Entwicklung von Datenanalyseverfahren für die Qualitäts - IAS ...

3.6.2 Durchgeführte und laufende Folgeprojekte
Nichtinvasive Blutdruckmessung am aktiven Menschen, Gesundheitstechnik Stier (10/2004 – 12/2005)
Ziel dieses Projekts war die automatische akustische Blutdruckmessung am Oberarm mit Druckmanschette und elektronischem
Stethoskop (bestehend aus zwei in die Manschette integrierten Spezialmikrofonen) anhand der so
genannten Korotkoff-Geräusche (siehe Abbildung 6). Diese Geräusche bestehen aus vier unterscheidbaren Phasen,
der Beginn der ersten Phase sowie das Ende der letzten Phase markieren den systolischen und diastolischen
Blutdruck.
Abbildung 6. Typische Stethoskopsignale (Korotkoff-Geräusche) in Ruhe (links oben) und während
Fitnessübungen (links unten) sowie Beispiel für manuelle und automatische Blutdruckmessung (rechts).
Mit Hilfe eines HMM-basierten Signalmodells wurden das Korotkoff-Geräusch im Stethoskopsignal automatisch
lokalisiert und aus der Position die Blutdruckwerte berechnet. Befindet sich der Patient in Ruhe, liefert das
Verfahren eine gute Genauigkeit. In Bewegung (Fitnessübungen) entstehen durch Muskeln und Gelenke starke
Störgeräusche (Abbildung 6 links unten). Bei der Blutdruckmessung unter solchen Bedingungen konnte eine
immer noch akzeptable Genauigkeit erzielt werden. Ein technologischer Schwerpunkt dieses Projekts war eine
angepasste Merkmalextraktion für den HMM-Klassifikator.
Literatur: [14][16][28][29][30][31]
Bmbf-Projekt „Musicon Valley“ (01/2005 – 12/2006)
(Teilprojekt „Bewertung und Beurteilung von Musikinstrumenten anhand von Solomusikstücken“)
Ziel dieses Forschungsprojektes war es unter anderem, mit Hilfe statistischer Klassifikatoren Musikinstrumente
anhand des beim Instrumentenspiel entstehenden Schallsignals zu beurteilen und zu vergleichen. Bislang
basierten alle instrumentellen Ansätze zu einer solchen Beurteilung auf physikalischen Modellen beziehungsweise
auf künstlichen Anspielvorrichtungen. Die automatische Beurteilung von Musikinstrumenten anhand gespielter
Musik sollte zunächst spielerunabhängig, im zweiten Schritt zusätzlich melodieunabhängig und im dritten Schritt
dazu noch raum- und aufnahmeunabhängig sein. Es wurde eine Datenbasis mit Anspielen von jeweils zehn
Gitarren, Violinen, Klarinetten und Trompeten aufgenommen. Jedes der 40 Instrumente wurde in zwei Räumen,
von fünf Musikern, mit drei unterschiedlichen Stücken und je einer Wiederholung (also insgesamt 60 Mal)
aufgenommen.
Abbildung 7: Versteckter Automat eines Hidden-Markov-Modells für eine individuelle Konzertgitarre, ermittelt aus
etwa 50 verschiedenen Melodieanspielen (links) und mit Hilfe solcher Modelle aufgestellte Ähnlichkeitsmatrix von
zehn Gitarren (rechts, dunkle Farbe bedeutet große Ähnlichkeit).
Voraussetzung für die Beurteilung eines Instruments ist das sichere Erkennen individueller Instrumente
unabhängig von Spieler, Melodie und Aufnahmebedingungen. Ist dies erfolgreich möglich, können relativ einfach
automatisch „objektive“ Ähnlichkeiten zwischen Instrumenten bestimmt werden. Abbildung 7 zeigt beispielhaft das
14