Anwendungsbeispiel Source Separation

Der Kern des Projektes Adaptive Crossmodale Sensordatenerfassung, ist die robuste und effiziente Erfassung und Verarbeitung von Sensordaten.

Zu den adressierten Anwendungen gehören Kommunikationsgeräte wie Hörgeräte und Mobiltelefone, sowie Mensch-Maschine-Schnittstellen wie sprachgesteuerte Assistenten und Roboter.

Dazu ist es bei einem crossmodalen Ansatz, der Bild-, Audio- und Signale medizinischer Sensorik verarbeiten soll, notwendig, dass optimale Verfahren identifiziert und angewandt werden.

Die folgenden Videos zeigen Echtzeit-Demos zur Quellenseparation und Sprachanhebung in einem varechoischen Tonstudio.

Ziel ist es, mit Hilfe von mathematischer und rechnerischer Statistik optimale Lösungen für die Signalanalyse und Signalverarbeitung zu finden, wenn eine Reihe von praktischen Einschränkungen gegeben ist.

Innerhalb des Projektes werden zur Identifikation optimaler Verfahren verschiedene Ansätze verfolgt. Es wird die Steuerung von Sensoren zur Informationsgewinnung verbessert, um sicherzustellen, dass in kürzerer Zeit hinreichende oder mehr Informationen gewonnen werden können als bisher.

Zu den verwendeten Methoden gehören Bayes’sche Modelle und Schätzungen sowie maschinelle Lerntechniken wie Künstliche Tiefe Neuronale Netze. 

Mehr Informationen zu diesem Forschungsfeld finden Sie hier.

ahoi.digital

weitere Newsbeiträge

Save the Date @fAIstival

Die Hamburger KI-Festivalwoche geht in die zweite Runde vom 29.08. – 03.09.2022 Das fAIstival als Partnerkonsortium präsentiert und diskutiert einen breiten Querschnitt von KI-Einsatzszenarien und

Weiterlesen »

Diese Website verwendet Cookies. Weitere Informationen finden Sie in unserer Datenschutzerklärung. Sie geben Ihre Einwilligung zu unseren Cookies, wenn Sie diese Website weiterhin nutzen.