Description: Um die Kommunikation in einem Meeting festzuhalten, liefert eine mehrkanalige Aufnahme mit Headsets oder Ansteckmikros für jede einzelne Person üblicherweise die beste Audioqualität. Doch obwohl sich die Mikros sehr nah am Mund der jeweiligen Person befinden und jeder Teilnehmer seine eigene Audiospur hat, findet ein Übersprechen (engl. crosstalk) statt. Dabei koppeln die Sprachanteile einer Person nicht nur in das eigene, sondern auch in alle anderen Mikrofone ein und stellen in den anderen Kanälen eine Störung (Interferenz) dar. Um die Aufnahmen später analysieren zu können (z.B. Spracherkennung oder Emotionserkennung), müssen die Audiokanäle von diesen Störungen befreit werden. Die große Schwierigkeit an diesem Szenario ist, dass es keine ungestörten Referenzen gibt, sondern lediglich die Audiokanäle, die jeweils die Sprachanteile ihres zugeordneten Sprechers, aber auch alle anderen Störsprecher (typischerweise mit abgeschwächtem Pegel) beinhalten.
In dieser Arbeit soll eine mehrkanalige Sprecher-Interferenzreduktion auf Basis einer Fusion von zwei bereits bestehenden Baseline-Verfahren erstellt werden. Dazu ist zunächst eine Aufbereitung der Daten notwendig, bevor eigene Ansätze/Topologien implementiert werden können. Weiterhin soll ein Einsatz von DNNs in diesem Kontext untersucht werden. Die Umsetzung wird in Matlab bzw. mit Tensorflow erfolgen. Gute Programmierkenntnisse in Matlab und Python, sowie Kenntnisse auf dem Gebiert der Sprachverarbeitung (Besuch der VL SLP, SpeCom oder Mustererkennung) sind hierfür hilfreich.