Abschlussarbeit

Zurück zur Liste

Entwurf eines Noise Reduction Algorithmus basierend auf Machine Learning Methoden

AutorInnen Hülser, G.
Jahr 2017
Art der Arbeit Masterarbeit
Themenfeld Audiosignalverarbeitung
Abstract Das Ziel dieser Arbeit ist die Entwicklung eines Algorithmus zur Reduktion von Störger äuschen einkanaliger Sprachsignale basierend auf Methoden des maschinellen Lernens, insbesondere neuronale Netze und Deep Learning. Eine groÿe Anzahl an Sprach- und Geräuschdaten wird gesammelt um ein neuronales Netzwerk zur Schätzung von spektralen Masken zu trainieren. Der Algorithmus wird für verschiedenste Arten additiver Störgeräuschen getestet und im Hinblick auf Sprachqualität und Sprachverständlichkeit evaluiert. Zusätzlich werden die Ergebnisse mit einem bestehenden, von HARMAN zur Verfügung gestellten Algorithmus verglichen. Mithilfe eines bidirectional long short-term memory (BLSTM) Netzwerkes und einer frequenzabhängigen Fehlerfunktion konnte der PESQ um durchschnittlich 0.3 und der STOI um 0.06, im Vergleich zum ursprünglichen Verfahren, verbessert werden. Mithilfe eines vorgegebenen Testverfahrens wird ausserdem gezeigt, dass sich die Erkennungsrate eines Spracherkenners um bis zu 8% verbessern lässt.
URL http://phaidra.kug.ac.at/o:69253
BetreuerInnen Sontacchi, A., Bauer, G.