TY  - THES
AB  - Bis heute spielen analoge Hochfrequenz-Funkübertragungen in einigen Bereichen unserer Gesellschaft eine zentrale Rolle, zum Beispiel in der Schiff- und Luftfahrtkommunikation. Aufgrund des stark verzerrten Übertragungskanals und der Abhängigkeit von einer präzise generierten Demodulationsfrequenz sind die aufgezeichneten Sprachsignale der Hochfrequenz-Kommunikation häufig stark gestört. In dieser Arbeit werden auf neuronalen Netzen basierende Lösungen für drei der Hauptursachen für eine schlechte Verständlichkeit dieser Signale vorgestellt, wobei Einseitenband-modulierte Sprachsignale als Beispiel für analoge Hochfrequenz-Funkkommunikation verwendet werden. Zunächst wird eine zuverlässige Schätzung der Sprachaktivität vorgestellt, um zu vermeiden, dass ein Hörer den inaktiven, verrauschten Hochfrequenzkanal verfolgen muss, wenn keine Aktivität vorliegt. Die vorgestellte Architektur, die bis heute die besten veröffentlichten Ergebnisse auf den Fearless Steps Daten erzielt, übertrifft vergleichbare Aktivitätsschätzer auch im betrachteten Szenario.Die zweite Herausforderung ist eine Frequenzverschiebung im aufgezeichneten Signal aufgrund einer Differenz zwischen der Modulations- und der Demodulationsfrequenz. Zur Reduktion dieser Problematik, werden zwei Netzwerkarchitekturen zur Verschubsschätzung entworfen und mit einem modernen statistischen Schätzer verglichen. Als dritte Aufgabe wird die Extraktion des Sprachsignals aus der verrauschten Aufnahme identifiziert, diese Herausforderung wird durch die Anpassung eines neuronales Netzwerk zur Quellentrennung angegangen. Für alle Kombinationen der präsentierten Modelle wird eine hoher Gewinn in Sprachverständlichkeit und -qualität festgestellt.
AU  - Heitkämper, Jens
CY  - Paderborn
DA  - 2023
DO  - 10.17619/UNIPB/1-1686
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 18.01.2023
N1  - Universität Paderborn, Dissertation, 2023
PB  - Veröffentlichungen der Universität
PY  - 2023
SP  - 1 Online-Ressource (vi, 141 Seiten)
T2  - Institut für Elektrotechnik und Informationstechnik
TI  - Improving the Listening Experience for SSB-Modulated HF Transmissions Using Neural Networks
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-44486
Y2  - 2025-04-25T22:41:46
ER  -