Aktuelle Forschungsschwerpunkte in der akustischen Ereignisdetektion

Algorithmen der computergestützten Audioanalyse kombinieren Methoden der Audiosignalverarbeitung und des maschinellen Lernens, um die menschliche Fähigkeit zur Wahrnehmung und Analyse komplexer akustischer Szenen nachzubilden. Diese Szenen umfassen in der Regel mehrere räumlich verteilte Schallquellen, die im Laufe der Zeit charakteristische akustische Signale (Schallereignisse) abgeben. Die akustische Ereignisdetektion versucht, diese Schallereignisse anhand einer Audioaufnahme automatisch zu erkennen. Die größten Herausforderungen liegen dabei in der komplexen Überlagerung gleichzeitiger Schallereignisse und in der natürlichen Vielfalt innerhalb der Klangklassen. In diesem Beitrag geben wir einen Überblick über aktuelle Ansätze zur akustischen Ereignisdetektion, die aktuell vor allem durch die Verwendung von tiefen neuronalen Netzen dominiert wird. Nach einem Überblick über typische Verfahren zur Merkmalsextraktion, Signalvorverarbeitung und künstlichen Datenerweiterung diskutieren wir verschiedene neuronale Netzwerkstrukturen, z. B. rekurrente Faltungsnetzwerke und Transformer-Netzwerke. Praktische Lösungsansätze für Probleme wie Datenknappheit und die Verwendung von Rechenplattformen mit begrenzter Leistungsfähigkeit werden ebenfalls besprochen. Zum Abschluss geben wir einen Überblick über verfügbare Audiodatensätze und übliche Evaluationsmaße, mit denen Algorithmen zur akustischen Ereignisdetektion systematisch getestet werden.