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