English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Die Separation unbekannter Signale ist im Bereich der Sprachsignalverarbeitung von besonderer Bedeutung. Die Trennung erfolgt bei Verwendung mehrerer Mikrofone durch Auswertung der resultierenden Laufzeiten zwischen den einzelnen Quellen und Sensoren. Diese Laufzeitdifferenzen führen im Frequenzbereich zu definierten Phasendifferenzen zwischen den Sensorsignalen. Durch die statistische Analyse der Phasenwerte ist eine Rekonstruktion der Signale unter bestimmten Rahmenbedingungen möglich. Zur Berechnung der spektralen Koeffizienten wird normalerweise die Kurzzeit-Fourier-Transformation (STFT) verwendet. Durch den Einsatz analytischer Wavelet-Packets (AWP) kann die Leistungsfähigkeit derartiger Separationsalgorithmen hinsichtlich Zeitdauer und Genauigkeit verbessert werden. Nach einer Beschreibung des Separationsproblems im Allgemeinen und der Unterschiede der beiden Zeit-Frequenz-Darstellungen werden die Vorteile der Wavelet-Packets gegenüber der Kurzzeit-Fourier-Transformation erläutert.

Analytische Wavelet-Packets zur Separation unbekannter Sprachsignale Analytic Wavelet-Packets for Separation of Unknown Speech Signals