Erkennung von Umgebungsgeräuschen anhand von Machine Learning.

Kurzbeschreibung / Ausgangslage.

Wenn eine Maschine die Bedeutung von Umgebungsgeräuschen verstehen könnte, dann wäre sie in der Lage auf Änderungen in ihrer Umgebung zu reagieren. Das Gerät könnte Nachrichten an das Rechenzentrum senden, aufgrund dessen Personen oder andere Geräte Aktionen ausführen können. Dies würde es ermöglichen, ein Überwachungssystem für verschiedene Anwendungsfälle aufzubauen, in dem Aktionen basierend auf Umgebungsgeräuschen ausgelöst werden. Die Entwicklung von kleinen Mikrocontroller-Geräten hat die Echtzeit-Audiosignalerkennung unter Verwendung einer Kombination aus digitaler Signalverarbeitung und maschinellem Lernen ermöglicht. Der Stromverbrauch der CPUs und Mikrofone ist auf ein Mass reduziert, dass es ermöglicht ein kleines, batteriebasiertes Gerät zu bauen, das seine Umgebung kontinuierlich abhört.

Aufgabenstellung / Ziele.

Es gibt ein Gerät für Audiosignalerkennung, das Geräusche in seiner Umgebung detektiert. Ziel dieser Masterarbeit ist, Algorithmen zu finden, die die Audiosignalerkennung optimieren. Es gibt viele Möglichkeiten dies zu tun. Entweder indem Algorithmen für die Audiosignalverarbeitung verwendet werden oder indem maschinelle Lernalgorithmen entwickelt werden. Audiosignalverarbeitungsalgorithmen werden verwendet, um das Inputsignal vorzubereiten, bevor es dem maschinellen Lernalgorithmus übergeben wird. Die Audiosignalerkennung erfolgt danach durch maschinelles Lernen. Durch das angegebene Gerät wird die Auswahl der vorhandenen Algorithmen für maschinelles Lernen erheblich eingeschränkt. Man muss custom CNN-Algorithmen für maschinelles Lernen entwickeln, da das ausgewählte Zielgerät z.B. eingeschränkte Arbeitsspeicher-Kapazität hat.

Anforderungen (Studienrichtung, Studiendauer).

Master of Science in Digital Signal Processing. 

Studienrichtung: Audio Signal Processing oder Machine Learning.

Fachgebiet / Themen.

Ingenieurwesen / Technik

Ort.

Bern

Zeitraum.

4 - 6 Monate zwischen Periode März 2020 – Dezember 2020.

Sprachkenntnisse.

Entweder Deutsch oder Englisch

Kontaktadresse.

henrik.karppinen@sbb.chLink öffnet in neuem Fenster. 076 322 3370

Form der Bewerbung und gewünschte Dokumente.

Zeugnisse.

Weiterführender Inhalt