March 2022 - Kommunikationstechnik-Kolloquium

Communication Technology Colloquium at IKS
by Irina Esser 25 Mar '22

25 Mar '22

Dear subscribers of the colloquium newsletter, we are happy to inform you about the next date of our Communication Technology Colloquium. *Wednesday, March, 30, 2022* *Speaker*: Nora Pöhlau *Time*: 10:00 a.m. *Location*: https://rwth.zoom.us/j/97904157921?pwd=SWpsbDl0MWhrWjY1ZkZaeFRoYmErZz09 Meeting-ID: 979 0415 7921 Passwort: 481650 *Master Lecture*: Performance Evaluation of Sound Field Translation Methods for Recorded Virtual Reality The Higher-Order Ambisonics (HOA) format allows directional recording and playback of sound, making it an attractive tool for spatial audio or immersive sound applications. Because Higher-Order Ambisonics are mathematically based on Spherical Harmonics (SHs), they offer full rotational freedom for the listener (3DoF). However, the sound field can only be correctly reconstructed in a small area around the original recording position due to physical constraints. Three algorithms developed at the Institute for Communications Systems (IKS) make it possible to allow an additional translational movement of the user, even beyond the sweet spot. These algorithms deviate from the physically correct reconstruction in favour of an acoustically plausible playback. In this thesis, the three algorithms of Space Warping (SW), Adaptive Space Warping (ASW) and Adaptive Beamforming (ABF) are perceptually compared by conducting multiple listening tests. ABF and ASW split the sound signal into a primary and an ambient part and apply the translation operation only to the primary part. In two web-based listening tests, it was found that this separation is an acoustically valid approach. It was not distinguishable for the listeners if the primary part contained only direct sound or additional early reflexions. In a second step, a listening test in the laboratory was conducted. Here, the algorithms were compared for different translation distances. For small distances, ABF showed the best performance of all algorithms. ABF introduced fluctuating residual noise for higher distances but still obtained the highest source position ratings. Besides that, a newly proposed variant of SW has proven to perform surprisingly well and scored second best in all ratings behind ABF. All interested parties are cordially invited, registration is not required. General information on the colloquium, as well as a current list of dates of the Communication Technology Colloquium can be found at: http://www.iks.rwth-aachen.de/aktuelles/kolloquium -- Irina Esser Institute of Communication Systems (IKS) RWTH Aachen University Muffeter Weg 3a, 52074 Aachen, Germany +49 241 80 26958 (phone) ronkartz(a)iks.rwth-aachen.de http://www.iks.rwth-aachen.de/

1 0

Kommunikationstechnisches Kolloquium am IKS
by Irina Esser 17 Mar '22

17 Mar '22

Sehr geehrte Abonnenten des Kolloquium-Newsletters, gerne informieren wir Sie über den nächsten Termin unseres Kommunikationstechnischen Kolloquiums. *Dienstag, 22. März 2022* *Vortrage**nder*: Anatolii Skovitin *Zeit*: 14:00 Uhr *Ort*: https://rwth.zoom.us/j/97904157921?pwd=SWpsbDl0MWhrWjY1ZkZaeFRoYmErZz09 Meeting-ID: 979 0415 7921 Passwort: 481650 *Bachelor-Vortrag:* Sprachsynthese von gestörten Betragsspektren mit Methoden des maschinellen Lernens Sprachsignale sind ein wichtiges Mittel der Kommunikation zwischen Menschen. In der digitalen Welt werden Sprachsignale über Telefone oder das Internet übertragen. Dazu müssen sie zunächst in den Zeit-Frequenzbereich transformiert werden. Ein resultierendes Zeit-Frequenzspektrum setzt sich zusammen aus dem Magnituden- und dem Phasenspektrum. Sprachsignale sind häufig Störungen ausgesetzt, bei denen das Nutzsignal verzerrt wird. Es gibt Methoden die diese Verzerrungen abschwächen oder entfernen können. Häufig wird jedoch nur das Magnitudenspektrum betrachtet und das Phasenspektrum bleibt aufgrund seiner vergleichsweise geringen Bedeutung unverändert. Allerdings werden sich im Normalfall die verarbeiteten Magnitudenspektren den perfekten Magnitudenspektren annähern. Andere Methoden liefern überhaupt kein Phasenspektrum, sondern nur eine Schätzung des Magnitudenspektrums. In dieser Arbeit wird die Methode untersucht, die das Phasenspektrum von Sprachsignalen aus den geschätzten oder gestörten Magnitudenspektren rekonstruiert. Zu diesem Zweck werden Ansätze aus dem Bereich des maschinellen Lernens verwendet. Um die Methoden der Phasenrekonstruktion möglichst unabhängig von den spezifischen Störungsarten eines bestimmten Systems zu untersuchen, wird eine künstliche Störung verwendet. Die vorbereiteten Daten werden für das Training der neuronalen Netze verwendet. Die besten Modelle des neuronalen Netzes werden dann ausgewählt. Sie werden auf unterschiedlich gestörten Daten angewendet, um herauszufinden, wie gut die neuronalen Netze für verschiedene Arten von Störungen geeignet sind. Schließlich werden die verschiedenen Phasenrekonstruktionsmethoden angewendet und die resultierenden Sprachsignale bewertet. Außerdem wird ein Vergleich mit dem Griffin-Lim-Algorithmus durchgeführt. Alle Interessierten sind herzlich eingeladen, eine Anmeldung ist nicht erforderlich. Allgemeine Informationen zum Kolloquium sowie eine aktuelle Liste der Termine des Kommunikationstechnischen Kolloquiums finden Sie unter: https://www.iks.rwth-aachen.de/aktuelles/kolloquium/ -- Irina Esser Institute of Communication Systems (IKS) RWTH Aachen University Muffeter Weg 3a, 52074 Aachen, Germany +49 241 80 26958 (phone) esser(a)iks.rwth-aachen.de http://www.iks.rwth-aachen.de/

1 0

Einladung Promotionsvortrag
by Irina Esser 10 Mar '22

10 Mar '22

Sehr geehrte Abonnenten des Kolloquium-Newsletters, gerne laden wir Sie zu einem Promotionsvortrag ein. Vortragender: Herr Matthias Schrammen, M. Sc. Thema: *Front-End Signal Processing for Far-Field Speech Communication* Zeit: Freitag, 18. März 2022, 10:00 Uhr Zoom-Meeting: https://rwth.zoom.us/j/97904157921?pwd=SWpsbDl0MWhrWjY1ZkZaeFRoYmErZz09 <https://rwth.zoom.us/j/97904157921?pwd=SWpsbDl0MWhrWjY1ZkZaeFRoYmErZz09>Meeting-ID: 979 0415 7921 Passwort: 481650 Devices for speech communication operated in hands-free mode offer a very natural way of human communication. The capturing device, e.g., a smartphone, smart speaker or tablet, is often located up to several meters away from the human speaker. Furthermore, detrimental effects like noise and reverberation are present in everyday acoustic environments. Therefore, the signal-to-noise ratio at the microphones mounted on the device is typically too low to offer sufficient speech quality for the listener at the other end of the communication link. In addition, the loudspeaker of the device is located much closer to the microphones than the human speaker. Therefore, a strong echo signal from the loudspeaker couples into the microphones degrading the conversation quality for the remote listener even further. State-of-the-art approaches that tackle the above-mentioned problems usually rely on multiple microphones to improve the signal-to-noise ratio with methods like beamforming. Beamforming combines the digitally filtered signals of several microphones to obtain an enhanced speech signal at the output. In addition, acoustic echo cancellation is employed to attenuate the echo signal more specifically. This is achieved by adaptive estimation of a digital model of the acoustic echo path and subsequent subtraction of the synthesized echo signal from the microphone signal. However, the solutions are usually optimized for one specific device and are only applicable when the positions of the microphones are fixed and known to the algorithm. Furthermore, the combination of multi-microphone enhancement and echo cancellation is not trivial and low complexity solutions are lacking performance in terms of tracking dynamic acoustic scenarios. Finally, low costs, small form factors, and high desired sound pressure levels result in loudspeakers that operate at their physical limits. This adds significant nonlinear components to the sound emitted by the loudspeaker. Therefore, conventional linear acoustic echo cancellation cannot compensate for the nonlinear parts of the echo and the conversational quality is not satisfactory. The task of the dissertation is to alleviate these shortcomings. The developed signal processing algorithms should be more flexible with respect to desired features in real devices. Among these are microphone positions that are unknown or change during operation and the use of beamforming and acoustic echo cancellation at the same time. Furthermore, the developed solutions should be able to handle nonlinear echo paths and should introduce a low computational complexity to be attractive for battery-powered devices, too. Alle Interessierten sind herzlich eingeladen, eine Anmeldung ist nicht erforderlich. -- Irina Esser Institute of Communication Systems (IKS) RWTH Aachen University Muffeter Weg 3a, 52074 Aachen, Germany +49 241 80 26958 (phone) esser(a)iks.rwth-aachen.de http://www.iks.rwth-aachen.de/

1 0

Kommunikationstechnisches Kolloquium am IKS
by Irina Esser 02 Mar '22

02 Mar '22

Sehr geehrte Abonnenten des Kolloquium-Newsletters, gerne informieren wir Sie über den nächsten Termin unseres Kommunikationstechnischen Kolloquiums. *Mittwoch, 9. März 2022* *Vortragender*: Marcel Kohn *Zeit*: 14:00 Uhr *Ort*: https://rwth.zoom.us/j/97904157921?pwd=SWpsbDl0MWhrWjY1ZkZaeFRoYmErZz09 Meeting-ID: 979 0415 7921 Passwort: 481650 *Master-Vortrag*: Robuste Schätzung der Sprecherstimme bei Hearables und Hörgeräten mit Mehr-Sensor-Systemen Durch den Verschluss des Gehörgangs durch Hörgeräte oder Hearables wird die Eigenwahrnehmung der eigenen Stimme gestört. Wenn keine Gegenmaßnahmen ergriffen werden, wird die eigene Stimme als dröhnend empfunden, was als Okklusionseffekt bezeichnet wird. Er kann durch die so genannte aktive Okklusionsunterdrückung (AOC) verhindert werden. Dieser Algorithmus nutzt jedoch in der Regel einen akustischen Hear-Through aus, so dass er in lauten Umgebungen eher nachteilig ist. Bei einem alternativen Ansatz arbeitet das Gerät im aktiven Geräuschunterdrückungsmodus (ANC), so dass alle Umgebungsgeräusche blockiert werden. Dann kann eine verbesserte Wahrnehmung der eigenen Stimme erreicht werden, wenn eine Schätzung des Luftschalls der eigenen Stimme durch das Gerät wiedergegeben wird, um das Gefühl eines unverschlossenen Ohres zu erzeugen. Da ANC-Geräte jedoch in der Regel in lauten Umgebungen getragen werden, ist die Schätzung dieses Signals eine Herausforderung. Eine Möglichkeit, die natürliche Wahrnehmung wiederherzustellen, besteht darin, den gedämpften Luftschall der Stimme zu rekonstruieren und so eine natürliche Wahrnehmung zu erzeugen. In dieser Arbeit wrid ein neuronales Netzwerk in ein ANC-System integriert, um die Sprachkomponenten der Stimme des Sprechers von den Umgebungsgeräuschen zu trennen. Nach Anwendung eines Equalizers zur Berücksichtigung weiterer akustischer Einflüsse wird das entrauschte Sprachsignal über einen Kopfhörerlautsprecher im Gehörgang wiedergegeben. Im Vergleich zu bestehenden Sprachverbesserungssystemen wird das Signal eines zusätzlichen Mikrofons an der Innenseite des Kopfhörers als Nebeninformation berücksichtigt. Innerhalb einer Messreihe werden die für das Training benötigten Daten mit Testpersonen aufgenommen. Darüber hinaus werden gerätebezogene Übertragungsfunktionen gemessen, die zusammen mit Ambisonics-Aufnahmen höherer Ordnung (HOA) zur Vergrößerung der Trainingsdatenmenge verwendet werden können, was zu 1736 Stunden Audiodaten für 21 Testpersonen führt. Eine Untersuchung verschiedener rekurrenter neuronaler Faltungsnetzwerke zeigt insbesondere, dass die Verwendung des inneren Mikrofons sowohl zu der gewünschten Störgeräuschreduktion als auch zu einer Verschlechterung der Sprachqualität führt. Weitere Änderungen an der Netzarchitektur des untersuchten Netzes führen zu erhöhten Werten bei wahrnehmungsmotivierten Metriken. Darüber hinaus wird eine auf Multimasking basierende Netzwerkerweiterung getestet, die in der Lage ist, die Dämpfung von Störsignalen dynamisch durch einen einzigen Parameter zu reduzieren, was zu vergleichbar hohen Ergebnissen führt. Alle Interessierten sind herzlich eingeladen, eine Anmeldung ist nicht erforderlich. Allgemeine Informationen zum Kolloquium, sowie eine aktuelle Liste der Termine des Kommunikationstechnischen Kolloquiums finden Sie unter: http://www.iks.rwth-aachen.de/aktuelles/kolloquium -- Irina Esser Institute of Communication Systems (IKS) RWTH Aachen University Muffeter Weg 3a, 52074 Aachen, Germany +49 241 80 26958 (phone) ronkartz(a)iks.rwth-aachen.de http://www.iks.rwth-aachen.de/

1 0