Deep-Learning-Ansätze für Mikrofonarrays in der akustischen Messtechnik

• Antragsteller: Professor Dr.-Ing. Ennes Sarradj
• Fachliche Zuordnung: Akustik
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 439144410

Für die Lokalisierung und Charakterisierung von akustischen Quellen ist der Einsatz von Mikrofonarrayverfahren eine bewährte Methode. Durch eine geeignete Signalverarbeitung lassen sich die Beiträge verschiedener Schallquellen räumlich abbilden. Häufig erschwert jedoch ein geringer Dynamikumfang das Zuordnen derabgebildeten Beiträge zu ihren Entstehungsursachen und das Erkennen der Quellmechanismen. Deshalb wurden in der Vergangenheit unterschiedliche Verfahrenentwickelt, die sich hinsichtlich Genauigkeit, Rechenaufwand und Robustheit gegenüber Störeinflüssen stark unterscheiden. Je nach Messaufgabe werden dabei nicht immer zufriedenstellende Ergebnisse erreicht, so dass die Entwicklung verbesserter Verfahren wünschenswert ist.Das wesentliche Ziel des Vorhabens ist es, neuronale Netze mit komplexer innerer Struktur (DNN) für die quantitative Charakterisierung von Schallquellen mit Mikrofonarrays zu etablieren. Dabei soll eine Alternative zu bereits etablierten modellbasierten Verfahren gefunden werden, die mit vergleichsweise geringem Rechenaufwand präzise Ergebnisse liefert. Die Arbeiten im Vorhaben sind auf einen deutlichen Wissenszuwachs zum zweckmäßigen Einsatz von DNN für diese und ähnliche Aufgaben in der akustischen Messtechnik ausgelegt.Für das Training der zu entwickelnden datenbasierten Verfahren soll dazu zunächst eine Methode entwickelt werden, die große Mengen synthetischer Messdaten reproduzierbar erzeugen kann. Darauf aufbauend ist die Entwicklung eines Verfahrens vorgesehen, dass Ort und Stärke von Schallquellen ohne vorgegebenes Suchpunktraster schätzt. Außerdem soll ein neuronales Netz für die Lösung eines inversen Problems zur Charaktersierung von Schallquellen trainiert werden. Schließlich soll ein Verfahren gefunden werden, das anstelle der diskreten, frequenzweisen Beschreibung der Beiträge einzelner Quellen die für eine parametrische Beschreibung des Leistungsspektrums notwendigen Daten schätzt. Alle entwickelten Verfahren sollen außerdem anhand von experimentell gewonnenen Daten evaluiert werden.

• DFG-Verfahren: Sachbeihilfen