Sprach- und Audiosignalverarbeitung (SAV)5 ECTS (englische Bezeichnung: Speech and Audio Signal Processing)
Modulverantwortliche/r: Walter Kellermann Lehrende:
Walter Kellermann, Mhd Modar Halimeh
Startsemester: |
SS 2020 | Dauer: |
1 Semester | Turnus: |
jährlich (SS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
90 Std. | Sprache: |
Englisch |
Lehrveranstaltungen:
-
-
Sprach- und Audiosignalverarbeitung
(Vorlesung, 3 SWS, Walter Kellermann, Mo, Di, 12:15 - 13:45, H5)
-
Übung zur Sprach- und Audiosignalverarbeitung
(Übung, 1 SWS, Mhd Modar Halimeh)
Empfohlene Voraussetzungen:
Vorlesung Signale und Systeme I & II
Inhalt:
The course concentrates on algorithms for speech and audio signal processing with applications in telecommunications and multimedia, especially
physiology and models for human speech production and hearing: source-filter model, filterbank model of the cochlea, masking effects,
representation of speech and audio signals: estimation and representation of short-term and long-term statistics in the time and frequency domain as well as the cepstral domain; typical examples and visualizations
source coding for speech and audio signals: criteria, scalar and vector quantization, linear prediction, prediction of the pitch frequency; waveform coding, parametric coding, hybrid coding, codec standards (ITU, GSM, ISO-MPEG)
basic concepts of automatic speech recognition (ASR): feature extraction, dynamic time warping, Hidden Markov Models (HMMs)
basic concepts of speech synthesis: text-to-speech systems, model-based and data-driven synthesis, PSOLA synthesis system
signal enhancement for acquisition and reproduction: noise reduction, acoustic echo cancellation, dereverberation using single-channel and multichannel algorithms.
Die Vorlesung behandelt Grundlagen und Algorithmen der Verarbeitung von Sprach- und Audiosignalen mit Anwendungen in Telekommunikation und Multimedia, insbesondere:
Physiologie und Modelle der Spracherzeugung und des Hörens: Quelle-Filter-Modell, Filterbank-Modell der Cochlea; Maskierungseffekte;
Darstellung von Sprach- und Audiosignalen: Schätzung und Darstellung der Kurzzeit- und Langzeitstatistik in Zeit-, Frequenz- und Cepstralbereich; typische Beispiele, Visualisierungen;
Quellencodierung für Sprache und Audiosignale: Kriterien; skalare und vektorielle Codierung; lineare Prädiktion; Pitchprädiktion; Wellenform-/Parameter-/Hybrid-Codierung; Standards (ITU, GSM, ISO-MPEG)
Spracherkennung: Merkmalextraktion, Dynamic Time Warping, Hidden Markov Models
Grundprinzipien der Sprachsynthese: Text-to-Speech Systeme, modellbasierte und datenbasierte Synthese, PSOLA-Synthese
Signalverbesserung bei Signalaufnahme und –wiedergabe: Geräuschbefreiung, Echokompensation, Enthallung mittels ein- und mehrkanaliger Verfahren;
Lernziele und Kompetenzen:
The students
understand basic physiological mechanisms of human speech production and hearing and can apply them for the analysis of speech and audio signals
apply basic methods for the estimation and representation of the short-term and long-term statistics of speech and audio signals and can analyze such signals by means of these methods
understand current methods for source coding of speech and audio signals and can analyze current coding standards
verstehen die Grundbausteine von Spracherkennungssystemen und können deren Funktion mittels Rechnersimulation analysieren
understand the basic principle of text-to-speech systems and can apply fundamental methods for speech synthesis
can apply basic algorithms for speech enhancement and understand their functionality for real-world data.
Die Studierenden
verstehen die grundlegenden physiologischen Mechanismen der Spracherzeugung und des Hörens beim Menschen und können diese zur Analyse von Sprach- und Audiosignalen anwenden
wenden die grundlegenden Methoden zur Schätzung und Darstellung der Kurzzeit- und Langzeitstatistik von Sprach- und Audiosignalen an und können diese damit analysieren
verstehen die aktuellen Methoden zur Quellencodierung von Sprache-und Audiosignalen und können aktuelle Codierstandards analysieren
verstehen die Grundbausteine von Spracherkennungssystemen und können deren Funktion mittels Rechnersimulation analysieren
verstehen die Grundprinzipien von Text-to-Speech Systemen und können elementare Algorithmen zur Sprachsynthese anwenden
können elementare Algorithmen zur Signalverbesserung anwenden und für reale Daten analysieren
Literatur:
Gemäß themenbezogenen Angaben in der Lehrveranstaltung
Weitere Informationen:
www: https://www.studon.fau.de/crs174396.html
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan: Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Informations- und Kommunikationstechnik (Bachelor of Science)
(Po-Vers. 2009 | TechFak | Informations- und Kommunikationstechnik (Bachelor of Science) | Gesamtkonto | Wahlpflichtmodule, Wahlmodule, Seminar, Praktika, Bachelorarbeit | Wahlpflichtmodule aus Katalog für IuK | Speech and Audio Signal Processing)
Studien-/Prüfungsleistungen:
Speech and Audio Signal Processing (Prüfungsnummer: 64601)
(englischer Titel: Speech and Audio Signal Processing)
- Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet, 5 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- Erstablegung: SS 2020, 1. Wdh.: WS 2020/2021
1. Prüfer: | Walter Kellermann |
- Termin: 10.08.2020, 18:00 Uhr, Ort: Tentoria
Termin: 30.03.2021, 11:00 Uhr, Ort: H 8 TechF
Termin: 19.07.2021, 11:00 Uhr, Ort: H 7 TechF
Termin: 12.04.2022, 08:00 Uhr, Ort: K 1 TechF
|
|