Refine
Year of publication
Document Type
- Bachelor Thesis (575)
- Article (unreviewed) (439)
- Part of a Book (394)
- Conference Proceeding (317)
- Contribution to a Periodical (229)
- Book (210)
- Master's Thesis (142)
- Other (140)
- Article (reviewed) (128)
- Working Paper (86)
Conference Type
- Konferenzartikel (215)
- Konferenzband (65)
- Konferenz-Abstract (22)
- Konferenz-Poster (10)
- Sonstiges (7)
Language
- German (2866) (remove)
Keywords
- Mikroelektronik (62)
- Marketing (45)
- Digitalisierung (44)
- Social Media (37)
- E-Learning (28)
- Künstliche Intelligenz (27)
- Arbeitszeugnis (22)
- Social Media Marketing (20)
- Management (19)
- Biomechanik (18)
Institute
- Fakultät Medien und Informationswesen (M+I) (bis 21.04.2021) (946)
- Fakultät Maschinenbau und Verfahrenstechnik (M+V) (527)
- Fakultät Elektrotechnik und Informationstechnik (E+I) (bis 03/2019) (411)
- Fakultät Wirtschaft (W) (366)
- Fakultät Medien (M) (ab 22.04.2021) (301)
- Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI) (ab 04/2019) (189)
- INES - Institut für nachhaltige Energiesysteme (78)
- Zentrale Einrichtungen (65)
- POIM - Peter Osypka Institute of Medical Engineering (32)
- Rektorat/Verwaltung (32)
Open Access
- Closed Access (1038)
- Open Access (856)
- Closed (462)
- Bronze (207)
- Diamond (25)
- Hybrid (5)
- Grün (4)
- Gold (2)
Jeder Mensch ist ständig unfreiwillig von einer Flut akustischer Reize umgeben. Diese Situation stellt für Menschen mit Hörverlust eine besondere Herausforderung dar. Menschen mit Hörverlust hören durch Hörgeräte zwar alles verstärkt, jedoch stellt sich die Frage, ob ein Hörgerät lediglich eine einfache Verstärkung von Schallwellen ist oder ob es darüber hinausgehende Funktionen bieten kann.
Die vorliegende Thesis widmet sich der akustischen Szenenanalyse in Hörgeräten, wobei der Schwerpunkt auf der Integration von Machine Learning liegt. Das Ziel besteht darin, eine automatisierte Erkennung und Anpassung an verschiedene akustische Situationen zu ermöglichen. Die Arbeit konzentriert sich insbesondere auf die Analyse grundlegender Szenarien wie: Sprache in Ruhe, absolute Ruhe, Sprache in Störgeräuschen und Störgeräuschen in Audiodaten.