Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Info-Icon This content is only available in German

Abschlussarbeiten

Bachelor/Masterarbeit "Akustisches Sensor Netzwerk"
Datenverarbeitung in einem Sensornetzwerk
Netzwerk Soundkarte

Ein akustisches Sensornetzwerk ist eine Gruppe von Sensoren welche über ein Netzwerk (zumeist WLAN) verbunden sind. Jeder Sensor hat ein oder mehrere Mikrophone. Da jeder Konten des Netzwerkes somit eine eigene Baugruppe zur Signalerfassung besitzt, werden die Signale im allgemeinen nicht mit der gleichen Abtastrate digitalisiert.

Werden nun die mehrkanaligen Signale verarbeitet müssen die unterschiedlichen Abtastraten entweder korrigiert oder in der Signalverarbeitung berücksichtigt werden.

Im Rahmen von Bachelor & Masterarbeiten sollen verschiedene Aspekte der Signalverarbeitung in verteilten Sensornetzwerken untersucht und implementiert werden.

Bitte kontaktieren Sie mich für aktuelle Themen und Aufgabenstellung.

Ansprechpartner: Jörg Schmalenströer

Blind source separation and multi-channel signal processing
Sketch of a blind source separation scenario

We are interested in combinations of neural network and classic signal enhancement methods. Past Bachelor and Master theses focussed on beamforming and model based separation. More recent work combined these with gradient based learning and neural networks.

If you are interested in advancing methods, unorthodox applications of neural networks and would like to apply your math and programming knowledge in these areas, please visit us in our office so that we may discuss possible topics.

Ansprechpartner: Lukas Drude, Jens Heitkämper

Unüberwachtes Erlernen von Sprachen

Die für das übliche, überwachte Training von Spracherkennern notwendigen Transkriptionen und das Aussprachelexikon können für viele der selteneren Sprachen nicht bereitgestellt werden, weil entweder die dazu notwendige linguistische Expertise komplett fehlt, oder die Erstellung einer annotierten Sprachdatenbank einfach nicht wirtschaftlich ist.

Deshalb sind Spracherkenner interessant, die unüberwacht trainiert werden können. Das System lässt sich in drei Teilkomponenten unterteilen:

  1. Extraktion akustischer Merkmale
    Die klassischen in der Spracherkennung verwendeten Merkmale sind nicht ausreichend, um eine gute Trennbarkeit der akustischen Einheiten sicherzustellen. Deshalb werden Methoden eingesetzt, die auf künstlichen Neuronalen Netzen oder dem Lernen von Mannigfaltigkeiten beruhen.

  2. Akustische Einheitenentdeckung
    Die gegebene Sequenz an Merkmalen muss zunächst in eine Sequenz von akustischen Einheiten segmentiert werden. Da nicht einmal bekannt ist, welche akustischen Einheiten die Sprache aufweist, muss das Verfahren in der Lage sein, die Anzahl der Einheiten selbst zu bestimmen. Dann muss für jede der Einheiten ein akustisches Modell erlernt werden.

  3. Wortentdeckung  und -segmentierung
    Die Ausgabe der akustsichen Einheitenentdeckung ist ein meist ein Lattice, das viele mögliche Hypothesen für Sequenzen akustischer Einheiten bündelt. Aus diesem Lattice muss nun eine Sequenz an Worten extrahiert werden. Dazu muss simultan eine Segmentierung in Worten und ein Erlernen des Vokabulars stattfinden.


Mögliche Abschlussarbeiten können in allen Teilsystemen durchgeführt werden. Die Teilkomponenten 2 und 3 sind besser für Masterarbeiten geeignet, die erste Teilkomponente jedoch auch für Bachelorarbeiten.

Ansprechpartner: Thomas Glarner

Further information:

The University for the Information Society