Bayesian learning of linear and nonlinear acoustic system models in hands-free communication
Sarmad Malik · Dokumentenrepositorium der RUB (Ruhr University Bochum) · 2012
In dieser Arbeit werden einkanalige und mehrkanalige Darstellungen für lineare akustische Systeme sowie pseudo- mehrkanalige und Kaskadenmodelle für die einkanalige nichtlineare akustische Echokompensation im Frequenzbereich vorgestellt. Die vorgestellten Algorithmen zur Echokompensation werden mit Hilfe Variational-Bayesscher Lernverfahren hergeleitet, die eine Beschreibung der Modellgrößen entweder als Zufallsvariablen oder als unbekannte deterministische Parameter ermöglichen. Die hergeleiteten Algorithmen enthalten damit einen Expectation-Schritt in dem die Posterior- Verteilung, d.h. der Mittelwert und die Kovarianz, der Zufallsgrößen geschätzt wird und einen Maximization-Schritt zur Punktschätzung der verbleibenden deterministischen Modellparameter. Ein weiterer Teil der Arbeit befasst sich mit der Erweiterung der entwickelten Algorithmen um eine Bayessche Postfilter-Stufe zur Unterdrückung des Restechos und zur Verbesserung des Nutzsignals des lokalen Sprechers.