Masterstudiengang Medientechnik

Digitale Daten, Signale und Informationen sind aus der heutigen Zeit nicht mehr wegzudenken. Der Lebens- und Arbeitsalltag vieler Menschen ist durchzogen von digitaler Kommunikation, Organisation, Steuerung und Unterhaltung. Bevor jedoch die Entwicklung und Evolution moderner Medien von der Digitalisierung bestimmt wurde, stellten für viele Jahrzehnte analoge Speichermedien die wichtigste Möglichkeit dar, Informationen verschiedenster Art aufzubewahren. Im Audiobereich waren Tonträger wie Magnetbandsysteme, Walzen oder Grammofon- und Langspielplatten die erste Wahl, um Musik und Ton zu speichern und zu verbreiten. So existiert bis heute eine Vielzahl analoger Tonaufnahmen, die den Sprung in die digitale Welt noch nicht oder gerade erst vollzogen haben. Aber analoge Audiosysteme und -speichermedien sind durch Lagerschäden, wiederholte Übertragungen und Alterungserscheinungen einem nicht zu unterschätzenden Qualitätsproblem unterworfen. Ein häufiger Fehler bei Tonträgern, die durch rotierende Systeme ausgelesen oder beschrieben werden müssen, sind Ungenauigkeiten in der Motorik der Geräte, die sich periodisch als unerwünschte Frequenzmodulationen im Audiomaterial fortpflanzen. Im Fachjargon haben sich dafür die Begriffe Wow und Flutter durchgesetzt. Und obwohl die ursächliche Problematik in der digitalen Welt keine Rolle mehr zu spielen scheint, ist sie heute umso relevanter, wenn es beispielsweise um die Wartung von Archiven, Überwachung der Digitalisierung alter Tonträger, Audioforensiken oder die Qualitätskontrolle und -sicherung beim Broadcasting geht. In der vorliegenden Arbeit wird die Entwicklung und Evaluation eines Verfahrens zur Detektion solcher Frequenzmodulationen in digitalen Audiomaterialien dokumentiert. Dazu wird ein Überblick zu den theoretischen und technischen Grundlagen gegeben, aktuelle Technologien resümiert und ein neues Verfahren konzipiert. Anschließend wird im Hauptteil die Programmierung und Implementierung der Algorithmen besprochen, bevor im Abschluss eine Evaluation die Möglichkeiten des Verfahrens darlegt. Dabei wird gezeigt, dass die Ergebnisse unter anderem stark vom Zustand der verwendeten Audiomaterialien abhängen.

Die automatische Analyse von Rhythmus in Musiksignalen wird oft erschwert durch Mehrdeutigkeiten in der Tempo- und Takterkennung. Insbesondere im Rahmen von Musiklernanwendungen sind jedoch robuste und genaue Methoden gefordert, um negative Auswirkungen auf den Lernprozess zu vermeiden. In dieser Arbeit wird ein automatisches und echtzeitfähiges Verfahren für die rhythmische Analyse eines Gitarrensignals vorgestellt, welches die Erkennung von sich wiederholenden rhythmischen Strukturen (Patterns) und deren Stilklassifikation umfasst. Der neue Ansatz die Takt- und Tempoinformation aus einem Steuersignal, welches zu Beginn der Aufnahme mit der Gitarre eingegeben wird zu extrahieren verbindet eine robuste Rhythmusanalyse mit der intuitiven Eingabe auf Seiten des Benutzers. Für die weitere interne Verarbeitung des eingespielten Gitarrensignals wird ein Übergang zu einer symbolischen Repräsentation - den Onsetpatterns - vorgeschlagen. Dafür werden die gespielten Noten als zeitliche Ereignisse im Audiosignal identifiziert. Weitere Eigenschaften dieser sogenannten Onsets werden dann durch Ebenen bezüglich Energie und Polyphoniegrad abgebildet. Die Erkennung von wiederholten rhythmischen Patterns erfolgt durch einen Vergleich der Onsetpatterns von aufeinanderfolgenden Taktabschnitten auf Basis der Earth Mover's Distance (EMD). Im Rahmen dessen werden Schwellenwerte für unterschiedliche Patternlängen ermittelt und deren gegenseitige Abhängigkeit untersucht. In dieser Arbeit wurde ein Datensatz von 507 Gitarrenaufnahmen bestehend aus acht Stilrichtungen erstellt. Zur algorithmischen Abgrenzung der Stile wurden zunächst Merkmale aus den unterschiedlichen Ebenen der Onsetpatterns abgeleitet. Diese lassen sich in Merkmale allgemeiner Rhythmusinformation und Merkmale bezogen auf die relative Position der Onsets in den Patterns aufteilen. Neben der Untersuchung der Aussagekraft von einzelnen Merkmalen sowie Merkmalsgruppen wird untersucht, wie sich deren Berechnung bezüglich einzelner Takte, einzelner Patterns sowie zusammengefassten Patterns auf das Klassifikationsergebnis auswirken. Für die Stilklassifikation konnte letztlich für die 8 Klassen eine Treffergenauigkeit von 62,05% erzielt werden. Die Erkennung der drei dominierenden Patternlängen in einem Stück funktioniert dagegen mit 59,80% Genauigkeit.

Die Binauralsynthese stellt eine Schlüsseltechnologie zur authentischen Reproduktion räumlicher Schallfelder dar. Mittels dieser Technologie ist es möglich, auch bei einer Abweichung der wiedergegebenen Raumakustik von der des Abhörraumes (Raumdivergenz), eine realistische, auditive Illusion zu schaffen. In einem AB-Vergleich der Synthese zur realen Akustik des Abhörraumes kann bei großer Divergenz die Synthese jedoch nicht standhalten und bricht unter Umständen zu Im-Kopf-Lokalisation zusammen. Es wurde gezeigt, dass individuell aufgenommene binaurale Raumimpulsantworten einen Schritt zur Minimierung dieses Phänomens darstellen. Des Weiteren sind die Effekte von Training auf die Wahrnehmung des Menschen bekannt. Die vorliegende Arbeit untersucht den Einfluss von Training auf die Adaption an eine divergente Raumsituation. Dies geschieht durch den Vergleich zweier Gruppen, von welchen eine auf die reale Raumsituation, die andere auf die divergente, synthetisierte Raumsituation trainiert wird. Von allen Probanden wurden dazu individuelle binaurale Raumimpulsantworten in beiden Räumen aufgenommen. In separaten Testteilen werden der Effekt des Trainings sowie die Reaktion der Probanden auf die ihnen unbekannte Raumsituation überprüft. Als Bewertungsschlüssel dient die wahrgenommene Externalität. Abschließend fand eine Probandenbefragung zum allgemeinen Ablauf und zur Eruierung möglicher Verfahrensfehler statt. Durch die Gegenüberstellung der Gruppen konnte ein Adaptionseffekt der divergent trainierten Gruppe an die divergente Raumsituation festgestellt werden. Hinzu kommt der Effekt der verstärkten Ablehnung der divergenten Raumsituation durch die konvergent trainierte Gruppe. Schließlich konnte die Wirkung unterschiedlicher Halligkeit auf das Externalitätsempfinden erneut bestätigt werden.

Natürliche räumliche Wiedergabe von audiovisuellen Medien ist der Wunsch der Rezipienten. Gutes räumliches Hören ist mit herkömmlichen Heimkino-Soundsystem nur am sogenannten Sweet Spot möglich. Aktuelle Forschungsarbeiten untersuchen und entwickeln Systeme für binaurales Hören. Diese neuen Verfahren müssen darauf getestet werden, ob sie den Erwartungen der Allgemeinheit entsprechen. Da es bisher kein objektives Messsystem zur 'multi-dimensionalen Qualitätsbewertung räumlicher Audiosignale' gibt, muss zunächst ein Modell entwickelt werden, welches die Wahrnehmung von räumlichen Audiosignalen widerspiegelt. Zur Ermittlung dieses Modells eignen sich perzeptive Hörtests, die im Allgemeinen akzeptiert werden, ein zuverlässiges Mittel zur Bestimmung der subjektiv wahrgenommenen Qualität zu sein. Zur Konzeption eines solchen zuverlässigen Hörtests zur multi-dimensionalen Qualitätsbewertung von räumlichen Audiosignalen muss erforscht werden, welche Methode und welche Skala sich am besten zur Evaluierung eignen. Diese Masterarbeit untersucht dazu zwei verschiedene Hörtest-Methoden, welche sich zur multi-dimensionalen Qualitätsbewertung eignen: eine Multi Stimulus with Single Attribute Test-Methode, bei der jeweils mehrere Stimuli anhand eines Qualitätsattributes bewertet werden und eine Single Stimulus with Multiple Attributes Test-Methode, bei der jeweils nur ein Stimulus anhand von mehreren Qualitätsattributen bewertet wird. In der statistischen Auswertung des Hörtests werden beide Methoden auf Gemeinsamkeiten und Unterschiede untersucht. Vor allem die Nutzung der Skalen unter Verwendung von räumlichen Qualitätsattributen steht dabei im Fokus. Beide Hörtestmethoden erzielen ähnliche Ergebnisse. Während die Single Stimulus-Methode weniger Zeit in Anspruch nimmt, ist die Multi Stimulus-Methode besser dazu geeignet kleine Unterschiede zwischen den Stimuli zu erkennen, da die Hörtestteilnehmer in der Multi Stimulus-Methode kritischer mit dem Hörtest-Material verfahren.

Menschen mit hochgradigem Hörverlust werden vermehrt mit Cochleaimplantaten (CIs) versorgt. Um die kommunikative Situation von CI-Trägern nachhaltig zu verbessern, ist die CI-Versorgung mit einer intensiven Rehabilitation verbunden. Durch Hörübungen erlernen die Patienten dabei die korrekte Interpretation der elektrischen Stimulationsmuster des Implantats. Für die therapeutischen Maßnahmen, aber auch für das selbstständige Hörtraining zu Hause, stehen Übungsmaterialien - meist in Form von Audio-CDs mit Begleitheft - zur Verfügung. Diese behandeln überwiegend das Sprachverständnis im lexikalischen Sinne; die Wahrnehmung von Intonation oder rhythmischen Spracheigenschaften, sog. prosodischen Merkmalen, wird hingegen kaum trainiert. In dieser Arbeit wird der Entwurf einer Anwendungssoftware beschrieben, die speziell für das CI-Hörtraining bestimmt ist. Aufgrund der weiten Verbreitung und der unkomplizierten Bedienung dienen Tabletcomputer als Plattform für die Applikation. Das Trainingsprogramm beinhaltet Übungen zum Sprachverständnis auf Wort- und Satzebene, zur Wahrnehmung prosodischer Merkmale und zur Schalllokalisation. Der Benutzer erhält visuelles Feedback zu seinen Antworten und kann die Ergebnisse vorangegangener Übungssessions aufrufen. Die Evaluation der Applikation mit 27 CI-Trägern anhand eines Vorher-Nachher-Vergleichs zeigt, dass bereits eine kurzzeitige Benutzung des Trainingsprogramms die Wahrnehmung von Intonation signifikant verbessert. Die Ergebnisse einer zusätzlichen Usability- und User Experience-Befragung bestätigen die einfache Bedienbarkeit des Systems und weisen auf eine positive Einstellung der Probanden gegenüber der Trainingsapplikation hin.