahmen dieser Arbeit wurden drei Aufnahmeverfahren unter gleichen Bedingungen umgesetzt und ihre Ergebnisse analytisch verglichen. Alle Aufnahmen wurden an einem Kunstkopf unter Verwendung unterschiedlicher Mikrofonierungen durchgeführt. Bei den eingesetzten Mikrofonen handelt es sich um die im Kunstkopf integrierten Mikrofone, um Originalkopfmikrofone an einem Kopfbügel sowie um selbstgebaute Sondenmikrofone. - Anhand der aufgenommenen Daten wurden rechnerisch die kopfbezogenen Übertragungsfunktionen und Impulsantworten ermittelt. Aus ihnen wurden die interauralen Laufzeit- und Pegeldifferenzen berechnet. Für Vergleichszwecke wurden die ermittelten Daten weiter aufbereitet und grafisch veranschaulicht. Die Aufnahmeverfahren und ihr Einfluss auf die Ausprägung der binauralen Merkmale wurden betrachtet und bewertet.

In der heutigen Zeit existieren eine Vielzahl von Datei- und Multimediaformaten. Um auf ein bestimmtes Format zuzugreifen und daran Änderungen vornehmen zu können, werden stets spezielle Tools benötigt, die oft nur mit diesem einen Format arbeiten. Diese Arbeit beschäftigt sich mit dem formatunabhängigen Zugriff und der Modifikation von Binärdaten und Metadaten, genauer gesagt von Multimediadaten. Dabei wird die Struktur einer Binärdatei innerhalb einer XML-Repräsentation beschrieben. Zunächst werden aktuelle Standards und existierende Lösungen untersucht. Anschließend wird ein Konzept für ein Toolkit erarbeitet, das den Zugriff und die Modifikation von Binärdateien und gegebene Anwendungsfälle unterstützt. Abschließend wird dieses Konzept prototypisch umgesetzt und ein Ausblick für die Anwendung in zukünftigen Anwendungsfällen gegeben.