Chair of
Multimedia Communications and Signal Processing
Prof. Dr.-Ing. André Kaup

Schmalbandige blinde Quellentrennung und deren Anwendung für die Positionsschätzung akustischer Quellen

Supervisor:Dr.-Ing. Anthony Lombard
Faculty:Prof. Dr.-Ing. Walter Kellermann
Student:Sebastian Höhne
Begin:2009-03-01
End:2009-11-17
Info:

Das Problem der Wiedergewinnung der ursprünglichen Signale aus einer beobachteten skalaren Mischung kann mit Methoden zur Analyse von unabhängigen Komponenten (eng. „Independent Component Analysis“ (ICA)) gelöst werden. Hierfür stehen nur das Ergebnis der Mischung zur Verfügung und das Wissen, dass die Teilsignale ursprünglich stochastisch unabhängig waren. Mehrere ICA-Algorithmen wurden in der Literatur vorgeschlagen, die dieses Problem effektiv lösen können. Das Problem, akustische Quellen zu trennen wird üblicherweise als blinde Quellentrennung (engl. „Blind Source Separation" (BSS)) referenziert. Dabei wird oft davon ausgegangen, dass die anhand von mehreren Mikrofonen aufgenommenen Signale das Ergebnis einer Faltungsmischung von mehreren Quellen sind. Das Ziel von BSS ist es nun ein geeignetes System von Filtern mit mehreren Eingängen und mehreren Ausgängen zu berechnen. Faltungsmischungen zu trennen ist viel schwieriger als Skalarmischungen zu trennen, da bei skalaren Mischungen eine sklarlare Entmischmatrix berechnet werden muss.

Eine Lösung für das BSS-Problem besteht darin, das Problem anhand der Kurzzeit-Fourier-Transformation im Frequenzbereich zu betrachten, wo die Mischung als skalare Mischung in jedem Frequenz-Bin angenähert wird und sich deswegen mit ICA-Methoden in jedem Frequenz-Bin einzeln behandeln lässt. Die mit solchen „schmalbandigen“ Ansätzen erzielten Trennungsergebnisse leiden aber an dem schwierig zu lösenden Permutationsproblem. Im Gegensatz dazu existieren „breitbandige“ Ansätze, die alle Frequenz-Bins gleichzeitig behandeln und deswegen dieses Permutationsproblem nicht haben. Dieser Vorteil zieht aber eine höhere Komplexität nach sich.

Theoretische Betrachtungen haben außerdem gezeigt, dass BSS-Algorithmen auch gleichzeitig die Lokalisierung mehrerer Schallquellen ermöglichen. In dieser Studienarbeit soll ein neuer sLokalisierungsansatz geprüft werden, der „schmalbandige“ BSS ausnutzt, ohne das Permutationsproblem lösen zu müssen. Basierend auf diesem Ansatz sollen ICA-Methoden durch theoretische und experimentelle Betrachtungen untersucht werden und zur Lokalisierung von mehreren Quellen angewendet werden. Die untersuchten Konzepte sind soweit möglich analytisch zu beschreiben und auf der Basis realer Signale mittels Matlab numerisch zu verifizieren. Auf eine aussagekräftige und gut nachvollziehbare Dokumentation der entstehenden Software wird großer Wert gelegt.

TypeSemester Project
Status:Terminated