Simplified image-source modelling for dynamic rendering of virtual acoustics. - Ilmenau. - 101 Seiten
Technische Universität Ilmenau, Masterarbeit 2019
Mit Hilfe von Computersimulationen ist es möglich, die Akustik von Räumen zu simulieren und darin befindliche Schallquellen in Virtual Reality Szenarien über Kopfhörer oder Lautsprechersysteme hörbar zu machen. Das Spiegelschallquellenverfahren ist dabei eine Herangehensweise zur Simulation von gerichteten Reflexionen, weshalb sich die Methode besonders zur Modellierung von frühen Reflexionen eignet. In einem Raumsimulationssystem kann man daher mit dem Spiegelschallquellenverfahren einzelne akustische Pfade beschreiben. Mit geeigneten Filtern kann dabei zusätzlich die Richtcharakteristik der Schallquelle und die Schallabsorption an den jeweiligen Raumoberflächen reproduziert werden. Besonders für komplexe Szenen und Raumgeometrien sowie für die Beschreibung von akustischen Pfaden mit einer Vielzahl von aufeinanderfolgenden Reflexionen über verschiedene Oberflächen steigt die Anzahl der für die Auralisation benötigten Filteroperationen beträchtlich. Dies stellt eine kritische Hürde für die Echtzeitfähigkeit eines solchen Raumsimulations- und Auralisationssystems dar. Diese Arbeit untersucht deshalb das Einsparungspotential an benötigter Rechenleistung bei einer Auralisation mit dem Spiegelschallquellenverfahren und stellt dabei zwei Vereinfachungsmöglichkeiten vor, die eine erhebliche Reduktion der benötigten Filteroperationen ermöglichen. Zum einen kann dies durch eine Abtastung der Schallquellenrichtcharakteristik an wenigen, dünn besetzen Stützpunkten mit anschließender Interpolation erreicht werden. Zum anderen, können akustische Pfade für mehrere Hörpositionen zusammengefasst werden um Absorptionsfilter einzusparen. Beide Vereinfachungen werden in dieser Arbeit anhand von technischen Kriterien evaluiert. Die Untersuchungen legen nahe, dass die Anzahl der benötigten Filteroperationen beträchtlich reduziert werden kann ohne dabei erhebliche technische Fehler im Vergleich zu der traditionellen Auralisation einzuführen. Ein Hörtest untersucht weiterhin die perzeptiven Auswirkungen einer der beiden vorgestellten Vereinfachungen. Die Ergebnisse des Hörtests zeigen, dass eine Vereinfachung der Schallquellenrichtcharakteristik die Plausibilität der Auralisation nur geringfügig verschlechtert.
Untersuchung der Authentizität von Binaural Walk-Throughs. - Ilmenau. - 57 Seiten
Technische Universität Ilmenau, Masterarbeit 2019
Die positions-dynamische Binauralsynthese ermöglicht eine 3D-Audio Wiedergabe mittels Orientierungs- und Positionstracking über Kopfhörer. Bei einigen Anwendungen der positions-dynamischen Binauralsynthese ist es von Interesse einen auditiven Eindruck zu erzielen, der von der realen Szene nicht zu unterscheiden ist. In diesem Fall gilt die Wiedergabe als authentisch. In dieser Arbeit wird untersucht, ob der aktuelle Stand des Binauralsynthese-Systems für positions-dynamische Wiedergabe als authentisch wahrgenommen wird. Zur Überprüfung der Authentizität wird die Wiedergabe über einen realen Lautsprecher mit der simulierten, virtuellen Wiedergabe im exakt gleichen Hörerkontext verglichen. Bei den ersten Voruntersuchungen wurde die Binauralwiedergabe über Kopfhörer und die Wiedergabe über Lautsprecher im direkten Vergleich angehört. Es fielen bei der Simualtion vordergründig Klangunterschiede, eine erhöhte Halligkeit sowie eine Instabilität der Quelle auf. Die Unterschiede wurden als zu deutlich empfunden um einen typischen ABX-Test, wie er für gewöhnlich zur Prüfung der Authentizität verwendet wird, durchzuführen. Stattdessen wurde die Plausibilität des binauralen Walk-Throughs, bei der der Hörer das Hörereignis mit seiner eigenen Vorstellung von einem äquivalenten realen Hörereignisses vergleicht, mit der Anwesenheit einer realen Quelle in einem zwei geteilten Hörversuch überprüft. Die Probanden sollten nach dem Erkunden der Audioszene entscheiden, ob es sich um die reale oder um die simulierte Präsentation handelte. Im ersten Teil wurden den Probanden ohne es zu wissen nur simulierte Szenen präsentiert, wohingegen im zweiten Teil des Hörversuchs auch die reale Präsentation hinzukam. Am Ende des Hörversuchs sollten die Probanden berichten, anhand welcher Kriterien sie sich für die Simulation entschieden haben. Die Ergebnisse zeigen, dass alle Probanden ohne die Anwesenheit der realen Präsentation die Binauralwiedergabe als grundsätzlich plausibel wahrnehmen. Bei Anwesenheit des realen Lautsprechers veränderte sich jedoch die innere Referenz des Probanden. Insbesondere die Experten konnten die simulierte von der realen Präsentation überwiegend unterscheiden, wohingegen von den naiven Hörern nur wenigen eine korrekte Zuordnung möglich war. Im Allgemeinen wurde die Simulation aufgrund eines als unnatürlich wahrgenommenen Eindrucks bei Kopfdrehungen, einer verringerten Externalisierung im ersten Augenblick, geringerer Distanzwahrnehmung und weniger starker Veränderung der Lautstärke bei der Translation als solche identifiziert.
Entwicklung einer Methode zur Messung, Darstellung und Auswertung von Verhalten in einer positions-dynamischen Binauralsyntheseanwendung. - Ilmenau. - 89 Seiten
Technische Universität Ilmenau, Masterarbeit 2019
Durch den Einzug von räumlicher Klangwiedergabe in viele Bereiche, wie Entertainment oder Produktvirtualisierung, steigt das Interesse nach dem Verständnis über das Verhalten der Anwender solcher Systeme, in dieser Arbeit im Speziellen von der Anwendung in positions-dynamischer Binauralsynthese. Die Analyse des Verhaltens bietet die Möglichkeit, Binauralsyntheseanwendungen auf den Menschen anzupassen, z.B. für Performancesteigerungen oder zum Anpassen auf menschliche Wahrnehmungsgrenzen. In dieser Arbeit wurden nun zunächst die verwandten Themengebiete eingeführt, hierbei insbesondere die Verhaltensanalyse im verwandten Bereich der Virtual Reality, deren Methoden auf Anwendbarkeit auf diese Arbeit untersucht werden sollen. Als nächstes wurden mit Hilfe des Qualisys Motion Tracking Systems Probandentests durchgeführt, bei denen die drei Positions- und drei Rotationsdaten des Kopfes erfasst wurden. Nach einem kurzen Training zur Eingewöhnung in das Binauralsynthesesystem wurden insgesamt die Daten von 23 Personen in 5 verschiedenen Versuchsszenarien zwischen 2-3 Minuten aufgenommen, wovon die ersten vier Szenarien jeweils eine unterschiedliche konkrete Aufgabe enthielten, in denen sie eine vorgegebene Stimme finden sollten. Das letzte Szenario bestand aus einem Musikstück, in dem sich die Probanden frei bewegen konnten. Der Testbereich lag in einem Bereich von 4x4 m, während das Raster der Filter zur Binauralsynthese in 0,25 m Schritten im Raum, und 5˚ in der Kopfdrehung vorlag. Nach einer kurzen Betrachtung der Trackingaussetzer, die gehäuft in einer Ecke des Rasters vorkamen, wurden die einzelnen Szenarien näher analysiert. Hierbei wurden die zeitlichen Verläufe, die Geschwindigkeiten, die Fläche, in der sich die Personen bewegten, den Weg, den sie zurücklegten, und die Zeit bis zum Stillstand betrachtet. Es zeigte sich, dass die meisten Personen sich vor allem in einfacheren Szenarien ähnlich verhielten. Weiter stellte sich heraus, dass die Probanden Probleme hatten, die Schallquellen zu orten, sobald mehrere Stimmen gleichzeitig erklingen. Die angewendeten Methoden und Metriken zeigten sich als geeignet zur Auswertung des Verhaltens, jedoch wären für konkretere Aussagen noch weitreichendere Untersuchungen notwendig.
Technische Universität Ilmenau, Masterarbeit 2019
Die Implementierung einer exemplarischen akustischen Zustandsüberwachung durch Luftschallanalyse eines Anwendungsfalls eines konkreten Pumpspeicherkraftwerks ist Gegenstand dieser Forschungsarbeit. In Kooperation mit Experten vor Ort wurden sechs mögliche Anwendungsfälle identifiziert. Der konkrete Anwendungsfall der Detektion eines fehlerhaften Verschlusses eines Kugelschiebers, wurde durch systematische Bewertung verschiedener Expertengruppen gewählt und mittels Luftschallanalyse untersucht. Während der durchgängigen, fast 30-tägigen Messung, kam es nicht zum gesuchten Fehlerfall. Durch Auszüge des bestehenden Leitwartensystems konnten die Aufzeichnungen mit verschiedenen stationären Zuständen und transienten Vorgängen des Kugelschiebers sowie weiterer Prozesse verknüpfter Anlagen annotiert werden. Die anschließenden Tests der Klassifizierung mittels convolutional neural network (CNN) sowie deep neural network (DNN) erzielen gute Ergebnisse in der Trennung dieser und verdeutlichen das Potential der verwendeten Methodiken als Teil eines condition based monitoring (CBM) Ansatzes. Probleme während der Durchführung verdeutlichen die Wichtigkeit einer ausgiebigen Annotations- und Datenerhebungsphase und zeigen mögliche Problemstellungen für anknüpfende Forschung auf.
Contribution of listener translation on the perceived externalization In binaural reproduction. - Ilmenau. - 91 Seiten
Technische Universität Ilmenau, Masterarbeit 2019
Jedes akustische Ereignis, das außerhalb des Radius eines menschlichen Kopfes wahrgenommen wird, wird als äußerlich bezeichnet. Sound-Szenarien des täglichen Lebens sind für den Zuhörer immer außerhalb. Es wurden bereits viele Untersuchungen zur Schalllokalisierung durchgeführt, aber es besteht eine unzureichende Auswirkung auf die Externalisierung von Schall bei der Unterstützung eines größeren Bewegungsgrades. Ziel dieser Arbeit ist es, die Auswirkung der Zuhörer Bewegung auf die Sound-Externalisierung im Hinblick auf unterschiedliche Lokalisierungsfehler zu untersuchen. Es wurden sechs virtuelle Sprecherpositionen festgelegt, um zwischen verschiedenen Benutzerfällen zu vergleichen, die definiert wurden, um dem Zuhörer unterschiedliche Freiheitsgrade zu bieten. Diese Benutzerfälle sind statisch nur Kopfdrehung, nur des Zuhörers, freie Bewegung-Kopfdrehung während der translationale Bewegung. Die erfassten Daten wurden statistisch analysiert, was die signifikanten Unterschiede zwischen den Benutzerfällen belegt. Absolute Lokalisierungsfehler, Distanzfehler (Tiefe) und Winkelfehler wurden geschätzt. Bei den Quellen, die mit dem statischen Listener in einer Reihe angeordnet waren, herrschte mehr Unklarheit, und es gab Fälle von Front-Back-Verwirrung sowie die Wahrnehmung der Lautsprecher im Kopf. Im statischen Fall wurden weniger Fehler für die seitlichen Lautsprecher aufgezeichnet. Die Hörer translationale Bewegung verbessert die Lokalisierungsgenauigkeit in gewissem Maße, wobei die Hörer in erheblichem Maße inkonsistent sind. Die hohen Effektstärken zwischen den Fällen und die bessere Wahrscheinlichkeit für Überlegenheit Schätzungen deuten darauf hin, dass die Rotation des Kopfes und die freie Bewegung die Lokalisierungsfähigkeit erheblich verbessern, wobei das freie Moment meistens alle anderen Fälle übertrifft.
Technische Universität Ilmenau, Masterarbeit 2019
Die Auralisierung mit binauraler Technik hat in den letzten zehn Jahren im Bereich der Virtual-Reality-Anwendungen an Bedeutung gewonnen. Aber meistens führen Messfehler, räumliche Objekte, die Bewegung und die binauralen Reproduktion des Zuhörers zwangsläufig zu hörbaren Beeinträchtigungen. Die Hauptidee wäre also, ein Audiosystem zu entwickeln, das in der Lage ist, einen realen Raum mit plausiblem Audio ohne große störende Fehler zu auralisieren und gleichzeitig die geringstmögliche Anzahl von Messungen zu berücksichtigen. Es gibt viele Hinweise, die das Audio liefert, die uns Informationen darüber geben, wie man binaurale Audio synthetisiert. Die Direktivität einer Schallquelle spielt auch eine große Rolle bei der Beeinflussung der Wahrnehmung des Klangs und dem Grad des Eintauchens in eine virtuelle akustische Umgebung. Der Hintergrund dieser Masterarbeit ist die Untersuchung, wie die Schallquellen-Direktivität sich auf die binaurale Raumimpulsantwort und die Entwicklung eines Algorithmus, der vorschlägt, wie man das Konzept der Schallquellen-Direktivität für die binaurale Reproduktion, auswirkt. An der Technischen Universität Ilmenau gibt es bereits einen Algorithmus zur Synthese neuer binauralen Raumimpulsantwort (BRIR) der nur ein bis drei Messungen benötigt. Diese Forschungsarbeit implementiert zwei Modifikationen des aktuell angegebenen Algorithmus. Die erste Modifikation nutzt die Veränderung des Größenverhältnisses, wenn sich die Zuhörer in Bezug auf die Achse des Lautsprechers zu bewegen, und implementiert ein Verfahren, das für jede Frequenz die notwendige Erhöhung oder Verringerung der Verstärkung an Positionen außerhalb der Achse oder entlang der Achse ermöglicht. Die zweite Modifikation beinhaltet die Anpassung der direkten Schallenergie an die Änderung der Richtwirkung. Eine Analyze des Direkt zum Nachhall-Verhältnis und der Klarheitsindizes hat zu besseren Ergebnissen Vergleich zu den vorherigen Algorithmen geführt. Zusätzlich wurde ein Hörtest durchgeführt, bei dem die modifizierten BRIRs mit einem Audio-Stream unter Verwendung eines auditiven Tools namens 'PyBinSim' zusammengefügt wurden, um eine Illusion einer Klangquelle in einer virtuellen Umgebung wiederzugeben. Zur Bewertung der Audioqualität und Externalisierung wurden verschiedene Testzenarien herangezogen. Basierend auf den Ergebnissen und der Analyse lieferte der vorgeschlagene neue Algorithmus ein besseres plausibles Audio für die Berechnung von BRIRs.
Technische Universität Ilmenau, Masterarbeit 2019
Die vorliegende Masterarbeit beschreibt die Entwicklung eines Systems zur semiautomatischen Annotation von Objektregionen. Neben einem Einstieg in die Thematik der Annotation sowie der Recherche notwendiger Grundlagen wurde ein Konzept für die Umsetzung des Tools entwickelt. Dieses umfasst die Analyse aller für das System notwendigen Anforderungen inklusive des Designs einer benutzerfreundlichen Oberfläche. Aufbauend auf das Konzept wurde das Annotationswerkzeug in die Realität umgesetzt. Im Anschluss daran wird das Verfahren hinsichtlich Gebrauchstauglichkeit, Zeitaufwand und Qualität der annotierten Ground Truth untersucht und mit einem manuellen Ansatz verglichen. Die Ergebnisse zeigen, dass der semiautomatische Ansatz dem manuellen sowohl in Bezug auf die Gebrauchstauglichkeit als auch bei der Qualität der erstellten Ground Truth Daten vorzuziehen ist.
Untersuchung zur Umsetzung einer effizienten dynamischen Raumsimulation für eine objektbasierte Auralisation. - Ilmenau. - 73 Seiten
Technische Universität Ilmenau, Masterarbeit 2019
Objektbasierte Tonwiedergabesysteme ermöglichen die Reproduktion komplexer auditiver Szenen. Die Wiedergabe räumlicher Klänge spielt dabei eine große Rolle. Realistische frühe Reflexionen und Nachhall tragen einen bedeutenden Teil zu einer plausiblen Wiedergabe bei. Zur Hörbarmachung simulierter oder gemessener Räume und der plausiblen Wiedergabe räumlicher Schallfelder existieren bereits verschiedene Verfahren. In der vorliegenden Arbeit werden Ansätze zur Auralisation von akustischen Szenen unter Verwendung des Spiegelschallquellenmodells untersucht. Es wird ein Konzept erarbeitet, durch welches frühe Reflexionen mit wenig Berechnungsaufwand in objektbasierten Wiedergabesystemen auralisiert werden können. Dabei werden insbesondere psychoakustische Effekte wie der Präzedenzeffekt ausgenutzt. Das entwickelte Konzept wird als Softwareprototyp implementiert. Durch einen informellen Hörtests wird die wahrgenommene Plausibilität der mit dem System erzeugten Klangszenen untersucht. Die Testergebnisse geben erste Hinweise darauf, dass das entwickelte Konzept für die Simulation von frühen Reflexionen geeignet ist. Bezüglich des Rechenaufwandes des implementierten Systems wird eine erste Einschätzung dargelegt.
Entwicklung und Evaluierung von Methoden zur Multichannel Echo Cancellation in verknüpften Räumen. - Ilmenau. - 87 Seiten
Technische Universität Ilmenau, Masterarbeit 2018
Die akustische Echo-Unterdrückung (AEC) war schon immer ein intensiv erforschtes Gebiet, insbesondere in der Telekommunikation und anderen verwandten Gebieten bei der Vollduplex-Kommunikation zwischen Telestationen. Mit dem Aufkommen des Internets und anderer leistungsfähiger Kommunikationstechnologien steigt das Ausmaß und der Umfang von inländischen, geschäftlichen und kommerziellen Anwendungen exponentiell an. Daher ist der Wechsel von einer alten Monokanal-Kommunikation zu einem Mehrkanalsystem dringend notwendig. Einige Anwendungsbereiche von Mehrkanalsystemen sind räumliches Audio-Rendering, Immersive Conferencing, Immersive Telepresence, Remote Rehearsal, Gaming usw. Die Verzögerungen im Ausbreitungspfad aufgrund der Übertragung und der akustischen Kopplung zwischen den Lautsprechern und den Mikrofonen werden als Echos an den Far-end/Near-end Stationen wahrgenommen. Die Person am Far-end/Near-end hört ihre eigene Stimme / ihr Echo je nach Art der Übertragungsleitung entweder verringert oder verstärkt. Studien haben gezeigt, dass diese Verzögerungen einige hundert Millisekunden überschreiten und das normale Gespräch nur schwer fortgeführt werden kann. Wenn dies geschäftliche und kommerzielle Anwendungen betrifft, sind diese Echos nicht akzeptabel. AEC im Multichannel-System stellt aufgrund der hohen Kohärenz zwischen den Kanälen eine besondere Herausforderung dar. Daher ist es nicht möglich, das Signal des potentialfreien Kontaktes aus den Signalen mit stark korrelierten Kanälen zu identifizieren. Das Ziel dieser Masterarbeit ist es einen Rahmen zur Einschätzung von Methoden der Multi-Kanal Echo-Unterdrückung in verbundenen Räumen zu entwickeln. Zunächst werden einfache Eingaben verwendet, um die adaptiven Filter und die Leistungsparameter für Ein- und Mehrkanalfälle zu bewerten. Später wird für die Auswertung eine Laboraufzeichnung von Sprach-, Audio- und Raumimpulsantworten (RIR) für vier Kanäle verwendet. Adaptive Filter in Zeit-, Frequenz und Sparse-Domänen dienen als Beispiel, um den Effekt der Echounterdrückung im Mehrkanalszenario zu zeigen. Die Leistungsparameter beim Ausführen mehrerer Filteralgorithmen bei verschiedenen Eingangssignalen wurden beobachtet. Dabei zeigten sich große Unterschiede von einem Kanal zu einem mehrkanaligen Leistungsparameter wie System Distance (SD), Spectral Importance Misalignment Weighted (SIWM) und Echo Return Loss Enhancement (ERLE) der adaptiven Filter. Weitere Untersuchungen ergeben, dass die Länge der adaptiven Filter und der Kohärenzgrad zwischen den Kanälen eine wichtige Rolle für die Filterleistung spielen, was wiederum den Grad der Echokompensation beeinflusst.
Real-time audio capturing and de-noising for reliable pitch detection in car environments. - Ilmenau. - 84 Seiten
Technische Universität Ilmenau, Masterarbeit 2018
Die Automobilindustrie ist einer der am schnellsten wachsenden Märkte mit einem großen Schwerpunkt auf der Entwicklung besserer Unterhaltungssysteme in Fahrzeugen. Darüberhinaus ist Tonhöhenerkennung (pitch detection) auch ein wiederkehrendes Forschungsthema im Bereich Music Information Retrieval (MIR) mit Anwendungsmöglichkeiten in der Musik- und Spieleindustrie. Diese Masterarbeit stellt ein neues Forschungsszenario für Pitch-Detection-Anwendungen in lauten Umgebungen vor, wie sie in einem Auto vorkommen können. Es umfasst ein mögliches intelligentes Karaoke-Spiel, das in das Unterhaltungssystem integriert werden kann. Zunächst wird ein Echtzeitsystem vorgeschlagen, das gleichzeitig analoge Signale von einem Mikrofon und einem Schwingungssensor im Fahrzeuginneren erfasst. Mit der Annahme einer hohen linearen Korrelation zwischen den Wellenformen wird ein Verfahren zur Echtzeit-Entrauschung von Gesangssignalen vorgeschlagen. Ein Tonhöhenerkennungsalgorithmus wird dann verwendet, um die Hauptmelodie aus dem entrauschten Sprachsignal zu extrahieren. Zusätzlich wird ein Datensatz erstellt, um die Genauigkeit des Systems zu messen. Schließlich werden die Ergebnisse mit Hilfe der Metriken des Music Information Retrieval Evaluation eXchange (MIREX) präsentiert und ausgewertet.