phy840 - Acoustics and Signal Processing Part II (Complete module description)

Präsenzzeit: 56 Stunden Selbststudium: 124 Stunden

Bachelor in Hörtechnik und Audiologie oder entsprechend

Vermittlung grundlegender Modelle, experimenteller Methoden und wichtiger technischer Anwendungen der Akustik. 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. Befähigung der Studierenden zur Lösung von Messproblemen, wie sie in unterschiedlichen Branchen der Industrie anzutreffen sind. Nach Abschluss des Moduls beherrschen Studierende (a) die Verfahren zur Modellierung akustischer und anderer schwingungsphysikalischer Systeme, (b) moderne Signal- und Informations-verarbeitungsmethoden und können (c) die gelernten Methoden zur Analyse und zur Erklärung der Funktionsweise und Analyse schwingungstechnischer und signalverarbeitender Systeme einsetzen.

Akustik: Wellenausbreitung in homogenen und inhomogenen Medien, Ultraschall (zerstörungsfreie Prüfverfahren, medizinische Anwendungen), Körperschall, Energie, Absorber, Akustik des geschlossenen Raums (Randbedingungen, Kanäle, Resonatoren, Raumakustik), Streuung und Beugung, geometrische Akustik, Abstrahlung von schwingenden Oberflächen, dissipative Effekte, nichtlineare Wellenausbreitung, technische Akustik (Messverfahren, Lärmausbreitung und -schutz).

Akustische Messtechnik: Wiederholung: Signaltheoretische und akustische Grundlagen, Pegel, Spektren; Messung der Schallintensität; Nichtlineare akustische Messverfahren; Hochauflösende Verfahren; Inverse Probleme und Regularisierung in der akustischen Messtechnik; Akustische Kamera; Messung von HRTFs; Transaurale Systeme; Raumsimulation; Spherical Harmonics, Ambisonics, Wave Field Synthesis.

Informationsverarbeitung und Kommunikation: Grundfragen der Informationsverarbeitung (Klassifikation, Regression, Clustering), Lösungsmethoden basierend auf Dichteschätzung und diskriminativen Ansätzen (z.B. Bayes Schätzung, k-nearest neighbour, Hauptkomponentenanalyse, support-vector-machines, Hidden-Markov-Modelle), Grundlagen der Informationstheorie, Methoden der analogen und digitalen Nachrichtenübertragung, Prinzipien der Kanalcodierung und Kompression

Machine Learning II - Advanced Learning and Inference: This course builds up on the basic models and methods introduced in introductory Machine Learning lectures. Advanced Machine Learning models will be introduced alongside methods for efficient parameter optimization. Analytical approximations for computationally intractable models will be defined and discussed as well as stochastic (Monte Carlo) approximations. Advantages of different approximations will be contrasted with their potential disadvantages. Advanced models in the lecture will include models for clustering, classification, recognition, denoising, compression, dimensionality reduction, deep learning, tracking etc. Typical application domains will be general pattern recognition, computational neuroscience and sensory data models including computer hearing and computer vision.

Oberseminar Akustik Aktuelle Forschungsarbeiten der Akustik

Adaptive systems for speech signal processing: fundamentals of speech signals and systems, recursive algorithms for speech adaptive filtering, time-variant systems in speech applications, blind system identification, nonlinear systems.
 

- D. Pierce: Acoustics: an introduction to its physical principles and applications. Acoustical Society of America, Melville (NY), 1994 - P. M. Morse, K. U. Ingard: Theoretical acoustics. McGraw-Hill, New York, 1968 - H. Kuttruff: Akustik: eine Einführung. Hirzel, Stuttgart, 2004 - M. R. Schroeder: Computer Speech, Springer, Berlin, 1999. - T. M. Cover, J. A. Thomas: Elements of information theory. John Wiley, New York, 1991 - J. G. Proakis: Digital communications. McGraw-Hill, Boston, 2001 - K. Sayood: Introduction to data compression. Kaufmann, San Francisco, 2003 - Kraak, W. und Weißing, H.: Schallpegelmeßtechnik. Verlag Technik, Berlin 1970 - Randall, R. B.: Application of B&K Equipment to Frequency Analysis. 2. Auflage, Brüel & Kjaer, 1977 - Harris, C. M.: Handbook of Acoustical Measurements and Noise Control. 3rd edition, McGraw-Hill, New York, 1991  Bendat, J.S. and Piersol, A.G.: Random Data. Analysis and Measurement Procedures. 3rd edition, Wiley Series in Probability and Statistics, 2000  Bishop: Pattern Recognition and Machine Learning, 2006.  MacKay: Information Theory, Inference and Learning Algorithms, 2003.  K.-D. Kammeyer, K. Kroschel: Digitale Signalverarbeitung: Filterung und Spektralanalyse mit MATLAB-Übungen. Teubner, Stuttgart, 2002  C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006. (best suited for lecture).  K. P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012  P. Dayan, L. F. Abbott, Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems, MIT Press, 2001.  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 I“ belegt werden.

Akustik, VL/Ü (6 KP)
Akustische Messtechnik, VL/Ü (6 KP) I
Informationsverarbeitung und Kommunikation, VL/Ü (6 KP)
Machine Learning II – Advanced Learning and Inference Methods, VL, Ü (6 KP)
Oberseminar Akustik (3 KP)
Adaptive systems for speech signal processing, VL/Ü (6 KP

Lehrform:
Akustik, Vorlesung/Übung: 4 SWS
Akustische Messtechnik: Vorlesung 4 SWS
Informationsverarbeitung und Kommunikation: Vorlesung: 2 SWS, Übungen: 2 SWS
Machine Learning II – Advanced Learning and Inference Methods: Vorlesung: 2 SWS, Übungen: 2 SWS Oberseminar Akustik: Seminar: 2 SWS
Adaptive systems for speech signal processing, VL/Ü
 

M