Von: Steffens, Jochen via ak discourse
Datum: Sat, 17 Feb
Betreff: [ak-discourse] Einladung zum Forschungskolloquium
…
ganz herzlich lade ich Sie zu unserem Forschungskolloquium am kommenden Dienstag, 20.02., um 16.15Uhr im Raum E-N 324 ein. Im Rahmen dieses Termins werden zwei Masterarbeiten vorgestellt. Zunächst wird David Albanés Bonillo seine Masterarbeit zu Analytical and numerical approaches for optimising the curving of touring line source arrays vorstellen. Im Anschluss daran wird Reinhild Roden ihre Arbeit zur Schallquellenlokalisation von Sprachsignalen mittels künstlicher neuronaler Netze präsentieren.
…
***
Dr. Jochen Steffens
Wissenschaftlicher Mitarbeiter
Fachgebiet Audiokommunikation (Sekr. EN-8)
–
Technische Universität Berlin
Einsteinufer 17c
10587 Berlin
–
Analytical and numerical approaches for optimising the curving of touring line source arrays (David Albanés Bonillo)
–
Line Source Arrays (LSAs) werden zur Beschallung großer Publikumsflächen eingesetzt und zielen auf die Synthese von homogenen Schallfeldern im gesamten hörbaren Frequenzbereich ab. Die verwendeten Lautsprecherboxen werden mit unterschiedlichen Neigungswinkeln positioniert und / oder elektronisch gesteuert, um die beabsichtigte Abdeckung der Zuschauerzonen zu gewährleisten und Abstrahlung in Richtung Decken, reflektierenden Wänden oder Wohnbereichen zu vermeiden. Diese Masterarbeit zielt darauf ab, einen bestehenden analytischen Optimierungsansatz in Übereinstimmung mit den Beschränkungen kommerziell verfügbarer Line-Source-Array-Systeme für diskrete Neigungswinkel nach dem Stand der Technik anzupassen. Eine Untersuchung verschiedener kommerziell erhältlicher LSA-Systeme wird durchgeführt, um einen geeigneten Satz von Winkeln zu bestimmen, die als Optimierungsziele verwendet werden können, gefolgt von der Diskretisierung der resultierenden Neigungswinkel des Algorithmus. Als ein alternativer Ansatz wird eine numerische Optimierung basierend auf der Goal-Attainment- Methode auf die Neigungswinkel angewendet. Die Ergebnisse der verschiedenen Optimierungsansätze werden mit Hilfe von technischen Qualitätsmaßnahmen verglichen.
–
Schallquellenlokalisation von Sprachsignalen mittels künstlicher neuronaler Netze (Reinhild Roden)
–
In den letzten Jahren wurden künstliche neuronale Netze vor allem im Bereich der automatischen Spracherkennung erfolgreich eingesetzt. Als Informationen verarbeitende Systeme können neuronale Netze z.B. mittels Backpropagation-Algorithmus oder aber sog. Restricted Boltzmann Maschinen trainiert werden, um Muster am Eingang zu erkennen. Ebenso ist es möglich, dass neuronale Netze Schallquellen lokalisieren lernen. Einige Studien beschränken sich dabei auf Winkel der Horizontalebene ohne den Einbezug vertikaler Auslenkungen. Diese Arbeit zeigt die Implementierung eines tiefen neuronalen Netzwerkes (DNN) für die sphärische Schallquellenlokalisation unter Verwendung von Backpropagation und Bottleneck-Merkmalen. Aus Sprach- und Rauschsignalen, die zunächst mit kopfbezogenen Impulsantworten (HRIR) gefaltet worden sind, werden für den Eingang des neuronalen Netzes Merkmale extrahiert und auf ihre Eignung untersucht. Zudem wurden unterschiedliche Arten des DNN-Ausgangs betrachtet. Letztlich konnten passende Netzkonditionen und mögliche Ein- und Ausgangsvektoren gefunden werden. Durch das neuronale Netz geschätzte Richtungen eines frontalen und seitlichen Fensterausschnitts (mit je 49 Richtungen) zeigten sehr gute Übereinstimmungen mit zu erkennenden Richtungen besonders für Mel-Frequenz-Cepstrum-Koeffizienten.