Masterstudiengang Medientechnik

Die effektive Klassifizierung akustischer Daten spielt eine zentrale Rolle bei der Weiterentwicklung kontextbezogener mobiler Technologien, assistiver Robotik und der Analyse von Multimedia-Inhalten. Die Nutzung klangbasierter Informationen bietet vielversprechende Anwendungen, doch die Erhebung geeigneter Daten stellt nach wie vor eine Herausforderung dar. Die Entwicklung des maschinellen Lernens hat zu umfangreichen Forschungen in diesem Bereich geführt und Wissenschaftler dazu motiviert, sich mit der Überwindung dieser Hürden zu befassen. Diese Studie konzentriert sich auf die Untersuchung von zwei hochmodernen Algorithmen zur Datengenerierung im Bereich der Klassifizierung akustischer Daten. Durch den Einsatz dieser Algorithmen sollen Daten synthetisiert werden, die akustische Informationen aus der realen Welt widerspiegeln. Anschließend wird dieser generierte Datensatz mit zwei verschiedenen neuronalen Netzwerkarchitekturen trainiert. Die vergleichende Analyse der Leistung dieser Netzwerke befasst sich nicht nur mit den Herausforderungen, die mit der Datenerfassung verbunden sind, sondern bietet auch wertvolle Einblicke in die Effizienz der Nutzung synthetischer Daten für eine genaue Klassifizierung akustischer Daten.

In dieser Arbeit wird eine Schätzung der Ankunftsrichtung (Direction of Arrival, DOA) mithilfe von Ansätzen des maschinellen Lernens vorgeschlagen. Die Time Differences of Arrival (TDOA ), die die sdmPar-Funktion für die DOA-Schätzung nutzt, wird hier verwendet. Der Ansatz für diese Masterarbeit beginnt mit dem richtigen Verständnis des Datensatzes, was zur Konvertierung der Daten in ein leichter zugängliches CSV-Format mit entsprechender Beschriftung führt. Diese Phase der Datenvorverarbeitung ist von entscheidender Bedeutung, um die Qualität des Datensatzes und seine Nützlichkeit für die weitere Analyse zu gewährleisten. Zu diesem Zweck werden auf der Grundlage des Einblicks in den Datensatz geeignete ML-Algorithmen ausgewählt. Die ausgewählten Modelle werden mit den Daten trainiert und die Hyperparameter werden für eine bessere Modellleistung angepasst. Bessere Ergebnisse werden erzielt, wenn die Daten als Zeitreihen verwendet werden. Traditionelle Algorithmen des maschinellen Lernens wie Random Forest (RF) und sequentielle Architekturen des maschinellen Lernens (ML) wie Recurrent-Neural-Network (RNN) und Long Short-Term Memory (LSTM) werden mit Zeitreihendaten trainiert, um eine bessere Leistung zu erzielen. Die Algorithmen werden dann auf der Grundlage der Bewertungsmetriken auf bessere Funktionalität hin verglichen, wobei LSTM besser abschneidet. Die bestehende sdmPar-Funktion wird mit Matlab entwickelt. Die vorgeschlagene Methode beinhaltet auch die Anpassung der sdmPar-Funktion an ein Python-Skript, um eine ähnliche DOA-Schätzung zu erzeugen. Es gibt jedoch einige Einschränkungen, wie zum Beispiel die plattformübergreifende Kompatibilität. Es ist eine sehr schwierige Aufgabe, die sdmPar-Funktion in Python zu konvertieren, da die Funktion in Matlab in die SDM-Toolbox für Matlab integriert ist, so dass die Fehlersuche sehr schwierig ist. Diese Arbeit ist ein einzigartiger Ansatz für die Vorhersage von DOA mit Hilfe eines ML-Algorithmus, der eine Merkmalsextraktion aus der sdmPar-Funktion beinhaltet. Die Studie liefert wertvolle Einblicke in DOA-Schätzverfahren und unterstreicht die Bedeutung einer angemessenen Vorverarbeitung der Daten und der Auswahl des Algorithmus um bessere Ergebnisse zu erzielen.

Die bio-akustische Schallereigniserkennung ist entscheidend für die Überwachung der biologischen Vielfalt, die Beurteilung der Gesundheit von ökosystemen und die Untersuchung tierischen Verhaltens. Die hohe Variabilität von Schallereignissen und die begrenzte Verfügbarkeit von beschrifteten Daten stellen erhebliche Herausforderungen für diese Erkennungsaufgaben dar. Diese Arbeit untersucht das wenige-Schuss-Lernen, eine vielversprechende Lösung zur Erstellung effektiver Modelle mit begrenzten Trainingsdaten für die bio-akustische Schallereigniserkennung. Das Hauptziel dieser Forschung ist es, die Leistung von Deformable CNNs im Vergleich zu regulären CNNs zu untersuchen. Dieser Vergleich wird im Rahmen von zwei wichtigen Strategien zur Erkennung von Schallereignissen durchgeführt: aktives Lernen und Prototypical Network. Im Szenario des aktiven Lernens wurde eine umfassende Reihe von Experimenten durchgeführt, in denen verschiedene Abtaststrategien und ihre Wechselwirkung mit verschiedenen Schwellenwerttechniken untersucht wurden, die in der Nachverarbeitung verwendet wurden. Die Strategie des Prototypical Network wurde ebenfalls gründlich getestet und ihre Leistung bewertet. Die effektivste Systemkonfiguration beinhaltete die Methode des aktiven Lernens mit einem regulären CNN, bei dem keine Schwellenwertbildung in der Nachverarbeitung angewendet wurde. Dieses Ergebnis unterstreicht das Potenzial des aktiven Lernens und regulärer CNNs für die bio-akustische Schallereigniserkennung und betont die bedeutende Rolle geeigneter Abtast- und Schwellenwerttechniken. Die Ergebnisse dieser Studie liefern wertvolle Erkenntnisse für Forscher und Praktiker in der bio-akustischen Schallereigniserkennung und betonen die Notwendigkeit, die Besonderheiten der Aufgabe bei der Auswahl der Lernmethode, des CNN-Typs, der Abtaststrategie und der Nachverarbeitungstechnik zu berücksichtigen. Die Arbeit schließt mit Empfehlungen für die zukünftige Forschung ab und schlägt vor, andere Lernmethoden und ausgefeiltere Abtast- und Schwellenwerttechniken zu erforschen. Darüber hinaus wird empfohlen, diese Methoden in verschiedenen Aufgaben zur Erkennung von Schallereignissen zu testen, um ihre Anwendbarkeit zu beurteilen.

Moderne binaurale Synthesesysteme ermöglichen die Auralisierung virtueller Schallquellen, welche in Bezug auf das menschliche Wahrnehmungsempfinden nicht von der Realität zu unterscheiden sind, durch den Einsatz binauraler Raumimpulsantworten (BRIR). Auf diese Weise können Anwendungen der Augmented Audio Reality (AAR) erstellt werden, in welchen reale und virtuelle Klänge simultan existieren. Zur Verbesserung der Sprachversẗ andlichkeit, Reduktion der Hörermüdung oder zur Darstellung eines aufgrund künstlerischer Aspekte gewollt veränderten Klangbildes, kann es bezüglich mancher Augmented Reality Anwendung jedoch wünschenswert sein, dass diese Syntheseysteme eine gewisse akustische Modifizierbarkeit ermöglichen. Forschungen haben gezeigt, dass die auditive Illusion einer virtuellen Schallquelle zusammenbricht, wenn die virtuelle Akustik zu weit von der Referenzakustik abweicht. Dies wird als Raumdivergenzeffekt bezeichnet. Diese Arbeit untersucht, ob und inwieweit eine Modifikation der auditiven Ästhetik einer Raumumgebung dennoch ohne Beeinträchtigung der Plausibilität eines Schallerlebnisses erreichbar ist. Hierfür wird ein Modifikationsalgorithmus entwickelt, der den späten Nachhall einer BRIR manipuliert und somit den wahrgenommenen Raumklang beeinflusst. Die derart modifizierten BRIRs werden dann in der Testumgebung eines Seminarraums zur Auralisation von AR Szenen herangezogen. In einem perzeptuellen Hörtest erfolgt schließlich die Bewertung der wahrgenommenen Qualität simpler AR-Szenen mit unterschiedlicher Nachhallzeitmodifikation.

Die Realisierung von persönlichen Soundzonen ist ein aufstrebendes Forschungsgebiet in der Audiotechnik und eine konzeptionelle Entwicklungsstrategie für Audiosysteme in zukünftigen Automobilen. Theoretisch können Soundzonen mittels transauraler Wiedergabesysteme und Crosstalk Cancellation künstlich erzeugt werden. In dieser Arbeit wird die Realisierbarkeit von Soundzonen durch die Entwicklung eines prototypischen Audiosystems für mehrere Hörer untersucht. Zudem werden die damit verbundenen technischen Einschränkungen zum Erreichen von separierten Soundzonen, Spatial Audio und einem zufriedenstellenden Hörerlebnis für die individuellen Hörer aufgezeigt. Hierfür werden konzeptionelle Überlegungen und eine objektive Bewertung der Raumakustik, der entworfenen Lautsprecher und der Audiosignalverarbeitung miteinander verknüpft. Zudem wird die Klangqualität des Audiosystems mittels einer Kundenstudie und eines Hörtests bewertet. Die Ergebnisse dieser Arbeit unterstreichen die Anforderungen an ein ausgeklügeltes Lautsprecherdesign und eine wahrnehmungsbasierte Audiosignalverarbeitung, um das Erlebnis von persönlichen Soundzonen zu intensivieren. Darüber hinaus kann das entwickelte Audiosystem in zukünftigen Studien für die Integration von Spatial Audio oder personalisierten Audiosystemen einbezogen werden.