Kurzbericht 2007 Electronics und Medical Signal Processing

Kurzbericht 2007
Electronics und Medical Signal Processing
Technische Universität Berlin
Fachgebiet Elektronik und medizinische Signalverarbeitung
Sekr. EN 3
Einsteinufer 17, 10587 Berlin
Tel.: +49 (0)30 314-21391
http://www.emsp.tu-berlin.de
Email: Reinhold.Orglmeister@tu-berlin.de

Sehr geehrte Damen und Herren, liebe Freunde und Mitarbeiter des Fachgebietes
Elektronik und medizinische Signalverarbeitung (EMSP),
den Beginn des neuen Jahres nehmen wir zum Anlass für eine kurze Darstellung
der Aktivitäten unseres Fachgebietes nach innen und außen.
Im Bereich der Forschung konnten wir im abgelaufenen Jahr Projekte erfolgreich
abschließen sowie erfreulicherweise wieder interessante neue drittmittelfinanzierte
Projekte hinzugewinnen und damit die Personalkapazität sogar leicht steigern.
Der Fokus liegt weiterhin auf dem Gebiet der Signalverarbeitung in Theorie,
Software-Entwicklung und Hardware-Implementierung mit Anwendungen in
der Medizintechnik, Sprachsignalverarbeitung und Akustik. Bezüglich der
Medizintechnik wurde die Zusammenarbeit mit dem Zentrum für innovative
Gesundheitstechnik der TU Berlin intensiviert.
Das Lehrangebot des Fachgebietes EMSP wird seitens der Studierenden der
Elektrotechnik und der Technischen Informatik weiterhin überdurchschnittlich
stark nachgefragt. So konnten auch im vergangenen Jahr u.a. die studentischen
Laborgruppen wie auch die Studienarbeiter und Diplomanden wieder besonders
eindrucksvolle und praxistaugliche Projektergebnisse präsentieren.
In der Hoffnung mit dieser Broschüre Ihr Interesse geweckt zu haben, laden wir zu
einem Besuch unserer Internet-Präsentation unter http://www.emsp.tu-berlin.de
ein.
Mit herzlichem Dank an Förderer und Partner des Fachgebietes EMSP sowie
Grüßen an alle dem Fachgebiet verbundenen Personen wünschen wir ein
erfolgreiches Jahr 2008!
1

Bildgebung mittels Nuklearer Kernresonanz bei niedrigen
Magnetfeldern (Low-Field NMR)
Dipl.-Ing. Alexander Vorwerk
Partner: Physikalisch-Technische Bundesanstalt (PTB), Fachbereich Biosignale (8.2)
Im Gegensatz zur herkömmlichen Magnetresonanztomographie (MRT) werden in
der Low-Field NMR nur schwache Magnetfelder im µT bis mT-Bereich verwendet,
wodurch ein deutlich vereinfachter apparativer Aufbau ermöglicht werden soll.
Wegen der niedrigen Feldstärken müssen nun anstelle der Empfangsspulen (wie
in der MRT), welche die Veränderungen der Feldstärke messen, sogenannte
SQUIDs verwendet werden. SQUIDs sind supraleitende Sensoren, mit denen eine
direkte Messung der Magnetfeldstärke möglich ist. Darüber hinaus ergeben sich
Möglichkeiten, Bildgebung und andere funktionelle Diagnosemöglichkeiten wie z. B.
ein MKG (Magnetokardiogramm) zeitgleich zu nutzen, da die Größenordnungen der
Signale ähnlich sind.
In Zusammenarbeit mit der Physikalisch-Technischen Bundesanstalt (PTB), die
über SQUID-Messsysteme und stark geschirmte Messkabinen (z. B. BMSR-
2) verfügt, soll ein Low-Field NMR System aufgebaut werden. Durch
Methoden der Signalverarbeitung sollen Parameter für eine verbesserte Diagnostik
gewonnen werden. Die Verwendung von Methoden aus der Hochfeld-MRT zur
Bildrekonstruktion ist dabei nur eingeschränkt möglich.
1
0.5
0
−0.5
simul_lfnmr.0124.flt: Channel Z1A [Tesla*10 −9 ]
−1
0 0.5 1 1.5 2 2.5 3 3.5 Zeit in Sekunden 4
Abbildung 1: Simulierte Messdaten (Free Induction Decay)
In einem ersten Schritt wurde mit simulierten Sensordaten gearbeitet (siehe
Abbildung 1). Die simulierte Frequenzkodierung erlaubte eine Dekodierung der
Sensordaten in einer Dimension.
2

Berechnung und Vergleich der ICA-Komponenten aus
simultanen MEG- und EEG-Messungen
Master Eng. Heriberto Zavala-Fernández
Partner: Physikalisch-Technische Bundesanstalt (PTB), Fachbereich Biosignale (8.2)
Abbildung 2: ICA Modell in Verbindung mit funktionelen Untersuchung des Gehirns.
Beschreibung des Problems
Aufgrund der neuen Methoden zur anatomischen und funktionelen Untersuchung
des Gehirns ist es heutzutage ohne invasive Verfahren möglich, Daten über das
lebende menschliche Gehirn zu sammeln. Für die Interpretation ist sehr wichtig
die wesentlichen Merkmale dieser Daten zu extrahieren. Zu den nicht invasiven
Methoden gehören das Elektro- und Magneto-Enzephalogram (EEG bzw. MEG),
d. h. die Messung der elektrischen und magnetischen Felder der neuronalen Ströme
im Gehirn. Diese Methoden geben Informationen darüber, welche Teile des Gehirns
zu einem bestimmten Zeitpunkt aktiv sind.
Die Anwendung der Independent Component Analysis (ICA) auf die gemessenen
EEG- und MEG-Signale erlaubt die Trennung der lokalen Quellen voneinander sowie
die Unterdrückung unvermeidbarer Störsignale, ohne ein explizites Modell für diese
entwickeln zu müssen. Solche Störsignale entstehen nicht im Gehirn und verhindern
häufig die genaue Identifizierung der im Gehirn erzeugten Signale.
Forschungsziel
Das Ziel der Arbeit sind die Entwicklung und der Einsatz von Algorithmen zur
ICA-Zerlegung von kombinierten EEG- und MEG-Messungen. Zur Erprobung des
Verfahrens werden kombinierte EEG- und MEG-Messungen nach akustischer bzw.
visueller Stimulation genutzt. Diese kombinierten Datensätze werden mit einem
3

geeigneten Algorithmus verarbeitet und mit einer separaten Trennung der Quellen
der EEG- bzw. MEG-Signale verglichen. Es ist herauszuarbeiten, unter welchen
Bedingungen (Kanalzahl, Skalierung, Intensität und Charakter von Störungen usw.)
eine kombinierte EEG- und MEG-Messung mit ICA sinnvoll zerlegt werden kann.
Es soll die Frage geklärt werden, ob es entweder mit der kombinierten EEG- und
MEG-Auswertung besser gelingt Quellen (Signale bzw. Störungen) zu identifizieren
oder mit getrennter EEG- und MEG-Analyse.
Abbildung 3: Unabhängige Komponenten nach der Trennung mit ICA-Methoden.
(Links: MEG- Komponente; Rechts: EEG-Komponente. Beide beschreiben typische
Alpha-Aktivität.)
Single-Trial-Analyse bei MEG und EEG
N.N. (DFG-Bewilligung für 2 Jahre)
Partner: PTB, Arbeitsgruppe Messdatenanalyse und Messunsicherheit
Es wird eine Methode der Datenanalyse für die Auswertung von
Elektroenzephalogramm- (EEG) / Magnetenzephalogramm- (MEG) Messungen
entwickelt. Mit dem entwickelten Verfahren soll ein verbessertes physiologisches
Verständnis von EEG/MEG-Daten ermöglicht werden.
Die Analyse von EEG/MEG-Messungen spielt in der physiologischen
Gehirnforschung eine wichtige Rolle. Allerdings weisen diese Messungen ein
inhärent schlechtes Signal-zu-Rauschleistungsverhältnis auf, und die Analyse
erfolgt zumeist für gemittelte Signale. Da ein solches Vorgehen keine Rückschlüsse
auf einzelne Prozesse zulässt, werden in jüngster Zeit vermehrt Single-Trial-
4

Methoden entwickelt, die ohne Mittelung arbeiten. Angewendet werden diese
Methoden meist nur auf einzelne Messkanäle des EEG/MEG.
Ziel dieses Projektes ist die Neuentwicklung eines Single-Trial-Verfahrens, das
den multivariaten Charakter des EEG/MEG berück-sichtigt. Als Ausgangspunkt
hierzu dienen moderne statistische Verfahren der blinden Quellentrennung wie die
Independent Component Analysis und insbesondere die neue Methode der Cluster
Component Analysis. Durch die Kombination dieser Verfahren mit Single-Trial-
Methoden soll eine optimale Ausnutzung der Multidimensionalität der Messignale
erreicht werden. Dies soll zum einen die Qualität der Signale gegenüber bisherigen
Verfahren signifikant verbessern und zum anderen Rückschlüsse auf statistische
Abhängigkeiten zwischen der spontanen Gehirnaktivität und Reizantworten des
Gehirns auf äußere Stimulationen erlauben.
Spracherkennungsgruppe
Dipl.-Ing. Dorothea Kolossa, Dipl.-Ing. Eugen Hoffmann & Dipl.-Ing. Ramon
Fernandez-Astudillo
Wenn mehrere Sprecher oder Signalquellen gleichzeitig aktiv sind, können
Menschen auf ihre Fähigkeit des Richtungshörens zurückgreifen, um diese zu
trennen. Automatische Spracherkennungssysteme dagegen sind darauf angewiesen,
aus einem oder mehreren Mikrophonsignalen mit Hilfe mathematischer Methoden
ein störbefreites Sprachsignal zu gewinnen. Besonders erfolgreich sind Verfahren,
die statistische Merkmale von Sprach- und Störsignalen ausnutzen, um eine
möglichst klare Trennung dieser beiden Signalkomponenten zu erhalten. Darauf
aufbauend ist eine robustere Spracherkennung möglich, die auch bei mehreren
gleichzeitigen Sprechern nur das Signal des “Nutzsprechers“ erkennt.
Mit solchen statistischen Verfahren, wie beispielsweise der Independent Component
Analysis (ICA), kann besonders in Kombination mit einer anschließenden
Maskierung des Signals im Zeit-Frequenzbereich eine klare Signaltrennung erziel
werden. Damit allerdings auch die anschließende Spracherkennung erfolgreich
verläuft, ist der Einsatz von Missing-Feature-Erkennern erforderlich, damit
ausmaskierte Signalbereiche keine negativen Folgen haben.
Dieser Gesamtprozess, bestehend aus blinder Quellentrennung, Zeit-
Frequenzmaskierung und anschließender Missing-Feature-Erkennung ist im
vergangenen Jahr für verschiedene ICA-Methoden untersucht und optimiert
worden. Unter anderem wurde es eingesetzt mit JADE, mit von Dipl.-Ing.
Eugen Hoffmann entwickelten, statistisch motivierten Maskierungsverfahren, und
in gemeinsamer Arbeit mit den NTT Communication Science Laboratories in
Kyoto für den Maximum SNR Beamformer. Im letztgenannten Projekt wurde
5

Dieser Gesamtprozess, bestehend aus blinder Quellentrennung, Zeit-Frequenzmaskierung und
anschließender Missing-Feature-Erkennung ist im vergangenen Jahr für verschiedene ICA-
Methoden untersucht und optimiert worden. Unter anderem wurde es eingesetzt mit JADE,
mit von Dipl.-Ing. Eugen Hoffmann entwickelten, statistisch motivierten Maskierungsverfahren,
und in gemeinsamer Arbeit mit den NTT Communication Science Laboratories in
ausserdem Kyoto für basierend den Maximum auf SNR dem Beamformer. Forschungsaufenthalt Im letztgenannten im Projekt vergangenen wurde ausserdem Jahr der
Large-Vocabulary-Erkenner basierend auf dem Forschungs-aufenthalt von NTT, im SOLON, vergangenen umJahr die der von Large-Vocabulary- Dipl.-Ing. Dorothea
Erkenner von NTT, SOLON, um die von Dipl.-Ing. Dorothea Kolossa entwickelten Missing
Kolossa Feature entwickelten Techniken erweitert. Missing Feature Techniken erweitert.
100,0
80,0
60,0
40,0
20,0
0,0
Mischungen
MaxSNR
Beamformer
Beamformer +
Maske
+ Missing
Features
Sub 20,9 5,2 8,0 6,9
Del 2,3 0,8 2,2 3,0
Ins 48,2 39,4 27,5 8,5
PA 28,5 54,4 62,3 81,6
Abb1: Beispiel für verbesserte Spracherkennung durch Maximum SNR Beamforming und
Abbildung 4: Beispiel für verbesserte Spracherkennung durch Maximum SNR
Missing-Data-Techniken unter Verwendung des NTT-Erkenners SOLON. Angegeben sind
Beamforming Fehler durch und Löschungen Missing-Data-Techniken (Del), Vertauschungen unter (Sub), Verwendung Einfügungen (Ins), desund NTT-Erkenners
die
SOLON. Erkennungsrate Angegeben (PA). sind Getestet Fehler wurde durch mit 1080 Löschungen Sätzen bestehend (Del), aus Vertauschungen 12146 Worten, nachdem (Sub),
Einfügungen zwei Sprecher (Ins), mit gemessenen und die Impulsantworten Erkennungsrate aus einem (PA). Konferenzraum Getestet wurde künstlich mit 1080
Sätzen
gemischt
bestehend
wurden.
aus 12146 Worten, nachdem zwei Sprecher mit gemessenen
Impulsantworten aus einem Konferenzraum künstlich gemischt wurden.
Mehrkanalige Signalverarbeitung
Dorothea Kolossa & Eugen Hoffmann
Um die Methoden der Blinden Quellenrennung (Blind Source Separation) und
ICA (Independent Component Analysis) für akustische Signale zu entwickeln, zu
verbessern und in realen Anwendungsfällen zu testen, befasst sich die Gruppe
mit der Rekonstruktion gestörter Sprache und zielt dabei auf eine Verbesserung
der Sprachqualität und Sprachverständlichkeit in gestörten Umgebungen und in
Umgebungen, in denen mehrere Sprecher gleichzeitig aktiv sind. Die Grundidee
der ICA besteht darin, mehrkanalige Signale in ihre statistisch unabhängigen
Komponenten zu zerlegen. Da die Trennung blind, d.h. ohne Vorwissen über die
Mischung oder die Quellen erfolgt, wird sie bei Mischungen von Luftschall als
akustische blinde Quellentrennung bezeichnet.
6

Abbildung 5: Ablauf
Bei der Anwendung der akustischen blinden Quellentrennung bestehen zurzeit
noch wesentliche Probleme. Zum einen sind die vorhandenen ICA-Lösungen extrem
zeitaufwendig, was eine praktische Anwendung der Verfahren schwierig macht. Zum
anderen treten bei den ICA-Algorithmen Permutations- und Skalierungsprobleme
auf, die unter Umständen nicht eindeutig gelöst werden können. Deswegen liegen
spezielle Schwerpunkte auf (echtzeitfähiger) Implementierung, Untersuchung und
Test von bereits existierenden und neuen ICA-und ICA-basierten Beamforming-
Algorithmen in realen Umgebungen (z.B. Autos, Büroräume etc.).
Ein weiterer Forschungsaspekt ist die Verbesserung der Trennungsergebnissen durch
Anwendung der CASA-Methoden (Computational Auditory Scene Analysis). Bei
den CASA-Methoden geht es darum, durch Analyse der geschätzten Quellsignale
und extrahierten Mischungsmatrizen (Richtcharakteristika, Amplitudendifferenz,
mehrkanalige Voice-Activity-Detection sowie psychoakustische Analyse) die Stellen
in den Signalen zu finden, wo die bleibenden Störsignale/Übersprecherprecher aktiv
sind und diese dann durch geeignete Zeit-Frequenz-Maskierung zu minimieren.
Unter andrem liegt der Schwerpunkt bei der Wahl der Maskierungsfunktion auf der
Adaption der einkanaligen Störgeräuschreduktionsverfahren (z.B. Ephraim-Malah-
Filter usw.) zu den mehrkanaligen Situationen.
Synchronisation und integrierte digitale Analyse von
Biosignalen bei intravaskulären Ultraschalluntersuchungen
Dipl.-Ing./RO Ovidiu Codreanu
Herz-Kreislauferkrankungen zählen zu den häufigsten Todesursachen in den
Industrieländern. Mit Hilfe eines in die Blutgefäße eingeführten Ultraschall-
7

Frequency (Hz)
Frequency (Hz)
Frequency (Hz)
Frequency (Hz)
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
estimated signal 1
100 200 300 400 500
time lags
estimated interference 1
100 200 300 400 500
time lags
estimated Mask 1
100 200 300 400 500
time lags
masked signal 1
100 200 300 400 500
time lags
Frequency (Hz)
Frequency (Hz)
Frequency (Hz)
Frequency (Hz)
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
0
1000
2000
3000
4000
5000
Abbildung 6: Maskierung
8
estimated signal 2
100 200 300 400 500
time lags
estimated interference 2
100 200 300 400 500
time lags
estimated Mask 2
100 200 300 400 500
time lags
masked signal 2
100 200 300 400 500
time lags

Katheters (IVUS) erhält man Schnittbilder der Herzkranzgefäße (Koronarien).
Diese ermöglichen eine Beurteilung der Gefäßwand und bieten somit Einblick in
krankhafte Veränderungen. Gleichzeitig durchgeführte Messungen mit einem in
die Gefäße eingeführten Dopplers erlauben eine Beurteilung des Blutflusses in den
betrachteten Herzkranzgefäßen.
Abbildung 7: IVUS
Werden diese Messdaten mit dem simultan aufgezeichnetem Blutdruck und/oder
dem EKG verknüpft, so eröffnen sich völlig neue Perspektiven für die räumliche und
zeitliche Analyse von Morphologie (3-D-IVUS) und Funktion (Fluss und Druck) und
somit für die Diagnostik in der Kardiologie. Voraussetzung hierfür ist eine exakt
synchrone Aufzeichnung der genannten Biosignale, welche bisher mit vertretbarem
Aufwand nicht möglich ist. Zum einen stammen die erforderlichen medizinischen
Messgeräte oft von unterschiedlichen z.T. ständig wechselnden Herstellern und sind
kaum vernetzbar. Zum anderen sind die Signaldurchlaufzeiten (Verzögerungen der
Messdaten) durch die einzelnen Geräte nicht bekannt.
Unser Forschungsziel ist eine Fusion der genannten Biosignale mittels
Methoden aus der Signalverarbeitung basierend auf einer neuartigen weitgehend
herstellerunabhängigen synchronen Aufzeichnung von IVUS-Schnittbildern,
Blutdruck, Blutströmungsdaten und EKG mit ausreichender räumlicher
und zeitlicher Auflösung. Das Verfahren soll sich grundsätzlich auch für die
Synchronisation anderer Signale mit Bildern eignen.
9

Als erstes wird die Hardware entwickelt, die die Eingangssignale erfasst und sie
zusammen mit Zeitmarkern speichert. Es folgt die off-line automatisierte Analyse
und Fusion der unterschiedlichen Signalmodalitäten. Dabei werden verbesserte
Methoden zur Berechnung der Blutflussgeschwindigkeit aus den Doppler-
Messdaten und ein Algorithmus zur (semi)automatischen Konturerkennung und
Analyse der Plaque in IVUS-Bildern entwickelt.
Body-Sensor-Network für Personal-Healthcare-Systeme
Dipl.-Ing. Achim Volmer
Durch den demographischen Wandel wird die Versorgung älterer Menschen
mit Personal-Healthcare-Systemen zur Vorbeugung und Rehabilitation immer
bedeutender. Die Betreuung von Patienten mit Herz-Kreislauferkrankungen spielt
dabei wegen der starken Verbreitung des Krankheitsbildes eine besondere Rolle.
Abbildung 8: EKG-Sensor - Blockschaltbild
Am Fachgebiet wird ein Body-Sensor-Network entwickelt, das aus verschiedenen
Sensormodulen und einem Mastermodul besteht. Damit können die verschiedenen
Vitalparameter gleichzeitig aufgenommen, zusammengeführt und bewertet werden.
Ein Sensormodul für EKG wurde bereits fertiggestellt und weitere Sensoren für
Pulsoximetrie und Phonokardiographie werden aktuell konzipiert und entwickelt.
Die notwendige ganzheitliche Abdeckung, also 24 Stunden am Tag und sieben
Tage die Woche (24/7), stellt eine besondere Anforderung an die Datenqualität:
Da die verwendeten Sensormodule in jeder Lebenslage eingesetzt werden, sind die
Signale oft stark Artefaktbehaftet und inkonsistent.
10

Abbildung 9: Brustgurt mit innenliegenden Elektroden
Alle Module sind als autarke, batteriebetriebene Systeme, die unter besonderer
Berücksichtigung des Low-Power-Aspekts sowie der Minitaturisierung konzipiert
worden und verfügen neben dem benötigten Frontend für die analogen
Messungen der Vitalparameter über einem Low-Power-Mikrocontroller. Außerdem
kommunizieren sie über einen MAC und PHY nach IEEE 802.15.4 (ZigBee).
Mit Hilfe integrierter Beschleunigungssensoren wird eine Ermittelung des
Aktivitätszustands des Patienten ermöglicht. Außerdem befindet sich eine
Softwareimplementierung eins adaptiven Filters auf dem Mikrocontroller, um eine
Verbesserung der Sensorsignale zu erreichen. Dazu wurden hardwarespezifische
Signalverarbeitungs-Algorithmen für die Mikrocontroller entwickelt, die
einfache Sensoren zu ” Smart Sensors“ aufwerten und somit eine verbesserte
Diagnosemöglichkeiten bieten.
Durch eine Ergänzung des Standards IEEE 802.15.4 für die drahtlose
Kommunikation wird neben dem Datenaustausch zwischen Sensor und Master-
System auch eine Synchronisation der Abtastzeitpunkte ermöglicht. In der aktuellen
Implementierung wird eine Genauigkeit der Abtastzeitpunktsynchronisation von
±2 µs erreicht, wodurch weitergehende Signalverarbeitende Analysemethoden zur
Datenauswertung anwendbar werden.
Als Maser-System dient derzeit ein Notebook. Die Funkanbindung erfolgt
über einen selbst entwickelten USB-Dongle. Dort sollen die artefaktbehafteten
Sensordaten einerseits im standardisierten EDF+ Format abgespeichtert und
anderseits auch mit echtzeitfähigen Methoden der Datenfusion und der Blinden
Quellentrennung zur Verbesserung der Zuverslässigkeit verarbeitet werden. Vor
allem wird die Unterdrückung von Bewegungsartefakten angestrebt, die von
aktuellen Personal Healthcare Systemen nicht geleistet wird.
11

Abbildung 10: Sensorhardware (Ober- und Unterseite des Moduls, Abmessungen:
70 mm x 28 mm)
Abbildung 11: USB-802.15.4-Dongle
12

In einer zweiten Phase sollen die verschiedenen Sensormoduldaten auf einem PDA
zusammengeführt werden, um die Benutzbarkeit im Alltag der zu Überwachenden
Patienten zu verbessern.
Netzwerkcontroller in Lehre, Entwicklung und Forschung
Manuel Borchers & Dipl.-Ing. Achim Volmer
Partner: Hilscher Gesellschaft für Systemautomation mbH, Hitex Development Tools
Die Zukunft der Automatisierungstechnik liegt in der Individualität, in verteilten
Systemen mit lokaler Intelligenz. Die über einheitliche Kommunikationsstrukturen
miteinander verbundenen Systeme lösen Automatisierungsaufgaben völlig
selbstständig. So wird ein durchgängiger Datenzugriff von der Management- bis
zur Feldebene möglich. Unter Einsatz von IT-Technologien und Internet erfolgt dies
weltweit bereits über offene Schnittstellen mit Standardwerkzeugen, wie Ethernet
mit TCP/IP und Webbrowser.
In den vergangenen Semestern konnten bereits interessante Projekte als
Anwendung des innovativen Netzwerkprozessor netx der Firma Hilscher SoC
zusammen mit Gruppen von Studierenden Umgesetzt werden:
• All-Away: Eine Implementierung des Klassikers ” Pong“ durch Ausnutzung
des integrierten Graphikprozessors auf einem 640 x 480 Pixel Display
mit 16 Bit Soundausgabe und einer Funkfernbedienung basierend auf
Beschleunigungssensoren.
• NetX Wetterstation: Die Sensoren für die Wetterdaten kommunizieren per
TCP/IP Protokoll und binden somit alle Informationen an das Internet an.
Dazu wurde der µIP-Stack auf den Automatisierungscontroller portiert.
13

Veröffentlichungen
[1] D. Kolossa, R. Fernandez Astudillo und R. Orglmeister: Spracherkennung im
Automobil durch Verwendung von Missing Feature Techniken, In: In: Proc.
DAGA 2007. DAGA 2007. 2007.
[2] R. Fernandez Astudillo, D. Kolossa und R. Orglmeister: Propagation
of Statistical Information Through Non-Linear Feature Extractions For
Robust Speech Recognition, Proc. MaxEnt2007, 27th International Workshop
on Bayesian Inference and Maximum Entropy Methods in Science and
Engineering, 2007.
[3] H. Zavala, T. Sander, T, M. Burghoff, R. Orglmeister und L. Trahms:
Identification of the Cardiac Artifact Applying ICA in Simultaneously
Measured MEG and EEG Data, In: Proc. Biomedizinische Technik, edited
by DGBMT. VDE., 2007
[4] A. Volmer, L. Koschel und R. Orglmeister: Telemonitoring-EKG-Sensor mit
integrierter adaptiver Filterung zur Unterdrückung von Bewegungsartefakten,
In: Proc. Biomedizinische Technik, edited by DGBMT. VDE. 2007.
[5] M. Burghoff, S. Hartwig, W. Kilian, A. Vorwerk und L. Trahms: SQUID
Systems Adapted to Record Nuclear Magnetism in Low Magnetic Fields, In:
IEEE Transactions on Applied Superconductivity, IEEE, 17(2007), Nr. 2 Part
1, S. 846-849 2007.
[6] F. Mielentz, R. Orglmeister und H. Wüstenberg: Gruppenstrahler für
Ultraschalluntersuchungen an Betonbauteilen, In: Materials Testing, Carl
Hanser Verlag, 49 (2007), Nr. 10/2007, S. 524-532 2007.
[7] D. Geue, H. Zavala, S. Lange, M. Burghoff, R. Orglmeister d. Grönemeyer
und P. van Leeuwen: Processing the magnetocardiographic signal in the
identification of fetal and maternal heart beats in a triplet pregnancy, In:
Proc. Biomedizinische Technik, edited by DGBMT. VDE., 2007.
[8] H. Zavala, T. Sander, T, M. Burghoff, R. Orglmeister und L. Trahms: Multimodal
ICA Exemplified on Simultaneously Measured MEG and EEG Data.
In: M.E. Davies et al. (Eds.): ICA 2007. LNCS 4666:673-680, Springer-Verlag
Berlin Heidelberg, 2007.
[9] S. Hartwig, H.-J. Scheer, L. Trahms, A. Vorwerk, R. Orglmeister und M.
Burghoff: A 304 channel Superconducting Quantum Interference Device
(SQUID) system for low field MR, In: DGBMT im VDE (Hrsg.) BMT 2007,
52. Berlin / New York: de Gruyter, S. 2, 2007.
14

[10] E. Hoffmann, D. Kolossa und R. Orglmeister: A Batch Algorithm for
Blind Source Separation of Acoustic Signals Using ICA and Time-Frequency
Masking, In: Davies, James, Abdallah & Plumbley (Eds)(Hrsg.) Lecture Notes
in Computer Science 4666: Indempendent Component Analysis and Signal
Separation. Berlin, Heidelberg: Springer, S. 480-487, 2007.
[11] E. Hoffmann, D. Kolossa und R. Orglmeister: A Soft Masking Strategy based
on Multichannel Probability Estimation of Source Separation and Robust
Speech Recognition, In: IEEE (Hrsg.) 2007 IEEE Workshop on Applications
of Signal Processing to Audio and Acoustics. New York: IEEE, S. 118-121,
2007.
[12] D. Kolossa, H. Sawada, R. Fernandez-Astudillo, R. Orglmeister und S. Makino:
Recognition of Convolutive Speech Mixtures by Missing Feature Techniques
for ICA, In: IEEE (Hrsg.) Proceedings of the Asilomar Conference of
Signals, Systems and Computers 2006. Bryan/Texas/USA: IEEE / Conference
management Services, S. 1397-1400, 2007.
[13] P. Vicinus und R. Orglmeister: Adaptives Verfahren zur Schätzung
von Sprachübertragungsfunktionen auf der Basis verteilter Mikrofone, In:
Fortschritte der Akustik: Plenarvorträge und Fachbeiträge der 33. Deutschen
Jahrestagung für Akustik DAGA 2007. Berlin: Deutsch Gesellschaft für
Akustik e.V., S. 615-616, 2007.
Promotionen / Berichtertätigkeiten
[1] Dorothea Kolossa: Independent Component Analysis for Environmentally
Robust Speech Recognition, TU Berlin, Institut für Energie- und
Automatisierungstechnik. Gutachter: Prof. Dr.-Ing. Reinhold Orglmeister (TU
Berlin)
Diplomarbeiten
[1] Leszek Koschel: Design and Implementation of a Portable Low-Power ECG-
Device Using an Accelerometer for Adaptive Motion Artefact Cancellation.
Mai 2007
[2] Jöran Bonetzky: Entwicklung eines Programms zur Analyse von
Prothesenbelastungen. April 2007
15

[3] Shelan Kim: Entwicklung eines Simulationsmodells zur Untersuchung der
Auslastung eines Bus-Systems. Juli 2007
[4] Raed Mokdad: Entwicklung eines Steuersystems für ein Ultraschall-
Matrixarray zur Anwendung in der zerstörungsfreien Werkstoffprüfung. BAM,
Juli 2007
[5] René Vieroth: Entwicklung eines medizinischen Diagnosesystems für die
Messung vestibulär evozierter myogener Potentiale. Charité Berlin (HNO),
Juli 2007
[6] Georgi Smilyanov: Konzeption und Implementierung eines Low-Power-Moduls
zur mobilen Erfassung der Sauerstoffsättigung und der Herzrate. Oktober 2007
[7] Martin Bohac: Optimierung der Parallelschaltung von Hochleistungs- IGBT
Modulen mit Hilfe statistischer Methoden. Dezember 2007
[8] Stefan Kupschick: Analyse und Fusion physiologischer Messdaten zur
Klassifizierung affektiver Zustände. Dezember 2007
Masterarbeiten
[1] Marco Jeub: Implementation and Comparison of Voice Activity Detection
Algorithms. November 2007
Studienarbeiten
[1] Arian Neddens: Implementierung und Vergleich verschiedener Verfahren der
bewegungsadaptiven Videoformatwandlung. HHI, Juli 2007
[2] Thomas Wotschke: Entwicklung einer grafischen Oberfläche zur
Bildbearbeitung in Matlab. Juli 2007
[3] Niels Torben Krüger: Automatisierung eines Fertigungswerkzeuges für
Glasfaserkabel. Oktober 2007
[4] Michael Sattler: Design of a Gateway between an Analog-Phone and the
Siemens GSM-Module TC35i. Siemens AG, Oktober 2007
16

Bachelorarbeiten
[1] Sascha Laue: Optimierung eines Plasmahochtöner-Modulverstärker-Systems
für Hifi-Anwendungen. Tigiris Elektronik GmbH, Juni 2007
Seminararbeiten
[1] Niels Krüger, Marcus Kleinert: Medizinischer 3D-Ultraschall: Stand der
Technik. Februar 2006
Auszeichnungen/Preise
• Dr.-Ing. Wolf Baumann wurde für seine Dissertation: ” Optimierung
frequenzvarianter Nullbeamformer für akustische Signale mittels Statistik
höherer Ordnung - Anwendung im Kfz und in Büroräumen“ mit
dem 2. Preis im Fachgebiet Elektronikentwicklung des Hermann-Appel-
Preises 2006 ausgezeichnet. Der Hermann-Appel-Preis ist eine Initiative
der IAV (Ingenieurgesellschaft Auto und Verkehr), um herausragende
Ingenieursarbeiten auszuzeichnen und zu unterstützen.
• Sebastian Breilmann erhielt den ” Texas Instruments Prize of 2006
for an Outstanding Signal Processing Project“ für die ” Implementierung
eines Hidden-Markov-Modell basierten Spracherkenners“ im Rahmen des
Praktikums Signalverarbeitung.
17

Das Team
Hochschullehrer
Prof. Dr.-Ing. Reinhold Orglmeister
Sekr. EN 3
Frau Edeltraud Esser
Wissenschaftliche Assistentin
Dipl.-Ing. Dorothea Kolossa
Wissenschaftliche Mitarbeiter(in)
Dipl.-Ing. Eugen Hoffmann
Dipl.-Ing. Achim Volmer
Dipl.-Ing. Alexander Vorwerk
Dipl.-Ing. Florian Kohl
Doktoranden/Stipendiaten
Dipl.-Ing. Ovidiu Codreanu
Dipl.-Ing. Ramon Fernandez Astudillo
Master Eng. Heriberto Zavala-Fernandez
Dipl.-Ing. Gerrgios Tsontzos
Lehrbeauftragte
Prof. Dr.-Ing. Hans-Heinrich Bothe (DTU)
Dr.-Ing. Bert-Uwe Köhler (Siemens AG)
Dr.-Ing. Guntram Liebsch (Siemens AG)
Dr.-Ing. René Straßnick (TUB)
Dipl.-Ing. Henry Westphal (Tigris Elektronik GmbH)
Dipl.-Ing. Steffen Zeiler (Alpha Contec)
Dr. rer. nat. Ulrich Nielsen (Hahn-Meitner-Institut)
18

Tutoren
Manuel Borchers (Praktikum Digitale Systeme - NetX)
Lars Paasche (Projekt Elektronik)
Janis Döbler (Projekt Elektronik)
Lilo Timm (Projket Elektronik)
Markus Hagen (Mikroprozessortechnik)
Maik Pflugradt (Mikroprozessortechnik)
Daniel Reinsch (Analog- und Digitalelektronik)
Gemeinsame Mitarbeiter der Fachgebiete
” Elektronik und medizinische Signalverarbeitung“ (Prof. Orglmeister) und
” Elektronische Mess- und Diagnosetechnik“ (Prof. Gühmann):
Sekretariate
Frau Edeltraud Esser (EN 3 – EMSP)
Frau Brigitte Auerbach (EN 13 – MDT)
Institutsingenieure
Dipl.-Ing. Rüdiger Seidel
Dipl.-Ing. Frank Baeumer
Elektronik-Werkstatt
Michael Hackbarth & Hans-Ulrich Timm
Mechanische Werkstatt
Peter Jaeck & Uwe Kurlbaum
19

Lehre
Sommersemster 2007
VL Medizinelektronik (Orglmeister)
IV Medizinelektronik (Orglmeister, Vorwerk)
VL Einführung in die automatische Spracherkennung (Kolossa)
UE Rechnübungen zur automatischen Spracherkennung (Kolossa)
VL Neuro-Fuzzy-Methoden (Bothe)
VL Ausgewählte Kapitel zur Signalverabeitung (Köhler)
SE Neuronale Netze (Orglmeister, Hoffmann)
SE Ausgewählte Themen zu Elektronik und Signalverarbeitung (Orglmeister)
PJ Projekt Elektronik (Paasche, Zeiler, Volmer)
PJ Praktikum Digitale Systeme (Straßnick)
PJ Praktikum Signalverarbeitung (Liebsch, Hoffmann)
IV Mixed-Signal-Baugruppen (Westphal)
CO Forschungscolloquium zur medizinischen Signalverarbeitung (Orglmeister)
Wintersemester 2007/2008
VL Analog- und Digitalelektronik (Orglmeister)
UE Rechenübungen zu Analog- und Digitalelektronik (Volmer)
VL Mikroprozessortechnik (Orglmeister)
UE Rechenübungen zu Mikroprozessortechnik (Pflugradt)
VL Signalverarbeitung (Orglmeister)
IV Signalverarbeitung (Orglmeister, Vorwerk)
VL Neuro-Fuzzy-Methoden (Bothe)
PJ Projekt Elektronik (Timm, Döbler, Volmer)
PJ Praktikum Digitale Systeme (Straßnick, Borchers)
PJ Praktikum Signalverarbeitung (Liebsch, Hoffmann)
SE Ausgewählte Themen zu Elektronik und Signalverarbeitung (Orglmeister)
CO Forschungscolloquium zur medizinischen Signalverarbeitung (Orglmeister)
VL Rechnergestützte elektronische Prozessleittechnik (Nielsen)
20