Lehrinhalte
[b]Theorie:[/b]
1) Herleitung von Optimalfiltern, z.B. Wiener Filter und Lineare Prädiktion auf Basis passender Kostenfunktionen.
2) Entwicklung adaptiver Verfahren, die für nicht stationäre Signale in veränderlichen Umgebungen die Optimalfilter-Lösung kontinuierlich adaptieren. Hierbei werden die Verfahren NLMS-Algorithmus, Affine Projektion und der RLS-Algorithmus hergeleitet und umfangreich analysiert.
3) Analyse des Adaptionsverhaltens und Steuerungsmöglichkeiten von Adaptiven Filtern auf Basis von NLMS-Verfahren.
4) Herleitung und Analyse des Kalman-Filters als Optimalfilter für nicht stationäre Eingangssignale.
5) Verfahren zur Zerlegung von Signalen in Frequenzteilbänder zur Realsierung von Optimalfiltern im Frequenzbereich, z.B. Geräuschreduktion.

[b]Anwendungen:[/b]
Parallel zur Theorie werden praktische Anwendungen erläutert.
Zum Wiener-Filter werden Verfahren der akustischen Geräuschreduktion entwickelt. Für adaptive Filter wird insbesondere akustische Echounterdrückung aber auch Rückkopplungsunterdrückung erläutert. Weiterhin werden Beamforming-Ansätze dargestellt.

Während der Vorlesungszeit ist geplant, eine Exkursion zu Siemens Audiologische Technik nach Erlangen anzubieten.
In den 4-5 Übungen werden Sie Inhalte der Vorlesung in MATLAB implementieren und sich so praktische Umsetzungen der theoretischen Verfahren erarbeiten.

Literatur
Folien zur Vorlesung
Literaturhinweise:
[list]
[*]E. Hänsler, G. Schmidt: Acoustic Echo and Noise Control, Wiley, 2004 (Textbook of this course)
[*]S. Haykin: Adaptive Filter Theory, Prentice Hall, 2002;
[*]A. Sayed: Fundamentals of Adaptive Filtering, Wiley, 2004;
[*]P. Vary, U. Heute, W. Hess: Digitale Sprachsignalverarbeitung, Teubner, 1998 (in German)
[/list]

Voraussetzungen
Digitale Signalverarbeitung

Online-Angebote
moodle

Semester: SoSe 2022