phy830 - Acoustics and Signal Processing Part I (Complete module description)

Präsenzzeit: 56 Stunden Selbststudium: 124 Stunden

Bachelor in Hörtechnik und Audiologie oder entsprechend

Vermittlung der theoretischen Grundlagen und praktischen Anwendungen moderner Sprachtechnologie. Vermittlung moderner Signalverarbeitungsalgorithmen für digitale Hörgeräte, Cochlear Implantate, Sprachkommunikations- und Audiosysteme. Vermittlung der Grundlagen der Informationsverarbeitung und Informationstheorie, und praktischer Methoden der statistischen Signalverarbeitung, Signalkompression und Nachrichtenübertragung. Messungen akustischer Ereignisse sowie Messungen zur Identifizierung akustischer Systeme. Nach Abschluss des Moduls beherrschen Studierende (a) moderne Signal- und Informations-verarbeitungsmethoden und können (b) die gelernten Methoden zur Analyse schwingungsphysikalischer Systeme und zur Erklärung der Funktionsweise und Analyse signalverarbeitender Systeme einsetzen.

Advanced Topics Speech and Audio Processing: After reviewing basic principles of speech processing and statistical signal processing (adaptive filtering), this course covers techniques and underlying algorithms that are essential in many modern-day speech communication and audio processing systems: acoustic echo and feedback cancellation, noise reduction, dereverberation, microphone and loudspeaker array processing, active noise control, time-stretching and pitch-shifting, audio restoration.

Angewandte Psychophysik: Subjective listening experiment design and models of human auditory perception will be treated with a focus on application in sound quality measurement (e.g. for vehicle noise and sound reproduction) and in digital signal processing algorithm development (e.g. for low bit-rate audio coding and headphone virtualizers).

Machine Learning I: Introduction to unsupervised learning methods, i.e., methods that extract knowledge from data without the requirement of explicit knowledge about individual data points. We will introduce a common probabilistic framework for learning and a methodology to derive learning algorithms for different types of tasks. Examples that are derived are algorithms for clustering, classification, component extraction, feature learning, blind source separation and dimensionality reduction. Relations to neural network models and learning in biological systems will be discussed were appropriate.

Principles of Signal Processing in Hearing Devices: - Amplification and compression - Speech enhancement and noise reduction - Signal processing in cochlear implants - Computational auditory scene analysis - Automatic classification of the acoustic environment - Acoustic feedback management

Cochlear Implats: Funktionsweise und Signalverarbeitung von CIs, Elektrisch evozierte Neuronenaktivierung Perzeption mit CI Anpassung eines CI Sonderfälle: bilaterales CI, bimodal, elektroakustisch, Hirnstamm Implantate

Oberseminar Akustik Aktuelle Forschungsarbeiten der Akustik

- H. Dillon, Hearing-Aids, Thieme Verlag - Brandstein, Ward (Eds.): Microphone Arrays, Springer Verlag, 2001. - M. R. Schroeder: Computer Speech, Springer, Berlin, 1999. - J. R. Deller, J. H. L. Hansen, J. G. Proakis: Discrete-Time Processing of Speech Signals, Wiley-IEEE Press, 1999. - J. Benesty, M. M. Sondhi, Y. Huang (Eds.): Handbook of Speech Processing, Springer, 2008. - P. Loizou: Speech Enhancement: Theory and Practice, CRC Press, 2007. - Gold, Morgan: Speech and Audio Signal Processing, 2000. - U. Zölzer (editor): DAFx Digital Audio Effects, Wiley, 2002. - S. Haykin: Adaptive Filter Theory, Prentice Hall, 2013. - C. M. Bishop, Pattern Recognition and Machine Learning, Springer 2006. (best suited for lecture). - D. MacKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003. (free online) - Schaub (2008) Digital Hearing Aids, Thieme Publishers - V. Hamacher et al. (2005) Signal processing in high-end hearing aids: state of the art, challenges, and future trends. EURASIP Journal on Applied Signal Processing - K. P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012. - K. Petersen, M. Pederson, The Matrix Cookbook, (free online)

Es muss eine Auswahl der folgenden Veranstaltungen im Umfang von insgesamt 6 KP belegt werden. Alternativ können auch Veranstaltungen aus dem Modul „Akustik und Signalverarbeitung II“ belegt werden.

Advanced Topics Speech and Audio Processing, VL/Ü (6 KP)
Angewandte Psychophysik, VL/SE/Ü (3 KP)
Machine Learning I - Probabilistic Unsupervised Learning, VL/Ü (6 KP)
Principles of Signal Processing in Hearing Devices, VL/Ü (3 KP)
Cochlear Implats, VL/SE (3 KP)
Oberseminar Akustik, SE (3 KP)

Lehrform:
Advanced Topics Speech and Audio Processing: Vorlesung: 2 SWS, Übungen: 2 SWS Angewandte Psychophysik: Vorlesung/Seminar/Übungen: 2 SWS
Machine Learning I - Probabilistic Unsupervised Learning: Vorlesung: 2 SWS, Übungen: 2 SWS
Principles of Signal Processing in Hearing Devices, Vorlesung/ Übung: 2 SWS Cochlear Implants, Vorlesung/Seminar: 2 SWS Oberseminar Akusik: Seminar: 2 SWS

M