Liste der früheren Abschlussarbeiten

In dem Telefonkonferenzsystem kann das räumliche Audio oder das sogenannte 3D-Audio die wahrgenommene Qualität des Zuhörers verbessern, insbesondere für Mehrpersonengespräche. Mit der räumlichen Information ist es möglich, einzelne Sprecher zu identifizieren und zu unterscheiden. Dies ist insbesondere wichtig für den Fall, dass mehrere Sprecher gleichzeitig sprechen. In Bezug auf die Anwendung von Telefonkonferenzen spielen Beeinträchtigungen auf der Aufnahmeseite wie Lärm und Nachhall eine Rolle bei der Qualitätsbewertung. Die Interaktion von aufnahmeseitigen Beeinträchtigungen und die Vorteile des räumlichen Audio-Renderings werden jedoch nicht vollständig verstanden. Ob das 3D-Audio immer noch besser funktioniert als das nicht-räumliche Audio unter den Beeinträchtigungen, wurde noch nicht diskutiert. Daher ist es das Ziel dieser Arbeit, die Auswirkung und Zuordnung der aufnahmebedingten Beinträchtigungen auf die wahrgenommene Qualität aufzudecken. Um dieses Ziel zu erreichen, wurde ein Hörversuch entworfen, implementiert und durchgeführt. Das Hörmaterial wurde durch die Verarbeitung hochqualitativer Sprachaufnahmen mit verschiedenen Methoden erzeugt. Die Integration von PJSIP und SoundScape Renderer wurde implementiert, um 3D-Audio zu erzeugen. Und die ITU-T G.191 Toolbox wurde verwendet, um die Verschlechterungen zu simulieren. Der Vergleich von Gegensprechen, dem s.g. Double-Talk (zwei Sprecher sprechen gleichzeitig) und Wechselsprechen, dem s.g. Single-Talk (zwei Sprecher sprechen alternativ) ist ebenfalls in dieser Arbeit enthalten. Insgesamt werden vier Kategorien von Stimuli erzeugt und jede Kategorie enthält 25 experimentelle Bedingungen. Die Ergebnisse dieser Studie zeigen, dass das 3D-Audio immer besser als das 1D-Audio ist und das Single-Talk besser als das Double-Talk bei gleicher Beeinträchtigung ist. Das heißt, mit der Beeinträchtigung profitiert das 3D-Audio auch von der räumlichen Wirkung. Darüber hinaus verbessert 3D-Audio bei hochqualitativen Stimuli die Qualität für Double-Talk deutlich, aber für Single-Talk nur wenig. Wenn die Sprache durch Rauschen beeinträchtigt wird, erhöht das 3D-Audio die Qualität von Double-Talk und Single-Talk. Der Vorteil von 3D-Audio, der für ungestörte Sprachsignale bekannt ist, ist ebenfalls für verschiedene aufnahmebedingte Beeinträchtigungen erkennbar.

In der Automobilindustrie ist es ein stetiges Ziel, den Akustik-Komfort von Fahrzeugen zu optimieren. Dieser wird beispielsweise durch Störgeräusche vermindert, die infolge von antriebsstrang- oder fahrbahnerregten Karosserieschwingungen entstehen können. Die vorliegende Masterarbeit beschäftigt sich daher mit der Entwicklung eines aktiven, selbstsensierenden Schwingungstilgers, der diesen Phänomenen entgegenwirken soll. Während bisherige passive Tilger in Form von Feder-Masse-Systemen zahlreiche Nachteile aufweisen und damit beispielsweise einen hohen Abstimmungsaufwand verursachen, bietet der Einsatz aktiver Tilger hingegen einige Vorteile. Neben dem geringeren Gewicht können durch deren Adaptivität die Anpassungsmaßnahmen deutlich reduziert werden. Allerdings treten durch die Notwendigkeit zusätzlicher Sensoren höhere Kosten im Vergleich zu passiven Tilgern auf. Daher verfolgt die Masterarbeit den Ansatz, den Aktor zugleich auch als Sensor in einem Bauteil und damit selbstsensierend zu verwenden. Zur Trennung der Signalanteile müssen in diesem Fall die Aktorübertragungsfunktionen genau bekannt sein. Deshalb bestand der erste Schritt in der Systemidentifikation dieser Übertragungsfunktionen. Die Signaltrennung erfolgte daraufhin anhand eines realitätsnahen Störsignals, das an PKW-Heckklappen auftreten kann. Simulativ wurde zuletzt eine Feedback-Regelung mithilfe adaptiver FIR- und IIR-Filter aufgebaut, die zur Kompensation der detektierten Schwingungen einsetzbar ist. Schließlich fand eine Abschätzung statt, inwiefern sich Amplituden- und Phasenfehler in der Bestimmung der Aktorübertragungsfunktionen auf das Regelergebnis auswirken können.

Diese Arbeit stellt eine neue Methode zur automatischen Evaulierung von Videoqualität im Bereich HD und UHD vor. Dieser Ansatz setzt auf die Extraktion von vier Signal Features: Schärfe, Kontrast, Bewegung und Sättigung. Weiterhin werden inhaltsbasierte Eigenschaften ausgewertet, Gesichter werden erkannt und ein Algorithmus zum Erkennen von auffallenden und herausragenden Bildelementen wird verwendet. Die anfallenden Daten werden von drei unterschiedlichen machinellen Lernverfahren ausgewertet: Der Support Vector Machine, einem Random Forest Klassifikationsverfahren und dem k-nearest neighbor Algorithmus. Der gesamte Prozess wird mit einem eigens entwickelten Datensatz von 165 Testvideos untersucht. Für diesen Datensatz liefert das Random Forest Klassifikationsverfahren die besten Ergebnisse betreffend Accuracy, Precision, Recall und dem F-Maß. Die Visualisierung der Entscheidungsgrenze und die ROC Kurven bestätigen dieses Ergebnis weiterhin. Einige der Beschränkungen können durch den verwendeten Videodatensatz entstanden sein, welcher die Basis für das Klassifikationsverfahren bildet. Es wurde gezeigt, dass dieser Ansatz rentabel und stabil ist und sehr gute Ergebnisse liefert. Jedoch muss der als Basis benutzte Videodatensatz selbst evaluiert werden, da er qualitativ hochwertig und repräsentativ für den jeweiligen Einsatzzweck sein muss.

In der Arbeit werden Verfahren zur Synchronisierung von Audio- und Videosignalen im professionellen Studio betrachtet. Hierbei werden periodische Synchronsignale generiert. Deren einzelne Abschnitte werden Bereichen der ebenfalls periodischen Mediensignale zugeordnet. Wird dieses Verhältnis für die Geräte im Studio eingehalten, arbeiten sie synchron zueinander. Die Synchronsignale werden zusammen mit den Audio- und Videodaten in Form von IP-Paketen in einem Netzwerk übertragen. Die Verfahren werden in den Standards IEEE Std 1588 ™-2008, SMPTE ST 2059-1:2015 und SMPTE ST 2059-2:2015 beschrieben. Ziel der Arbeit ist es, eine bestehende Implementierung der Standards an ein Zielsystem anzupassen und zu evaluieren. Die Implementierung liegt in Form von Schaltungen und Treibern für ein Entwicklungsboard mit FPGA vor. Durch die Evaluierung kann beantwortet werden, welche Anforderungen an eine Implementierung der Verfahren bestehen und wie diese in der Praxis erfüllt werden können. Dazu werden theoretische Analysen durchgeführt, mit denen u.a. die benötigte Genauigkeit der Synchronisierung in einem Studio bestimmt wird. Außerdem werden Messungen mit zwei Rechnern durchgeführt, um deren Genauigkeit der Synchronisierung bestimmen zu können. Die Ergebnisse werden mit der Genauigkeit des Referenzdesigns verglichen. Es kann gezeigt werden, dass die benötigten Anforderungen nur dann erfüllt werden können, wenn die zur Synchronisierung benötigten Zeitstempel in Hardware generiert werden. Das Referenzdesign erfüllt diese Anforderung. Es kann außerdem gezeigt werden, dass die Genauigkeit durch die Veränderung von Parametern der Regelschleifen der Geräte beeinflusst werden kann. Daher ist es sinnvoll, bestimmte Bereiche einer Implementierung zur Laufzeit modifizieren zu können. Es ist absehbar, dass im netzwerkbasierten Studio künftig auch Algorithmen für die Überwachung und Steuerung von Geräten eingesetzt werden sollen. Dies spricht ebenfalls für eine flexible Implementierung in einzelnen Bereichen.

Der Hauptschwerpunkt dieser Arbeit besteht darin, das Erkundungsverhalten von Personen innerhalb von 360˚ Videos zu untersuchen. Hierzu wird im Rahmen der Arbeit ein Framework entwickelt, welches in der Lage ist, die Kopfbewegungen von Personen, die ein Head-Mounted Display (HMD) tragen, zu verfolgen. Das Framework soll auch auf die Daten eines externen Motion Capturing Systems zugreifen können. Ziel der Arbeit ist unter anderem die Untersuchung der Nutzbarkeit und Genauigkeit der ermittelten Daten beider Systeme. Außerdem wird der Einfluss eines Kabels bei Head-Mounted Displays auf das Erkundungsverhalten von Personen untersucht, wobei auch Aspekte bezüglich der Simulationskrankheit beleuchtet werden. Weiterhin wird betrachtet, inwiefern der Inhalt und Häufigkeit der Wiedergabe eines Videos einen Einfluss auf das Erkundungsverhalten von Personen haben. Hierbei wird auch das interindividuelle Verhalten verglichen, wobei untersucht wird, ob ein typisches Sichtfeld bei 360˚ Videos vorhanden ist. Innerhalb des theoretischen Teils werden zuerst Grundlagen bezüglich Kopfbewegungsdaten dargelegt. Hiernach werden Faktoren genannt, die zum Erkundungsverhalten von Personen bei 360˚ Video beitragen können. Außerdem werden verschiedene Methoden zur automatisierten Extraktion des Ansichtsfensters bei 360˚ Video vorgestellt. Weiterhin werden Gründe und Messmethoden der Simulationskrankheit präsentiert. Zum Schluss werden aktuelle HMDs diskutiert. Innerhalb des folgenden Teils werden die Ziele, Anforderungen und Komponenten des Frameworks dargelegt. Hiernach wird das Setup und der Export von Daten des Motion Capturing Systems beschrieben. Danach wird die Architektur des Frameworks erläutert, wobei der Fokus auf die Wiedergabe der 360˚ Videos und synchrone Aufnahme der Daten bei beiden Systemen gelegt wird. Im Folgenden wird die Benutzung des Frameworks beschrieben. Zuletzt werden entwickelte Evaluationsskripte des Frameworks vorgestellt. Im folgenden Teil werden zuerst zwei Studien, welche mittels des Frameworks durchgeführt werden, präsentiert und diskutiert. Im Anschluss daran findet ein Proof of Concept Test statt, bei dem der Fokus auf die Beantwortung der oben genannten Forschungsfragen gelegt wird. Zum Schluss der Arbeit wird eine Anforderungsanalyse durchgeführt. Weiterhin werden mögliche Verbesserungen des Frameworks und Forschungsansätze angeführt.