Digital Signal Processing and System Theory

Talk Herbert Buchner


herbert_buchner
Informationstheoretisch motivierte Lernalgorithmen für adaptive Signalverarbeitung und praktische Anwendungen in der Mensch-Maschine-Kommunikation (in German)

Date: 27.06.2011, 17:15 h - 18:15 h, Room: Aquarium

Dr.-Ing. Herbert Buchner
Machine Learning Group, TU Berlin, Germany


Details



Viele praktisch relevante Kommunikations- und Mess-Szenarien, z.B. in der Übertragungstechnik, der Akustik, oder in der biomedizinischen Technik, also Mensch-Maschine-Kommunikation im weiteren Sinne, lassen sich allgemein als FIR-Systeme mit mehreren Eingängen und mehreren Ausgängen (sog. MIMO-Systeme) beschreiben. Aufgrund der mannigfaltigen möglichen Systemkonfigurationen und Randbedingungen ist in den vergangenen Jahren eine fast unüberschaubare Vielfalt von entsprechenden Signalverarbeitungsalgorithmen in der Literatur vorgeschlagen worden.

Talk Herbert Buchner In diesem Vortrag stellen wir ein generisches Konzept zur vereinheitlichten Behandlung der breitbandigen blinden und überwachten adaptiven Signalverarbeitung für allgemeine MIMO-FIR-Systeme vor. Dieses Konzept, genannt TRINICON ("TRIple-N Independent component analysis for CONvolutive mixtures"), basiert unmittelbar auf Grundprinzipien der Schätztheorie und der Informationstheorie und berücksichtigt alle drei der fundamentalen Signaleigenschaften Nichtgaussheit, Nichtstationarität und Nichtweissheit ("Triple-N").

Anhand von einfachen bekannten Ansätzen und Anwendungsszenarien der adaptiven Signalverarbeitung werden wir zunächst "bottom-up" (induktiv) den allgemeinen Ansatz motivieren. Dabei wird sich zeigen, dass wir mittels geschickter Formulierung auf einen kompakten Formalismus mit einer relativ überschaubaren Zahl von mathematischen Strukturen und Parametern stossen. Anhand dieser sich ergebenden Freiheitsgrade gelangen wir nun "top-down" (deduktiv) durch Betrachtung der anwendungsspezifischen Vorinformationen zur Möglichkeit eines systematischen Algorithmen-Designs. Diese "Top-Down"-Methode erlaubt uns einerseits, Beziehungen zwischen wohlbekannten, aber scheinbar völlig unterschiedlichen Algorithmen herzustellen. Andererseits bietet sie eine Basis für die Entwicklung zahlreicher neuer, verbesserter Algorithmen.

Nach dem Überblick zu dieser Theorie wenden wir im zweiten Teil des Vortrags das Konzept exemplarisch auf einige praktische adaptive Filterprobleme in Mensch-Maschine-Schnittstellen an. Dabei zeigt sich, wie sich durch den allgemeinen Ansatz diverse neue und effiziente Algorithmen ergeben, z.B. zur blinden Quellentrennung für Faltungsmixturen, zur akustischen Echokompensation, zur blinden Systemidentifikation und akustischen Quellenlokalisierung für mehrere simultan aktive Quellen in halligen Umgebungen, und für die blinde Enthallung von Sprach- und Audiosignalen.