Extraktion und Verbesserung akustischer Signale

• Antragsteller: Professor Dr.-Ing. Walter Kellermann
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung von 2016 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 282835863

Dieses Projekt soll die Entwicklung intelligenter Algorithmen zur Signalextraktion und -verbesserung in akustischen Sensornetzwerken (ASNen) vorantreiben. Als zweite Schicht in dem 3-Schichten-Konzept der Forschergruppe setzt es auf Schicht 1 auf, die die ASN-Infrastruktur bereitstellt, und liefert – möglicherweise gleichzeitig mehrere - störbefreite Signale an Schicht 3 um dort Analyse und Verstehen der akustischen Szene zu ermöglichen. Als zentrale Komponente des Gesamtprojekts stellt dieses Projekt auch eine sogenannte ‚Acoustic Map‘ (AM) bereit, die den gegenwärtigen Zustand und die Dynamik der akustischen Szene repräsentiert. Als grundlegende Informationen beschreibt die AM Attribute von Sensoren, Quellen und der akustischen Umgebung, aus der dann auch spezifischere Information abgeleitet wird, beispielsweise die Nützlichkeit eines Sensors für eine bestimmte Aufgabe. Die Einträge in der AM resultieren aus Parameterschätzung, Signalverarbeitung und datengetriebenen Lernalgorithmen und beziehen auch a priori Wissen ein. Sie werden durch ein probabilistisches Modell repräsentiert, das auch Zuverlässigkeitsinformation enthält und dann für die Signalverbesserung in diesem Projekt und viele andere Arbeitspakete der Forschergruppe genutzt wird. Aufbauend auf den blinden und halbblinden raumzeitlichen Filteralgorithmen der ersten Projektphase wird im vorgeschlagenen Projekt die Nutzung zusätzlicher Referenzinformation zur Signalverbesserung betont. Zunächst wird dazu die Kompensation akustischer Echos (AEC) für den ‚multiple-input/multiple-output‘(MIMO) –Fall verallgemeinert, wie er bei mehreren Lautsprechern und Mikrophonen im ASN-Szenario gegeben ist. Die AM-Information bestimmt dann, für welche der individuellen Lautsprecher-Raum-Mikrofon-Pfade das klassische AEC-Konzept der überwachten adaptiven Mehrkanalfilterung sinnvoll anwendbar ist. Für andere Störquellen wird Referenzinformation, wie Position, Aktivität, oder räumliche und raumzeitliche Merkmale, mithilfe der nützlichsten Sensoren geschätzt oder gelernt und dann mittels der AM dem gesamten ASN zur spezifischen Nutzung zur Verfügung gestellt. Zusätzlich zu den Möglichkeiten verteilter Sensoren erlauben mobile Sensorknoten, etwa als Bestandteil von Robotern, auch das Erkunden und damit eine verbesserte Abdeckung dynamischer Szenarios. Die resultierende zeitvariante Sensorgruppenanordnung wird dann durch Auswahl optimaler Teilmengen ortsfester Sensoren und durch Optimierung der Roboterpfad für Lokalisierung und Signalverbesserung optimiert. Zur optimalen Nutzung verteilter Sensoren und verteilter Rechenleistung mit der in P1 entwickelten ASN-Infrastruktur werden für die Erfassung und Fusion von AM-Information sowie für AEC und Signalverbesserung verteilte Algorithmen entworfen. Zur Verifikation in realistischen Szenarios werden schließlich ausgewählte Algorithmen in einen Echtzeitdemonstrator integriert, der von allen Teilprojekten der Forschergruppe gemeinsam entwickelt wird.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2457: Akustische Sensornetze
• Mitverantwortlich: Professor Dr.-Ing. Gerald Enzner