Forschungsprojekt Q-GUM
Quellenselektive Geräuschtrennung von Umgebungslärm (Q-GUM)
Im Rahmen des Vorhabens sollen Verfahren entwickelt und nutzbar gemacht werden, die es ermöglichen, mehrere Geräuschquellen automatisch zu identifizieren, zu klassifizieren und zu segmentieren. Dazu sollen innovative Verfahren der digitalen Audiosignalverarbeitung unter Einbindung von Verfahren der Künstlichen Intelligenz (KI), genauer des Machine-Learning (ML) genutzt werden. Diese Verfahren beruhen darauf, dass durch die Ermittlung einiger relevanter Parameter aus dem Audiosignal die Fähigkeiten des menschlichen Ohres zur Erkennung von Geräuschen nachgebildet werden. Weiterhin sollen in diese Lösungen Verfahren der räumlichen Trennung von Schallereignissen mit Hilfe der Auswertung von Mikrofonarrays integriert werden.
Diese hochinnovativen Verfahren sollen genutzt werden, um komplexe Lärmsituationen geeignet zu erfassen, auszuwerten und somit Möglichkeiten zu schaffen, den Prozess der Genehmigung von Anlagen und Verkehrswegen geeignet und verglichen zum Stand der Technik wesentlich zu verbessern und transparenter zu gestalten.
Auf einen Blick
Kategorie | Beschreibung |
---|---|
Forschungsprojekt | Q-GUM - Quellenselektive Geräuschtrennung von Umgebungslärm |
Leitung | Prof. Dr.-Ing Christoph Pörschmann |
Fakultät | Fakultät für Informations-, Medien- und Elektrotechnik |
Institut | Institut für Nachrichtentechnik |
Beteiligte | Christoph Pörschmann, Damian Thomas Dziwis, David Bau |
Projektpartner | deBAKOM Gesellschaft für sensorische Meßtechnik mbH |
Fördermittelgeber | Bundesministerium für Wirtschaft und Klimaschutz (BMWK) (ZIM) |
Laufzeit | 01.07.2021 – 30.06.2023 |