Bayesian learning of linear and nonlinear acoustic system models in hands-free communication

  • In dieser Arbeit werden einkanalige und mehrkanalige Darstellungen für lineare akustische Systeme sowie pseudo-mehrkanalige und Kaskadenmodelle für die einkanalige nichtlineare akustische Echokompensation im Frequenzbereich vorgestellt. Die vorgestellten Algorithmen zur Echokompensation werden mit Hilfe Variational-Bayes'scher Lernverfahren hergeleitet, die eine Beschreibung der Modellgrößen entweder als Zufallsvariablen oder als unbekannte deterministische Parameter ermöglichen. Die hergeleiteten Algorithmen enthalten damit einen Expectation-Schritt in dem die Posterior-Verteilung, d.h. der Mittelwert und die Kovarianz, der Zufallsgrößen geschätzt wird und einen Maximization-Schritt zur Punktschätzung der verbleibenden deterministischen Modellparameter. Ein weiterer Teil der Arbeit befasst sich mit der Erweiterung der entwickelten Algorithmen um eine Bayes'sche Postfilter-Stufe zur Unterdrückung des Restechos und zur Verbesserung des Nutzsignals des lokalen Sprechers.

Download full text files

Export metadata

Statistics

Number of document requests

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Sarmad Malik
URN:urn:nbn:de:hbz:294-35648
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2012/11/14
Date of first Publication:2012/11/14
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Elektrotechnik und Informationstechnik
Date of final exam:2012/10/04
Creating Corporation:Fakultät für Elektrotechnik und Informationstechnik
GND-Keyword:Echokompensation; Kalman-Filter; Bayes Verfahren; Variationsrechnung; Echosperre
Dewey Decimal Classification:Technik, Medizin, angewandte Wissenschaften / Elektrotechnik, Elektronik
Licence (German):License LogoKeine Creative Commons Lizenz - es gilt der Veröffentlichungsvertrag und das deutsche Urheberrecht