Kursinformation

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

Course Contents
[b]Theory:[/b]
1) Derivation of optimal filters for stochastic processes, e.g. Wiener filter or linear prediction filter based on suitable cost functions.
2) Elaboration of adaptive procedures, which allow to iteratively approach the optimal solution for non-stationary signals in non-stationary environments. Here, the adaptive procedures such as NLMS adaptation, affine projection, and the RLS algorithm are derived and extensively analysed.
3) Analysis of the adaptation behaviour and control procedures of adaptive filters based on the NLMS procedure.
4) Derivation and analysis of the Kalman filter as optimal filter for non-stationary input signals.
5) Procedures for the decomposition of signals into sub-bands for the realization of optimal filters in the frequency domain, e.g. noise reduction procedures.

[b]Applications:[/b]
Parallel to the theory, practical applications are explained. As an example for the Weiner filter, the acoustic noise reduction procedures are explained. Acoustic echo cancellation and feedback cancellation are given as examples for adaptive filters. Furthermore beamforming approaches are introduced.

It is planned to offer an excursion to Siemens Audiology Engineering Group in Erlangen.
In the 4 to 5 exercises, some content of the lecture will be implemented in MATLAB which allows the students to get familiar with practical realizations of the theoretical procedures.

Literature
Slides of the lecture.
Literature:
[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]

Preconditions
Digital Signal Processing