Sprach- und Audiosignalverarbeitung (SAV)5 ECTS
(englische Bezeichnung: Speech and Audio Signal Processing)

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:

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

1. Communications and Multimedia Engineering (Master of Science): 2. Semester
   (Po-Vers. 2011 | TechFak | Communications and Multimedia Engineering (Master of Science) | Gesamtkonto | Pflichtmodule | 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