Article

Klassifikation von Körperschallsignalen mit Hidden Markov Modellen

* Presenting author
Day / Time: 22.03.2018, 16:40-17:00
Room: MW 0250
Typ: Regulärer Vortrag
Session: Körperschall
Abstract: Bei der Verwendung unterschiedlicher Werkzeuge auf dünnen Oberflächen oder Platten entstehen Körperschallsignale, die von piezoelektrischen Wandlern in ein elektrisches Signal gewandelt werden können. Die Majorität der Signalenergie wird durch Biegewellen bis zu einem Frequenzbereich von etwa 10 kHz transportiert. Die Körperschallsignale weisen in diesem Bereich eine zeit- und frequenzabhängige Struktur auf, die eine Modellierung der Signale mittels kontinuierlicher Hidden Markov Modelle ermöglicht. Der Klassifikator wird verwendet, um Signale von zerstörenden und nicht-zerstörenden Quellen auf der Außenhaut von Automaten, Fahrzeugen oder ähnlichen isotropen Oberflächen zu differenzieren. Dafür wird ein Universal Background Model aus Hintergrund- und Störgeräuschen trainiert, dass die Hypothese eines nicht-schädigenden Signals gegen seine Antithese eines schädigenden Werkzeugeinsatzes testet. Für die Merkmalsgewinnung wird eine Kurzzeit-Fourier-Analyse durchgeführt und die Cepstral-Koeffizienten auf einer linearen Frequenzskala (LFCC) verwendet, sowie die Energien der Fenster und die Delta- bzw. Delta-Delta-Koeffizienten der LFCCs. Aufgrund der geringen Abmessungen der Oberflächen haben frühe Reflektionen, Nachhall und unterschiedliche Übertragungskanäle von Quelle zu Sensor eine entscheidende Auswirkung auf die Performance des Körperschallerkenners.