Onset detection of signals in the presence of noise
Bachelorarbeit,Masterarbeit,Studienarbeit
Im Rahmen des Projekts Source Localization

Description

Im Rahmen der Prozessautomatisierung sind häufig verschiedenste Sensordaten, wie Audio- und Körperschallsignale, zu analysieren. Heutzutage werden auch große Infrastrukturbauwerke, u.a. Brücken, mit solchen Sensoren ausgestattet, um den Bedarf an manuellen, oft zeit- und kostenintensiven manuellen Sichtinspektionen zu reduzieren. Die automatisierte Auswertung der Sensorsignale zur Gewährleistung eines effektiven und zuverlässigen Monitorings des Tragwerkszustands ist allerdings noch immer Gegenstand der Forschung. Eine wichtige Aufgabe im Bereich des „Structural Health Monitoring“ stellt die automatisierte Schadenslokalisation dar. Eine Möglichkeit der Lokalisation besteht darin, die an unterschiedlichen Sensorpositionen erfassten Signale infolge von Schadensereignissen zu detektieren und deren Signalbeginn präzise zu bestimmen. Anhand der ermittelten Startzeitpunkte lassen sich dann Laufzeitunterschiede zwischen den an den verschiedenen Messpositionen registrierten Signalen ermitteln, die einen Rückschluss auf potentielle Orte der Signalquelle, in diesem Fall des Schadensereignisses, erlauben. Die automatisierte Detektion und präzise Bestimmung des Signalbeginns ist jedoch häufig mit Schwierigkeiten verbunden, da die interessierenden Schädigungssignale häufig durch energiereichere Signale (Nebengeräusche) überdeckt werden. Vor diesem Hintergrund soll eine Methode zur Ermittlung des Signalbeginns mithilfe autoregressiver Modelle untersucht werden (Ref. [1]) . Neben der Implementierung und Evaluation des Algorithmus sollen im Rahmen der Arbeit auch verschiedene Testdatensätze auf Basis von synthetischen und realen Audio- und Schwingungssignalen erstellt und mittels des implementierten Algorithmus ausgewertet werden.
[1] Razak (2009): Detection and extraction of weak signals buried in noise [DOI: 10.1119/1.3177379]

Requirements

  • Eigenständiges Arbeiten
  • Erfahrung in der Programmierung mit Matlab, Python oder vgl.
  • Gute Kenntnisse in digitaler Signalverarbeitung sind wünschenswert

Contact person: Alexander Lange