8 Diplom- und Studienarbeiten - IAS - Technische Universität Dresden

Technische Universität Dresden
Fakultät Elektrotechnik und Informationstechnik
Institut für Akustik und Sprachkommunikation
Professur für Systemtheorie und Sprachtechnologie
Jahresbericht 2009
Berichtszeitraum 1.1.2009 bis 31.12.2009

Postanschrift (Briefe):
Technische Universität Dresden
Fakultät Elektrotechnik und Informationstechnik
Institut für Akustik und Sprachkommunikation
Professur für Systemtheorie und Sprachtechnologie
01062 Dresden
Postanschrift (Pakete):
Helmholtzstr. 10
01069 Dresden
Besucheradresse:
Helmholtzstr. 18
Barkhausen-Bau
Sekretariat: Zi.: S48
Telefon: ++49 – 351 - 463 37656 (Sekretariat)
++49 – 351 - 463 32747
Fax: ++49-351 – 463 – 37781
E-Mail: Ruediger.Hoffmann@tu-dresden.de
Als Manuskript gedruckt
2

Vorwort
Vorwort
Der vorliegende Jahresbericht ist der neunzehnte aus dem Institut für Akustik und Sprachkommunikation
der TU Dresden und umfasst für das Jahr 2009 anteilig die Aktivitäten der Professur für Systemtheorie
und Sprachtechnologie und der Honorarprofessur für Elektroakustik.
Um mit positiven Nachrichten zu beginnen, sollen einige erfreuliche Personalia in chronologischer
Reihenfolge erwähnt werden:
• Am 24. März 2009 erhielt unser langjähriger ehemaliger Institutsdirektor, Herr Prof. Dr.-Ing.
habil. Peter Költzsch, auf der Konferenz NAG/DAGA in Rotterdam die Helmholtz-Medaille für
seine herausragenden und vielfältigen Beiträge zur Strömungsakustik verliehen.
• Zum 1. Juni 2009 bewilligte die Humboldt-Stiftung die Verlängerung des Forschungsaufenthaltes
von Frau Dr. Joan K.-Y. Ma in unserer Arbeitsgruppe für ein Jahr.
• Zum Wintersemester 2009/10 erhielt unsere langjährige Mitarbeiterin, Frau Dr. phil. Hongwei
Ding, eine Professorenstelle für Linguistik an der School of Foreign Languages der Tongji University,
Shanghai.
• Am 26. Oktober 2009 wurde Herrn Dr.-Ing. Rolf Dietzel anlässlich seines 75. Geburtstages die
Ehrenmedaille der TU Dresden für seine Verdienste um die Traditionspflege an unserer Universität
überreicht.
Allen Genannten gilt noch einmal unser herzlicher Glückwunsch.
Im Bereich der Lehre hat uns im Berichtsjahr der Bologna-Prozess sehr stark beschäftigt. Die Fakultät
Elektrotechnik und Informationstechnik hat nach reiflicher Überlegung beschlossen, ihre drei Studiengänge
nicht auf konsekutive Abschlüsse (Bachelor / Master) umzustellen, sondern das international
angesehene Diplomstudium beizubehalten. Gegenwärtig erfolgt die Modularisierung der Diplomstudiengänge
im Einklang mit den Bologna-Vorschriften.
Im Hinblick auf die Entwicklung der Studentenzahlen gibt es für das Berichtsjahr keine guten Nachrichten.
Die Fakultät immatrikulierte mit 324 Anfängerinnen und Anfängern wiederum reichlich 10 %
weniger als im Vorjahr. Wir erklären uns diesen Effekt, der diesmal nicht im gesamtdeutschen Trend
liegt, mit der im Berichtsjahr erfolgten Schließung des Dresdener Halbleiter-Herstellers Qimonda.
In der Forschung zur Sprachverarbeitung macht sich im Drittmittelsektor bemerkbar, dass die meisten
Konzerne ihre Forschung auf diesem Gebiet praktisch eingestellt haben. Dank der in den letzen Jahren
erfolgten Verbreiterung unserer fachlichen Basis in Richtung einer allgemeiner verstandenen intelligenten
Signalverarbeitung konnte die Finanzierung des wissenschaftlichen Nachwuchses trotzdem
gesichert werden. Ich danke allen Förderinstitutionen und Industriepartnern, die sich gemeinsam mit
uns für die Belange der Anwendung der Signal- und Systemtheorie auf sprachliche und nichtsprachliche
Signale eingesetzt haben. Mein besonderer Dank gilt wieder Frau Wilhelmine Willkomm für die
fortdauernde, großzügige Unterstützung der Lehre und Qualifizierung aus den Mitteln ihrer Stiftung.
Allen Mitgliedern und Freunden des Instituts für Akustik und Sprachkommunikation wünsche ich für
2010 alles Gute, Gesundheit und Erfolg.
Dresden, im Februar 2010 Rüdiger Hoffmann
3

Inhaltsverzeichnis
4
Inhaltsverzeichnis
Vorwort.................................................................................................................................................... 3
Inhaltsverzeichnis .................................................................................................................................... 4
1 Mitarbeiterinnen und Mitarbeiter ..................................................................................................... 6
2 Lehre ................................................................................................................................................ 8
2.1 Vorlesungen, Übungen, Praktika ................................................................................................ 8
2.1.1 Pflichtfächer im Grund- und Hauptstudium ....................................................................... 8
2.1.2 Wahlobligatorische Fächer................................................................................................. 8
2.1.3 Lehrveranstaltungen für andere Studiengänge (Nebenfach)............................................. 9
2.1.4 Externe Lehrangebote ....................................................................................................... 9
2.2 Studienarbeiten ........................................................................................................................ 10
2.3 Diplomarbeiten ......................................................................................................................... 10
2.4 Studienwerbung und Führungen.............................................................................................. 10
3 Forschungsbericht.......................................................................................................................... 12
3.1 Verarbeitung und Erkennung sprachlicher und nicht sprachlicher Signale............................... 12
3.1.1 Theorie der akustischen Mustererkennung..................................................................... 12
3.1.2 Sprachsteuerung für Mess- und Prüfgeräte .................................................................... 14
3.2 Sprachsynthese ........................................................................................................................ 18
3.2.1 Sprachsynthesesystem DRESS....................................................................................... 18
3.2.2 Prosodische Analyse und Resynthese ............................................................................ 20
3.3 Verarbeitung akustischer Signale (akustisches Frontend)........................................................ 21
3.3.1 Robuste Spracherkennung in Räumen durch Beamforming ........................................... 21
3.3.2 Multimodales, personalisiertes Bedienkonzept für Public Terminals – ..............................
Mobiles Endgerät............................................................................................................. 22
3.3.3 Nichtlineares Übertragungsverhalten von Kondensatormikrofonen................................ 23
3.3.4 Untersuchungen zur Signalseparation für Zweikanalmikrofone ...................................... 24
3.4 Anwendungen von Sprachtechnologie in Interaktionsforschung und Didaktik........................ 24
3.4.1 Überblick .......................................................................................................................... 24
3.4.2 Euronounce/ Intelligent Pronunciation Tutoring System ................................................. 25
3.4.3 Prosodic impairment in dysarthria associated with Parkinson’s disease: Analysis-bysynthesis..........................................................................................................................
30
3.4.4 AvatR – Audio visual assistant turns Real........................................................................ 31
3.4.5 Lingubär – Lehrmittel zur Förderung der kindlichen Sprachkompetenz .......................... 32
3.4.6 CALL-Kooperation mit der Beuth Hochschule für Technik, Berlin................................... 33
3.4.7 Multimediale Vorlesungsergänzung zur Systemtheorie und Signalverarbeitung ............ 34
3.5 Verarbeitung von Musiksignalen .............................................................................................. 36
3.5.1 Einordnung des Forschungsprojektes ............................................................................. 36
3.5.2 Durchführung................................................................................................................... 37
3.5.3 Vergleich statistischer Klassifikatoren zur Ermittlung musikalischer Aspekte................. 37
3.6 Forschungsaktivitäten der Honorarprofessur Elektroakustik.................................................... 39
3.7 Historische Aktivitäten.............................................................................................................. 39
3.7.1 Bestandserschließung ..................................................................................................... 39
3.7.2 Öffentlichkeitsarbeit ........................................................................................................ 39
3.7.3 Projekte zu historischen phonetischen Geräten .............................................................. 41
3.7.4 Geschichte der mechanischen Sprachsynthese.............................................................. 43
4 Drittmittelprojekte und haushaltfinanzierte Forschung .................................................................. 44
4.1 Drittmittelprojekte .................................................................................................................... 44
4.2 Haushaltfinanzierte Forschung ................................................................................................. 45
5 Veröffentlichungen ......................................................................................................................... 46
5.1 Bücher, Buchbeiträge............................................................................................................... 46
5.2 Veröffentlichungen in Zeitschriften .......................................................................................... 46
5.3 TU-Informationen und Lehrmaterial ......................................................................................... 47
5.4 Konferenzveröffentlichungen ................................................................................................... 47
5.5 Vorträge (ungedruckt)............................................................................................................... 49

Inhaltsverzeichnis
5.6 Patente ..................................................................................................................................... 51
5.7 Forschungsberichte.................................................................................................................. 51
5.8 Zeitungsbeiträge und Kurzmitteilungen.................................................................................... 51
6 Promotionen................................................................................................................................... 52
7 Habilitationen.................................................................................................................................. 52
8 Diplom- und Studienarbeiten.......................................................................................................... 52
8.1 Diplom-/Masterarbeiten............................................................................................................ 52
8.2 Studienarbeiten ........................................................................................................................ 52
9 Auszeichnungen und Ehrungen ..................................................................................................... 53
9.1 Verleihung der Ehrenmedaille der Technischen Universität Dresden an ....................................
Herrn Dr.-Ing. Rolf Dietzel, 26. Oktober 2009 .......................................................................... 53
9.2 Innovationspreis Medizintechnik für ein TU-Projekt, 29. Oktober 2009................................... 55
10 Wissenschaftliche Veranstaltungen ......................................................................................... 57
10.1 Zwanzigste Konferenz Elektronische Sprachsignalverarbeitung, ............................................
Dresden, 21. – 24. 9. 2009................................................................................................... 57
10.1.1 Einordnung....................................................................................................................... 57
10.1.2 Fachteil der ESSV, 21. – 23. 9. 2009 ............................................................................... 57
10.1.3 Traditionstag, 23. / 24. 9. 2009 ........................................................................................ 58
10.1.4 Zur Zukunft der ESSV ...................................................................................................... 60
10.2 didacta 2009 – die Bildungsmesse Hannover, 10. – 14. 2. 2009......................................... 60
10.3 Statusseminare des BMBF-Projekts „Sprachsteuerung für Mess- und Prüfgeräte“
Dresden, 05. 03. und 03. 09. 2009 ...................................................................................... 61
10.4 EURONOUNCE-Meetings in Bratislava, Wehlen und Poznan ............................................. 62
10.5 Japanisch-deutscher Kooperationsworkshop, Dresden, 8./9. Dezember 2009................... 64
10.6 ECESS-Treffen, Dresden, 18. - 19. Juni 2009 ...................................................................... 65
10.7 Statusseminare des Projektes "Untersuchung des Einsatzes von Verfahren zur Analyse
zeitlicher Verläufe bei der Extraktion perzeptueller musikalischer Attribute", .......................
Dresden, 12. 05. und 03. 07. 2009 ...................................................................................... 65
10.8 Tschechisch-deutscher Kooperationsworkshop, Dresden, 14. – 21. November 2009........ 66
10.9 Wissenschaftliche Veranstaltungen zur Lautsprecherforschung......................................... 66
10.9.1 Weiterbildungsveranstaltung „Assessment of Signal Distortion in Audio Systems“,
Dresden, 5. – 7. 11. 2009 ................................................................................................ 66
10.9.2 Gastvorlesung in Taiwan.................................................................................................. 67
10.9.3 ALMA Symposium auf der Prolight + Sound .................................................................. 67
10.9.4 Weitere Schulungen, öffentliche Workshops und Seminare .......................................... 67
11 Reisen....................................................................................................................................... 68
12 Aktivitäten in der wissenschaftlichen Gemeinschaft ............................................................... 72
12.1 Akademische Selbstverwaltung........................................................................................... 72
12.2 Mitarbeit in Gremien ............................................................................................................ 72
12.3 Mitarbeit in Programmkomitees .......................................................................................... 72
5

6
Mitarbeiterinnen und Mitarbeiter
1 Mitarbeiterinnen und Mitarbeiter
Hochschullehrer
Telefon
Prof. Dr.-Ing. habil. Rüdiger Hoffmann 32747
Prof. Dr.-Ing. habil. W. Klippel
Prof. Dr.-Ing. habil Dieter Mehnert
Wissenschaftliche Mitarbeiterinnen und Mitarbeiter
Honorarprofessor
externer Mitarbeiter
33106
Dr.-Ing. Ute Feldmann bis 30.09.2009
Dipl.-Ing. Oliver Jokisch 32289
PD Dr.-Ing. Ulrich Kordon 32240
Dipl.-Ing. Mathias Kortke 34849
Dr.-Ing. Matthias Wolff 36298
Wissenschaftliche Mitarbeiterinnen und Mitarbeiter auf Drittmittelstellen, Doktoranden, WHK
Dr. phil. Hongwei Ding bis 30.08.2009
Dipl.-Ing. Frank Duckhorn BMBF 34839
Dipl.-Ing. Thomas Fehér AiF 32721
MSc. Hamurabi Gamboa Rosales Stipendium/WHK 34839
Dipl.-Ing. Hussein Hussein Stipendium/WHK/Beuth-Hochschule 32289
für Technik Berlin
Dipl.-Ing. Stephan Hübler seit 14.4.2009, mufin GmbH 32799
Dipl.-Slaw. Rainer Jäckel EU 34283
Dipl.-Ing. Dietmar Richter Microtech Gefell GmbH 32275
Dipl.-Ing. Guntram Strecha BMBF 34849
Dipl.-Inf. Constanze Tschöpe FhG 36298
Dipl.-Ing. Sören Wittenberg AiF 32275
Ingenieure
Dipl.-Ing. Steffen Kürbis 33395
Gastwissenschaftlerinnen und Gastwissenschaftler
Dr. Joan Ma Humboldt-Stiftung 32799
Dr. Liliya Tsirulnik DAAD (01.09. – 31.10.2009)
Doc. PhDr. Jan Volín, Ph.D.
DAAD-Förderprogramm Ostpartner-
Mgr. Radek Skarnitzl, Ph.D.
schaften – Kooperation mit der
Karlsuniversität Prag
(14.11. – 21.11.2009)

Stipendiaten
Dr.-Ing. Udo Hain
Dipl. Medienwirtin Karina Matthes
Dr.-Ing. Rico Petrick
Mitarbeiterinnen und Mitarbeiter
exist-Gründerstipendium seit
01.06.2009
Dipl.-Ing. Katja Krampitz exist-Gründerstipendium 01. 06. -
31.08.2009
Dipl.-Inf. Niels Baumbach
Dipl.-Wirtsch.-Ing. Toni Homuth
Robert Granich
exist-Gründerstipendium bis
30.09.2009
ABM/AGH E (Historische akustisch-phonetische Sammlung)
Dipl.-Ing. Hans-Dieter Keil bis 31.3.2009 ABM
seit 1.7.2009 AGH E
Sekretärin
32449
32721
Barbara Wrann 37656
7

2 Lehre
2.1 Vorlesungen, Übungen, Praktika
8
Lehre
Im Sommersemester 2009 und im Wintersemester 2009/2010 wurden die folgenden Lehrveranstaltungen
durchgeführt:
2.1.1 Pflichtfächer im Grund- und Hauptstudium
Vorlesung Systemtheorie I (Prof. Hoffmann)
2 SWS Vorlesung, 1 SWS Übung
Studiengänge Elektrotechnik, Informationssystemtechnik, Mechatronik u. Nebenfach
WS 09/10
3. Semester
300 Hörer
Vorlesung Systemtheorie II (Prof. Hoffmann) SS 09
2 SWS Vorlesung, 2 SWS Übung 4. Semester
Studiengänge Elektrotechnik, Informationssystemtechnik, Mechatronik und Nebenfach
336 Hörer
Vorlesung Systemtheorie III (Stochastische Signale und Systeme)
(Prof. Hoffmann)
2 SWS Vorlesung, 2 SWS Übung
Studienrichtung Informationstechnik, Wahlfach für Studiengänge Informationssystemtechnik
und Mechatronik
Vorlesung Signalverarbeitung (Prof. Hoffmann)
2 SWS Vorlesung, 1 SWS Übung
Studienrichtung Informationstechnik, Studiengang Informationssystemtechnik und
Nebenfach
Praktikum Mikrorechentechnik II (Mitwirkung)
Versuch „Akustischer Schalter“ (PD Dr. Kordon und Mitarbeiter)
Studiengang Elektrotechnik
Übung Grundlagen der Elektrotechnik (Mitwirkung)
(PD Dr. Kordon, Dipl.-Ing. Kortke)
2.1.2 Wahlobligatorische Fächer
Doktorandenseminar Systemtheorie und Sprachtechnologie
2 SWS Seminar
Vorlesung Signalanalyse und –erkennung (Prof. Hoffmann)
2 SWS Vorlesung, 1 SWS Übung
Vorlesung Technische Sprachkommunikation (PD Dr. Kordon)
2 SWS Vorlesung
WS 09/10
5. Semester
40 Hörer
WS 09/10
5. Semester
60 Hörer
SS 09
4. Semester
40 Teilnehmer
WS 09/10
1. Semester
24 Teilnehmer
SS 09 und
WS 09/10
10 Teilnehmer
SS 09
6. Semester
20 Hörer
SS 09
6. Semester
21 Hörer

Lehre
Praktikum Akustik
(gemeinsam mit der Professur Kommunikationsakustik)
3 SWS Praktikum
Hauptseminar Systemtheorie-Sprachtechnologie-Kommunikationsakustik
(gemeinsam mit der Professur Kommunikationsakustik,
Koordinator: Dipl.-Ing. Jokisch)
1 SWS Seminar
Akustische Mustererkennung (Dr. Wolff)
2 SWS Vorlesung
Vorlesung Sprachsynthese (PD Dr. Kordon)
1 SWS Vorlesung
Audiosignalverarbeitung
(PD Dr.-Ing. Kordon/Dipl.-Ing. Kürbis)
2 SWS Vorlesung, 1 SWS Praktikum
Praktikum Technische Sprachkommunikation (PD Dr. Kordon)
3 SWS Praktikum
Vorlesung Aktive Steuerung von Schall und Schwingungen (Prof. Klippel)
2 SWS Vorlesung
Bewertung von Signalverzerrungen in Audiosystemen (Prof. Klippel)
Blockveranstaltung
2.1.3 Lehrveranstaltungen für andere Studiengänge (Nebenfach)
Vorlesung Einführung in die Systemtheorie (PD Dr. Kordon)
2 SWS Vorlesung, 1 SWS Übung
2.1.4 Externe Lehrangebote
Konzipieren, Generieren und Explorieren akustisch-phonetischer Korpora
(Dipl.-Slaw. Jäckel)
Vortrag im Hauptseminar Angewandte Phonetik (Institut für Germanistik)
Sprachverarbeitung (PD Dr. Kordon)
Lehrauftrag BTU Cottbus
WS 09/10
7. Semester
2 Teilnehmer
WS 09/10
7. Semester
3 Hörer
WS 09/10
7. Semester
4 Hörer
WS 09/10
7. Semester
5 Hörer
WS 09/10
7. Semester
11 Teilnehmer
WS 09/10
7. Semester
SS 09
3 Hörer
WS 09/10
ca. 80 Hörer
WS 09/10
3. Semester
36 Hörer
27.05.09
ca. 60 Hörer
WS 09/10
ca. 30 Hörer
9

2.2 Studienarbeiten
10
Lehre
Im Berichtszeitraum wurden am Institut für Akustik und Sprachkommunikation 3 Studienarbeiten
angefertigt. Die Themen, die Bearbeiter und die Betreuer der Arbeiten sind im Abschnitt 8.2 aufgeführt.
2.3 Diplomarbeiten
Im Berichtszeitraum wurden am Institut für Akustik und Sprachkommunikation 5 Diplomarbeiten angefertigt.
Die Themen, die Bearbeiter und die Betreuer der Arbeiten sind im Abschnitt 8.1 aufgeführt.
2.4 Studienwerbung und Führungen
Schnupperstudium am 8. Januar 2009
Vorlesungen:
• Einführung in die Systemtheorie (Vorlesung 3. Semester) PD Dr. Kordon
• Systemtheorie I (Vorlesung 3. Semester) Prof. Hoffmann
• Spracherkennung I (Vorlesung 7. Semester) Dr. Wolff
Laborbesichtigung mit Experimenten
• Labor für Spracherkennung und Sprachsynthese PD Dr. Kordon
Betreuung von Schülerpraktika
Zwei Schüler absolvierten an der Professur jeweils ein zweiwöchiges Betriebspraktikum. Dabei wurden
die Aufbereitung und Digitalisierung historischer Sprach- und Musikaufnahmen der historischen
akustisch-phonetischen Sammlung weiter fortgeführt.
Sommeruniversität
Im Rahmen der Sommeruniversität fanden im Juni und Juli 2009 (25.06., 02.07., 09.07., 16.07.) vier
Veranstaltungen statt an denen insgesamt 52 Schülerinnen und Schüler teilnahmen). Diese Veranstaltungen
wurden in Zusammenarbeit mit dem Lehrstuhl für Kommunikationsakustik durchgeführt.
Von der Professur für Systemtheorie und Sprachtechnologie erfolgte eine Einführung in die Sprachanalyse
und Sprachsynthese durch PD Dr. Kordon und Dipl.-Ing. Wittenberg.
Es wurde das Labor für Spracherkennung und Sprachsynthese besichtigt.
Lange Nacht der Wissenschaften
Am 19. Juli 2009 beteiligte sich die Professur zum wiederholten Male mit
• der Präsentation von Experimenten im Spracherkennungs- und Sprachsyntheselabor und
• der Vorstellung der historischen akustisch-phonetischen Sammlung unter dem Titel „Forschen
wie Professor Higgins“
• Demonstration der adaptiven Lautsprechersteuerung (Prof. Klippel)
an der Langen Nacht der Wissenschaften.
Es konnten wieder mehrere hundert Besucher an diesem Abend begrüßt werden.

Lehre
Besuch einer Schülergruppe des HOGA-Gymnasiums
an der Fakultät Elektrotechnik und Informationstechnik
am 5.2.2009
Anteil der Professur Systemtheorie und Sprachtechnologie:
Fachvortrag „Denken in Systemen“
Herr Prof. R. Hoffmann (Inst. für Akustik und Sprachkommunikation) demonstriert am Beispiel seines
Fachgebietes, der Mensch-Maschine-Kommunikation mittels natürlicher Sprache, unsere prinzipielle
Vorgehensweise bei der Beschreibung von Systemen sowie zur Lösung ingenieurtechnischer Aufgaben
Stammtisch der VDE-Hochschulgruppe
am 16.06.2009
„Sprachsynthese – wie baue ich mir eine Stimme?“
Vortrag und Diskussion PD Dr.-Ing. U. Kordon
Es konnten ca. 15 Teilnehmer begrüßt werden.
Besuch einer Gruppe von Schülern des Goethe-Insituts
an der Fakultät Elektrotechnik und Informationstechnik
am 27.08.2009
60 Schüler und 10 Betreuer des Goethe-Instituts
Anteil der Professur Systemtheorie und Sprachtechnologie:
Vortrag: Dipl.-Ing. Wittenberg
Demonstration des Spracherkenners: Dipl.-Ing. Duckhorn
Exkursion von Studenten der HTW Dresden
am 10.09.2009
Vorstellung des Arbeitsgebietes Sprachtechnologie
Ausstellung SprachSignale in den Technischen Sammlungen der Stadt Dresden
Führung durch die Ausstellung
am 2.10.2009
führte Dipl.-Ing. Fehér 35 Schüler des Schiller-Gymnasiums Pirna durch die Ausstellung SprachSignale
Vortrag im Rahmen des Turmfestes
am 8.11.2009
Professor Hoffmann
Von legendären sprechenden Köpfen zu elektronischen „talking heads“
Vortrag
am 6.12.2009
PD Dr.-Ing. Kordon
Wie „hört“ und „spricht“ ein Computer“?
11

3 Forschungsbericht
12
Forschungsbericht
3.1 Verarbeitung und Erkennung sprachlicher und nicht
sprachlicher Signale
In diesem Abschnitt berichten wir über die verschiedenen Arbeiten, die im Rahmen der Weiterentwicklung
und Anwendung unserer Plattform UASR (Unified Approach to Signal Synthesis and
Recognition) durchgeführt wurden.
Zunächst wird auf die Weiterentwicklung der theoretischen Basis eingegangen. Diese Ergebnisse
sind im Zusammenhang mit den Anwendungen auf nicht sprachliche Signale entstanden. Wie aus
den vorhergehenden Jahresberichten bekannt ist, hat sich dieser Anwendungsbereich stark ausgedehnt.
Danach erfolgt die Beschreibung der Arbeiten, die im Berichtszeitraum im Rahmen des vom BMBF
geförderten Projekts „Sprachsteuerung für Mess- und Prüfgeräte (SSMG)“ durchgeführt wurden und
die Umsetzung des UASR in Hardware zum Ziel haben. Diese Arbeiten stehen in engem Zusammenhang
mit den Projekten zu nicht sprachlichen Signalen.
3.1.1 Theorie der akustischen Mustererkennung
Auf dem Gebiet der akustischen Mustererkennung wurde im Berichtszeitraum die theoretische
Grundlage weiterentwickelt. Dies betrifft speziell eine verbesserte mathematische Formulierung von
Hidden-Markov-Modellen, welche die Lücke zur Theorie der Finite-State-Transducers (endliche Transduktoren)
schließt.
Eigenschaften von Prüfobjekten äußern sich als typische Ausprägungen und zeitliche Abfolgen von
Signalereignissen. Mit Hilfe von Verfahren der Signalanalyse, Merkmalextraktion, -kompression und
statistischen Mustererkennung werden automatisch Modelle der Messsignale erstellt. Diese Modelle
können zur Beurteilung unbekannter Prüfobjekte benutzt werden. Es werden Hidden-Markov-Modelle
(HMM) und Support Vector Machines (SVM) oder in einfachen Fällen Gaussian Mixture Models
(GMM) eingesetzt. Da diese Verfahren lernfähig und problemunabhängig sind, eignen sie sich im Prinzip
für jede akustische Diagnose. Sie benötigen wenig oder gar kein a-priori-Wissen, sind skalierbar
und echtzeitfähig. Fallen Daten mehrerer Sensoren an, können diese kombiniert werden, um eine
Gesamtaussage zu treffen.
Anhand einer speziellen Prüfaufgabe, der Erkennung eines bevorstehenden Ausfalls von Magnetventilen,
soll die Verfahrensweise genauer erläutert werden. Das Schaltgeräusch eines Ventils beim Öffnen
und Schließen ist in Abbildung 3.1 dargestellt. In dessen Signalstruktur ist das Auftreten von Ereignissen
besonders deutlich erkennbar (Abbildung 3.1, oben: mit den vier Ereignissen E0 – „geschlossen“,
E1 – „öffnen“, E2 – „offen“, E3 – „schließen“). Bei der Merkmalextraktion werden aus
dem Signal in gleichmäßigen Abständen einzelne Merkmalvektoren und somit insgesamt eine Merkmalvektorfolge
gebildet(Abbildung 3.1, Mitte). Die interessierenden Eigenschaften liegen nicht nur in
einem Spektrum (räumliche Eigenschaften), sondern auch in der Folge von Spektren (zeitliche Struktur).
Eine kurze Folge von Merkmalvektoren beschreibt ein akustisches Ereignis (z. B. E1: öffnen).
Diese Ereignisse werden bei HMMs in Form von Verteilungsdichtefunktionen beschrieben.
Die Modellierung von Folgen solcher Ereignisse, also der Signalstruktur, erfolgt als Markov-Kette erster
Ordnung (typisch für Folgenklassifikatoren). Jeder mögliche Zustandsübergang tritt mit einer bestimmten
Wahrscheinlichkeit auf (Abbildung 3.1 unten). Die Zustandsfolge in diesem Beispiel ist offensichtlich,
sie muss jedoch nicht bekannt sein, da das System in der Lage ist, diese selbst zu lernen.
Im Ablauf der Arbeiten konnte die HMM-Theorie weiter entwickelt werden. Dies führte zu einer einheitlichen
Darstellung zur Bestimmung der Ausgabewahrscheinlichkeit und der EM-Schätzformeln in
den Wahrscheinlichkeits-, Max/Mal-, logarithmischen und tropischen Halbringen (Forward/Backward-
vs. Viterbi-Algoritmus, Baum-Welch- vs. Viterbi-Training, Abbildung 3.2).

Forschungsbericht
Abbildung 3.1: Ablauf der Signalklassifikation mit Unterteilung des Signals in Ereignisse (oben), Darstellung
der Merkmalvektorfolge nach Kurzzeit-FFT (Mitte) und statistischer Modellierung (unten).
13

14
Forschungsbericht
Abbildung 3.2: Vereinheitlichte Darstellung von Forward/Backward- und Viterbi-Algorithmus,
Details siehe [1].
Die Formeln zur HMM-Parameterschätzung können dadurch folgendermaßen dargestellt werden:
mit
In Abhängigkeit von dem gewählten Gewichtshalbring stellen diese Formeln gleichzeitig das Baum-
Welch- und das Viterbi-Training dar. Eine genauere Erläuterung findet man in [1].
[1] C. Tschöpe, M. Wolff: Statistical Classifiers for Structural Health Monitoring. IEEE Sensors
Journal 9 (2009) 11, pp. 1567 - 1576.
3.1.2 Sprachsteuerung für Mess- und Prüfgeräte
Fortführung der DSP-Portierung des Spracherkenners
Im Berichtsjahr 2009 wurde der C++ Spracherkenner, welcher 2008 auf den Digitalen Signalprozesser
TMS320C6727 von Texas Instruments portiert wurde, optimiert und an die FPGA-Impementierung
der Merkmalanalyse durch das Fraunhofer Institut für zerstörungsfreie Prüfung (IZfP) angepasst. Hierzu
wurden folgende Schritte durchgeführt:
1. Der Ablaufplan des Spracherkenners, wie er im Jahresbericht 2009 abgedruckt war, musste
an die Implementierung der Merkmalextraktion auf dem FPGA sowie den neuen Entwurf der
akustischen Nutzerschnittstelle angepasst werden.
2. In Abbildung 3.3 ist der veränderte Ablaufplan dargestellt. Zum Einen wurde in den Pfad der
Merkmale für die Voice activity detection (VAD) ein Block mit Normalisierung und Hauptkomponentenanalyse
(PCA) eingefügt. Hierdurch kann die Dimenstion der Merkmale von 30 auf
10 reduziert werden. Somit wird Speicherplatz und Rechenzeit für die Berechnung der Mahalanobisdistanzen
der VAD gespart. Zum Anderen wurde die Entscheidung ob der Merkmals-

Forschungsbericht
vektor verwendet wird oder nicht ans Ende der Merkmalextraktion verschoben (also nach den
Block GMM – gewichtete Summe). Dadurch konnte der VAD Puffer 1 eingespart werden und
dessen Aufgabe (die Vektoren um die Verzögerungszeit der VAD zu puffern) wurde vollständig
vom SFA Puffer übernommen. So reduziert sich die gesamte Verzögerung um die Verzögerung
der Delta-Berechnung. Außerdem wird die Merkmalextraktion im FPGA nicht mehr
durch die VAD beeinflusst werden.
3. Die DSP-Software wurde in das FPGA Demonstrationsprogramm des IzfP integriert. Hierfür
wurden die berechneten Mahalanobisdistanzen aus dem FPGA übernommen und in den Ablauf
der Suche eingefügt. Im Weiteren wurde die Synchronisation mit der akustischen Nutzerschnittstelle
realisiert und die Übertragung von Erkennungsergebnissen sowie Debug-
Information zum Steuerprogramm auf dem PC über USB ermöglicht.
4. Die Spracherkennung wurde um die Verwendung von kontextfreien Grammatiken erweitert.
Dadurch kann in Grammatiken der Form „Größe Zahl Einheit“ eine Beziehung zwischen Größe
und Einheit abgebildet werden (was in regulären Grammatiken nicht möglich ist). Die Suche
verarbeitet diese Grammatiken mit einem integrierten Kellerautomaten.
5. Ein kleiner Speichermanager im DSP für temporäre Daten beschleunigt den Speicherzugriff.
Alle Daten, die für die Suche benötigt werden passen nicht in den internen Speicher des
DSPs. Da dieser aber deutlich geringere Zugriffszeiten als der externe Speicher hat wurde ein
Speichermanager implementiert, der Restkapazitäten im internen Speicher für die Suche
nutzt. Dadurch konnte der Echtzeitfaktor für die Suche von 50 - 70% auf 15 - 40% reduziert
werden.
Voice activity detection (VAD) für den DSP-Spracherkenner
Der DSP-Spracherkenner wurde um eine Voice Activity Detection (VAD) erweitert. Diese verwendet
die primären Merkmale des Spracherkenners. Dadurch wird eine zweite Merkmalextraktion für die
VAD nicht benötigt. Die Verarbeitung der Merkmalvektoren ist analog zu Verarbeitung in dem Spracherkennungszweig
aufgebaut (Hauptkomponentenanalyse, Mahalanobisdistanz, GMM). So wurde der
Implementierungsaufwand deutlich reduziert. Die Entscheidung ob ein Vektor als Sprache oder Pause
detektiert wird fällt auf das GMM mit der größten Wahrscheinlichkeit. Anschließend wird diese Entscheidung
noch durch einen Zustandsautomaten über mehrere Vektoren geglättet. Dabei fügt dieser
bestimmte Restriktionen (minimale Sprach- und Pausenlänge, Vor- und Nachlauf) in die Folge der
Entscheidungen ein. Wenn der Signalpegel innerhalb eines Sprachabschnitts einen bestimmten
Schwellwert überschreitet, wird dieser Abschnitt endgültig als Sprache markiert und der Spracherkennung
zugeführt.
DSP-Portierung von Algorithmen zur HMM-basierten Sprachsynthese
Für das BMBF-Projekt „Sprachsteuerung für Mess- und Prüfgeräte“ wurde bereits im vorangegangenen
Berichtszeitraum eine HMM-basierte Sprachsynthese entwickelt. Um den Speicherverbrauch zu
minimieren, verwendet das Synthesesystem die Datenbasen (speziell: die Hidden-Markov-Modelle)
des Erkennungssystems. Aufgrund der Verwendung dieser sprecherunabhängigen Modelle ist eine
Konvertierung zum Zielsprecher notwendig. Um den Rechenaufwand zu Minimieren erfolgt die Konvertierung
an den vom HMM emittierten Merkmalvektoren durch eine lineare Transformation in Form
einer Multiplikation mit einer sprecherabhängigen Konvertierungsmatrix.
15

16
Forschungsbericht
Abbildung 3.3: Blockschaltbild der Erkenner-Hardware

Forschungsbericht
Im aktuellen Berichtszeitraum wurden die Algorithmen des Synthesesystems auf die Zielplattform
portiert. Der verwendete DSP besitzt eine 32-bit Fließkommaeinheit, sodass die im Experimentiersystem
vorliegenden Algorithmen doppelter Genauigkeit (64-bit) auf einfache Genauigkeit (32-bit) reduziert
wurden. Folgende Algorithmen wurden portiert:
1 Periodenmarkenfolge aus der Grundfrequenzkontur erzeugen,
2 Merkmalvektorfolge anhand der Zustandsfolge aus den HMMs generieren,
3 inverse Hauptkomponentenanalyse (PCA).
4 Sprecheradaption: Transformation der Merkmalvektorfolge in eine Folge von mel-line cepstral
quefrencies (M-LCQ).
5 Synchronisieren der M-LCQ- und Periodenmarkenfolge.
6 Glättung der M-LCQ-Vektorfolge.
7 Synthesefilter:
a) Denormalisierung.
b) M-LCQ zu Mel-Cepstrum Transformation
c) Mel-Cepstrum-Synthesefilter.
Die Rechengenauigkeit einiger Algorithmen nach der Reduktion der Bitbreite auf 32 bit war so gering
(besonders 7b), dass diese Algorithmen inhaltlich umgestellt werden mussten. Die portierten Algorithmen
wurden auf der Zielplattform getestet. Die Rechengenauigkeit der gesamten Verarbeitungskette
ergibt sich aus der Differenz (siehe Abbildung 3.4, schwarzes Signal mit rechter Ordinate) zwischen
den Synthesesignalen erzeugt mit den Experimentiersystem (siehe Abbildung 3.4, graues Signal
mit linker Ordinate) und der portierten Synthese.
Abbildung 3.4: Beispiel für Signalfehler bei der HMM-Sprachsynthese durch Verwendung von 32 Bit
anstelle von 64 Bit Gleitkomma-Arithmetik (grau: Originalsignal, schwarz: Fehlersignal)
17

3.2 Sprachsynthese
3.2.1 Sprachsynthesesystem DRESS
18
Forschungsbericht
Die Entwicklungsarbeiten am Dresdener Sprachsynthesesystem DRESS konzentrierten sich im Berichtsjahr
auf die Einbeziehung der Korpussynthese, die im Rahmen des Promotionsvorhabens von
Herrn Gamboa bearbeitet wird. Dabei wurde eine Maximum-Likelihood-Bausteinauswahl entwickelt,
die auf einer Mappinganalyse der Verkettungssubkosten (VK), der BAYES-Klassifikation (BK) und
der Maximum-Likelihood (ML)-Methode basiert. Der Hauptvorteil dieses neuen Bausteinauswahlverfahrens
ist, dass kein langwieriges Training mehr notwendig ist, um die gewichteten Koeffizienten für
die VK zu bestimmen.
Mappinganalyse: Das Mapping erfolgt über eine Berechnung (offline) der VK zwischen den Bausteinen
in der Datenbank, die keine oder die ungewünschten Verzerrungen aufweisen, wenn sie verkettet
werden. Die VK werden durch die Abstandsberechnung zwischen den Eigenschaften der Bausteine
wie Multiple-Centroid-Analyse (MCAs), Linear Spectral Frequencies (LSF) und MFCC an der linken
und rechten Grenze abgeschätzt. Bei der Anwendung einer Datenbank wird das Mapping der VK, die
keine Verzerrungen bei der Verkettung zeigen, durch die Abstandsberechnungen zwischen den Bausteinen
durchgeführt, die in einem Wort oder Satz der Datenbank aufeinander folgen. Das Mapping
der VK der ungewünschten Verzerrungen erfolgt über einen festgelegten Satz an Bausteinen. Diese
Bausteine entstammen aus verschiedenen Wörtern und Sätzen der Datenbank und somit aus verschiedenen
phonetischen Kontexten. Daher sind sie mehrheitlich nicht richtig verkettet.
BAYES-Klassifikation: Nach dem Mapping der VK müssen die glatten und verzerrten Verkettungsflächen
festgelegt werden. Dazu kommt die Unterscheidungsfunktion eines BAYES-Klassifikators mit
normalverteilten Merkmalvektoren zur Anwendung. Die Abbildung 3.5 zeigt eine zweidimensionale
Mappinganalyse, wobei beide Verkettungsflächen durch die Trennfunktion d12( x r ) abgegrenzt werden.
Abbildung 3.5: Trennfunktion.
Bausteinauswahlprozess: Der Vorgang der Bausteinauswahl besteht aus verschiedenen Stufen, die
in Abbildung 3.6 zu sehen sind. Zunächst werden die Bausteinkandidaten in der großen Datenbank
durch den Backward-Oracle-Matching-Algorithmus gesucht. Dieser wählt alle Bausteinfolgen aus, die
der linguistisch-phonetischen Umsetzung des zu synthetisierenden Textes entsprechen. Danach werden
die MCAs, LSF und MFCC der gefundenen Bausteine an den Grenzen zum vorhergehenden (linke
Grenze) und nachfolgenden Baustein (rechte Grenze) berechnet und in einem Vektor abgebildet.
Im Anschluss wird der Abstand zwischen dem Vorgänger und dem Kandidatenbaustein des gewünschten
zu synthetisierten Sprachsignals berechnet.

Forschungsbericht
Abbildung 3.6: Ablauf der Maximum-Likelihood-Bausteinauswahl.
Der berechnete VK-Abstandsvektor der Bausteine wird von dem BK verarbeitet. Der BK klassifiziert
die Verkettung zwischen den Bausteinen in glatte und verzerrte Verkettungstypen mit Hilfe der entsprechenden
Trennfunktion. Die Übergänge aus der Netzmatrix, von deren Bausteinen festgestellt
wurde, dass sie nicht verzerrungsfrei verketten und dessen VK laut Trennfunktion nicht in der glatten
Verkettungsfläche liegen, werden entfernt (Abbildung 3.6). Dies bedeutet, dass sie nicht mehr für den
Bausteinauswahlprozess berücksichtigt werden. Durch den Ausschluss der verzerrt verkettenden
Bausteine verringert sich der Zeit- und Rechenaufwand der Bausteinauswahl. Danach werden die
noch vorhandenen Bausteine durch die entsprechende vorher erhaltene Verteilung des glatten Verkettungstyps
aus der Mappinganalyse mit Hilfe der ML-Methode verarbeitet. Dabei wird die Wahrscheinlichkeit
einer glatten Verkettung zwischen den Bausteinen berechnet. Die erhaltenen Wahrscheinlichkeiten
der glatt verkettenden Bausteine werden als einzige dglatt( x r ) Verkettungkosten in der Netzmatrix
beibehalten (Abbildung 3.7).
Abbildung 3.7 zeigt die Entfernung der Übergänge zwischen den Bausteinen mit verzerrtem Verkettungstyp.
Schließlich wird nach der Anwendung der ML-Bausteinauswahl im nächsten Schritt genau
die Bausteinfolge durch die Anwendung des Viterbi-Algorithmus ausgesucht, die in der Netzmatrix
minimale Ziel- und Verkettungskosten aufweist, um das erwünschte Sprachsignal mit möglichst geringen
Verzerrungen über die konkatenative Sprachsynthese zu erhalten.
Abbildung 3.7: Entfernung der Übergänge zwischen den Bausteinen mit verzerrtem Verkettungstyp
und Einführung von Wahrscheinlichkeit der glatten Verkettungen als Verkettungskosten.
19

20
Forschungsbericht
3.2.2 Prosodische Analyse und Resynthese
Die Natürlichkeit der synthetisierten Sprache hängt von der automatischen Extraktion der prosodischen
Eigenschaften und der prosodischen Modellierung ab. Ziel der im Rahmen des Promotionsvorhabens
von Herrn Hussein durchgeführten Untersuchungen ist die Übertragung einer Zielprosodie im
Rahmen einer Resynthese.
Abbildung 3.8: Resynthese der extrahierten Akzente und Phrasen mit Hilfe eines Cepstrum-Vocoders.
Die Akzent und Phrasen wurden durch die Analyse der F0-Kontur mit Hilfe des Fujisaki-Models markiert.
Die Periodenmarken (PM) dienen als prosodische Merkmale für den Cepstrum-Vocoder. Um das
Konzept der „Analyse durch Resynthese“ zu implementieren, wurden die Periodenmarken von verschiedenen
Positionen des Akzent- und Phrasenmarkierungsalgorithmus (siehe Abbildung 3.8) berechnet.
Diese Positionen sind: A - originale PM; B - PM der berechneten F0-Kontur; C - Konversion
der Fujisaki-Parameter zu PM; D - Konversion der modifizierten Fujisaki-Parameter zu PM.
Ein Hörtest (Preference test) wurde zur Prüfung der Qualität der resynthetisierten Sprachsignale
durchgeführt. 20 Personen haben an diesem Hörtest teilgenommen; jede Person hat 60 Paare von
Sprachsignalen verglichen. Die Ergebnisse des Hörtestes sind in Abbildung 3.9 für jedes Paar und für
alle resynthetisierten Sprachsignale dargestellt.
Abbildung 3.9: Ergebnisse des Hörtests

Forschungsbericht
3.3 Verarbeitung akustischer Signale (akustisches Frontend)
3.3.1 Robuste Spracherkennung in Räumen durch Beamforming
Spracherkennung in realen Räumen ist bis heute ein großes Problem. Erkennungsraten von ungestörten
Signalen im Bereich von 90 % und mehr verschlechtern sich in realen Räumen, je nach Sprecher-
Mikrofon-Abstand (SMA) und Nachhallzeit des Raumes, auf bis zu unter 30 %, wie in Abbildung 3.11.
(„einkanalig“) deutlich zu sehen ist. Grund dafür ist der Nachhall des Raumes, wodurch ein „Verwaschen“
des Zeitsignals und auch des Spektrums zu beobachten ist.
Eine bekannte Methode zur Verringerung der als Störschall arbeitenden Reflexionen ist das Beamforming.
Dabei werden mehrere Mikrofonsignale zu einem einzelnen Signal verrechnet und dadurch
eine Richtwirkung erzielt. Diese Richtwirkung bewirkt, dass seitlich eintreffender Schall (Raumreflexionen)
gedämpft wird, während frontal einfallender Schall (das gewünschte Sprachsignal) ungedämpft
passieren kann. An dieses Grundprinzip anknüpfend, gibt es eine Vielzahl von Beamformingalgorithmen.
In Abbildung 3.11 sind aktuelle Messungen in realen Räumen gezeigt, deren Ergebnisse einem Spracherkenner
zugeführt wurden. Gemessen wurde die Erkennungsrate eines Kommandoworterkenners.
Getestet wurden 2 Beamformingalgorithmen. Der Delay and Sum Beamformer (DSB), eine relativ
einfache Variante des Beamformings, sowie der Minimum Variance Distortionless Response
Beamformer (MVDRB).
Abbildung 3.10: Schematische Darstellung des MVDRB.
Der MVDRB arbeitet im Frequenzbereich (schematische Darstellung siehe Abbildung 3.10) und kann
über die frequenzabhängigen Wichtungsfaktoren ( ) an das Störschallfeld angepasst werden.
Des Weiteren kann die Ausrichtung des Beamformers geändert werden. Dadurch ist es möglich auf
Quellen zu fokussieren, die sich nicht direkt vor der Mikrofonanordnung befinden. Letzteres ist ebenfalls
mit dem DSB möglich, allerdings bietet der DSB keine Möglichkeit der Anpassung an das Schallfeld.
ω j
Wi
e
Das Ergebnis der Messungen ist in Abbildung 3.11 zu sehen. Sowie eine zunehmende Nachhallzeit,
als auch ein zunehmender SMA verschlechtern die Erkennungsergebnisse deutlich. Durch die Nutzung
der Beamformer bleibt dieser Trend zwar erhalten, aber die absoluten Ergebnisse liegen deutlich
über denen der einkanalig aufgenommenen Signale. Vor allem im mittleren Bereich der Nachhallzeit
(0,45 s, Abbildung 3.11 oben rechts) erreicht der MVDRB eine Verbesserung um ca. 20%. Diese
Nachhallzeit entspricht einem durchschnittlichen Wohnzimmer.
Weitere Verbesserungen können im Anschluss mit Hilfe von einkanaligen Algorithmen, sowie Algorithmen
auf Feature- und Modellebene erreicht werden.
21

22
Forschungsbericht
Abbildung 3.11 : Erkennungsraten des DSB und des MVDRB im Vergleich mit einkanaligen Aufnahmen
bei verschiedenen Abständen und in verschiedenen Räumen. Nachhallzeiten:
links oben: 0,25 s; rechts oben: 0,45 s; links unten: 0,7 s; rechts unten: 0,95 s.
In Zusammenarbeit mit Industriepartnern und weiteren Forschungseinrichtungen der TU Dresden
wird an einem Prototypen für ein Sprachgesteuertes „Public Terminal“ (Informationsterminal) gearbeitet.
Dieses Terminal wird einen MVDR-Beamformer wie oben beschrieben nutzen um den Störschall
zu filtern, den Sprecher vor dem Terminal zu orten und dann akustisch auf ihn zu fokussieren.
Weitere Aspekte dieses Projektes werden im Folgenden erläutert.
3.3.2 Multimodales, personalisiertes Bedienkonzept für
Public Terminals – Mobiles Endgerät
Infolge zunehmender Akzeptanz von elektronischen "Info-Punkten" und anderen öffentlichen Automaten
(Public Terminals) steigt deren Nutzung, was zu Wartezeiten an diesen Automaten führen kann.
Durch die Verbesserung des Bedienprozesses kann eine schnelle Bereitstellung der gesuchten Informationen
erreicht und die Wartezeit anderer Benutzer gesenkt werden. Im Rahmen des Kooperationsprojekts
"Multimodales, personalisiertes Bedienkonzept für Public Terminals" 1 mit der voice INTER
connect GmbH und dem Institut für Angewandte Informatik der TU Dresden wird an der Verbesserung
des Bedienprozesses durch die Integration einer Sprachein- und ausgabe geforscht. Dieses multimodale
Bedienkonzept soll zusätzlich auf in der Nähe befindliche mobile Endgeräte übertragen werden
und so die gleichzeitig Bearbeitung mehrer Benutzer erlauben. Durch das ohnehin ständige Mit-
1 Förderung durch die Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) „Otto von Guericke“ e.V.
im Rahmen des Förderprogramms PRO INNO II - Förderung der Entwicklung innovativer Produkte und Verfahren“;
Fördernummer: ProInno KF 0033704LF8

Forschungsbericht
führen von mobilen Endgeräten (z.B. Mobiltelefon) erlaubt dies die intuitive Abfrage standortbezogener
Informationen mit dem eigenen, vertrauten Endgerät ohne Zusatzkosten. Da dieser Service nur in
der Nähe des Automaten bereitgestellt wird, kann von einem Location Based Service (standortbezogener
Dienst) gesprochen werden. Zur drahtlosen Kommunikation ist Bluetooth angedacht, da so
keine Funknetzinfrastruktur vorausgesetzt werden muss.
Infolge der Vielfalt an mobilen Endgeräten ist das
angestrebt Ziel nur mit standardisierten Techniken
möglich. Eine von vielen Herstellern implementierte
Technik ist J2ME (Java Plattform 2, Micro Edition)
von Sun Microsystems. Speziell definierte Konfigurationen
wie zum Beispiel CLDC (Connected Limited
Device Configuration) beschreiben dabei die minimale
notwendige Konfiguration für die Laufzeitumgebung
(z.B. notwendiger Speicher). Ergänzt werden
die Konfigurationen durch Profile, wie z.B. das Mobile
Information Device Profile (MIDP). Diese definieren
die minimale Hardwareausstattung (Bildschirmgröße,
Eingabemöglichkeiten usw.) der Endgeräte.
Neben diesen definierten Minimalausstattungen
können Java Specification Requests (JSR), also Anforderungen
auf eine neue Spezifikation bzw. Änderung
oder Erweiterung einer bestehenden Spezifikation
eingereicht werden, die dann im Rahmen des
Java Community Process (JCP) zu Spezifikationen
führen die z.B. den Zugriff auf die Bluetooth- (JSR-
082) oder der Audioschnittstelle (JSR-135) regeln.
Abbildung 3.12: Keine Wartezeit bei der parallelen
Benutzung eines mobilen Endgerätes am
öffentlichen Automaten.
Im Berichtsjahr konnten folgende Funktionalitäten im mobilen Endgeräte realisiert und getestet werden:
- visuelle Inhalte des Automaten drahtlos empfangen und darstellen
- Aufnahme und Wiedergabe akustischer Informationen
- digitale Signalverarbeitung
- Übertragung von Sprachdaten an den Spracherkenner im Automaten
- Empfang der Automatenreaktion in visueller und akustischer Repräsentation
3.3.3 Nichtlineares Übertragungsverhalten von
Kondensatormikrofonen
Mikrofone mit Röhrenverstärkern erfreuen sich nach wie vor großer Beliebtheit. Ihr Klang wird als
warm und druckvoll beschrieben. Viele Toningenieure ziehen oft Mikrofone in dieser traditionellen
Technologie modernen Transistormikrofonen vor, obwohl Röhrenmikrofone aus messtechnischer
Sicht ein höheres Eigenrauschen und ein schlechteres Großsignalverhalten besitzen.
In der Studienarbeit von Herrn Peter Vanselow wurde untersucht, ob die subjektiv empfundenen Qualitätsunterschiede
zwischen Röhren- und Transistormikrofon allein durch die unterschiedlichen nichtlinearen
Übertragungseigenschaften erklärt werden können.
Dazu wurden mit der Software MATLAB Audiosignale, die mit Messmikrofonen aufgenommenen
wurden, mit den nichtlinearen Kennlinien von Elektronenröhren und Ausgangstransformatoren „verzerrt“
und durch Hörversuche subjektiv beurteilt.
Die Ergebnisse zeigen, dass Unterschiede von den Versuchspersonen erst bei sehr hohen Schalldruckpegeln
festgestellt werden konnten. In einigen Fällen wirkten sich die nichtlinearen Kennlinien
als Qualität steigernd aus. Besonders der quadratische Anteil der Röhrenkennlinie führte in einigen
Fällen zu einer höheren Audioqualität. Dagegen führten die kubischen Signalanteile, die besonders
durch den Ausgangstransformator erzeugt wurden, immer zu einer Verschlechterung der Audioqualität.
23

24
Forschungsbericht
3.3.4 Untersuchungen zur Signalseparation für Zweikanalmikrofone
Die Separation von Signalen aus einem Signalgemisch ist ein Grundproblem der gesamten Audiotechnik.
Die Spracherkennung fordert für eine gute Erkennungsrate ein möglichst reines Sprachsignal
ohne Störgeräusche oder gar andere Stimmen, welche sich mit dem zu erkennendem Signal überlagern.
In der Studienarbeit von Herrn Kevin Gebhardt wurden verschiedene Algorithmen zur Signaltrennung
unter Verwendung von zweikanaligen TWIN- Mikrofonen getestet. Die Signaltrennung erfolgte stets
im Frequenzbereich. Mittels zweikanaliger FFT und Overlapp-Add wurden einzelne Signalabschnitte in
ihre spektralen Komponenten zerlegt und entsprechend der Richtungsinformationen, die aus den
Unterschieden beider Signale gewonnen wurden, bewertet.
Durch gezielte Generierung von Nullstellen in der Richtcharakteristik des Summensignals beider Mikrofone
konnten die Signale einzelner diskreter Störsignalquellen fast vollständig eliminiert werden.
Bei Existenz von vielen gleichzeitigen Störsignalquellen im seitlichen und hinteren Schalleinfallsbereich
des Mikrofons brachte eine spektrale Trennung der Schallanteile gute Erfolge. Besonders gute
Ergebnisse konnten dann erzielt werden, wenn sich die Spektren von Nutz- und Störsignal deutlich
unterschieden.
3.4 Anwendungen von Sprachtechnologie in
Interaktionsforschung und Didaktik
3.4.1 Überblick
Sprachtechnologiekomponenten der TU Dresden werden zunehmend bei Problemstellungen der
Mensch-Mensch- bzw. Mensch-Technik-Interaktion erprobt, wobei eine interdisziplinäre Kooperation
mit Kollegen aus nichttechnischen Wissenschaftsgebieten zum Tragen kommt.
Die vorgestellten Forschungsarbeiten folgen internationalen Ansätzen aus den 1990er Jahren und
einem aktuellen Trend, der sich u. a. in neu kreierten sowie hochrangig besetzten Veranstaltungsreihen,
wie z. B. ISCA Workshops on Speech and Language Technology in Education (SLaTE 2007 und
2009) oder ICMI Workshops on Child, Computer and Interaction (WOCCI 2008 und 2009) manifestiert,
bei denen das IAS mit Beiträgen präsent war. Wie in den Vorjahren wirkte das IAS außerdem an
der europäischen COST-Aktion 2102 (Cross-Modal Analysis of Verbal and Non-verbal Communication)
einschließlich der Workshops mit.
Der Berichtszeitraum 2009 umfasste folgende Aktivitäten, die in den Unterabschnitten 3.4.2 –3.4.7
dargestellt werden:
• Fortführung der Forschungs- und Entwicklungsarbeiten für den Aussprachetrainer („Automat
zur Akzentreduktion“, Akronym AzAR). Das AzAR-Projekt markierte 2004 den Auftakt für unser
neues Arbeitsfeld, wobei die im Berichtszeitraum laufende, dritte Projektphase im Rahmen
des EU-Projekts EURONOUNCE (2007-2009) gefördert wurde und auf slawische sowie
deutsche Sprachressourcen fokussiert war.
• Erweiterung der Aussprachetrainertechnologie auf die Zielgruppe Vorschulkinder und Fertigstellung
des 2008 begonnenen LiSA-Prototyps. Start des EXIST-Projekts „Innovative Produkte
zur Förderung der kindlichen Sprachkompetenz“ (BMWT). Im Rahmen des neuen Projekts
werden u. a. die Robustheit des Sprachinterfaces, das Nutzerverhalten sowie Markteintrittsbarrieren
untersucht.
• Fortsetzung der Kooperationsbeziehungen zum Sprachtrainingsprojekt der Beuth-Hochschule
Berlin (Prof. Mixdorff). Unter der Bezeichnung CALL (Computer-Aided Language Learning)
wird Sprachtechnologie im Kontext des Fremdsprachenerwerbs von Mandarin-Chinesisch untersucht.
Ein weiteres Teilprojekt betrifft eine sprachübergreifende Prosodiemodellierung in
Zusammenarbeit mit japanischen Universitäten (Quantitative Cross-Language Prosody Modeling).
• Fortführung des Projekts zur Untersuchung prosodischer Beeinträchtigungen bei Dysarthrien,
die durch das Parkinson-Syndrom hervorgerufen werden. Dieses Projekt wird seit 2008 durch
Frau Dr. Ma im Rahmen ihres Humboldt-Stipendiums betreut und erfolgt in Kooperation mit
der Klinik und Poliklinik für Neurologie des Universitätsklinikums Dresden (Prof. Storch).

Forschungsbericht
3.4.2 Euronounce/ Intelligent Pronunciation Tutoring System
Gefördert von der Europäischen Kommission, Agentur für Kultur, Bildung und audiovisuelle Medien
(EACEA) im Rahmen des Programms Lebenslanges Lernen
Projektnummer: 135379-LLP-1-2007-1-DE-KA2-KA2MP
Subprogramm: KA2, Languages
Förderzeitraum: 01.11.2007 – 31.12.2009
Partner: TU Dresden, Institut für Akustik und Sprachkommunikation (Projektkoordinator)
Adam-Mickiewicz-Universität Poznan, Institut für Linguistik
Slowakische Akademie der Wissenschaften in Bratislava, Institut für Informatik
REZO Computer Service GmbH & Co. KG
Schenck Workshops Mülheim/ Ruhr (für Goethe-Institut Dresden/ Weimar)
Verband der Sächsischen Bildungsinstitute (VSBI)
Private Fachoberschule und Berufsfachschule Roudnice nad Labem, CZ
Nachauftragnehmer:
VoiceInterConnect GmbH Dresden
Institut für Informatik und Automatisierung der Russischen Akademie der Wissenschaften
St. Petersburg (SPIIRAS)
Arbeitsschwerpunkte im Jahr 2009
1. Fertigstellung der multilingualen Datenbasen
Wichtigstes Projektziel ist die Entwicklung eines datenbasierten multilingualen Aussprachetrainers,
der für die Sprachenpaare Deutsch-Russisch, Deutsch-Polnisch, Deutsch-Slowakisch und Deutsch-
Tschechisch Curricula und Feedbacktechnologie zur Bewertung der Aussprachequalität bereitstellen
soll.
Datenbasen sind insbesondere die Entwicklungs- und Trainingsdaten, Testdaten und Curriculardaten.
Pro Sprachenpaar wurden jeweils 18 Sprecherinnen/ Sprecher mit nach Niveaustufen (A1 – B1, B2 –
C2 des Europäischen Referenzrahmens) variierendem Testmaterial aufgenommen. Z. B. wurden für
die Zielsprache Deutsch zur Erzeugung der Analyse-, Trainings- und Testdaten folgende Subkorpora
aufgezeichnet: Veith-Test (140 Sätze und Wortgruppen), PhonDat - Lesetest (293 phonetisch ausgewogene
Sätze und zwei Textpassagen), Akzenttest (175 phonetisch reiche Sätze), Prosodietest (119
Sätze), Lesetext: H. Chr. Andersen, „Das Feuerzeug“ (ca. 1800 Dz.), Teststimuli zur Erzeugung spontaner
Äußerungen (freies Interpretieren idiomatischer Redewendungen) sowie ein Interview zur Lernbiografie
der Sprecherin. Zusätzlich wurden Referenzaufnahmen mit Muttersprachlern zur Entwicklung
der HMM-basierten Aligner-Technologie sowie für die Integration der Curriculardaten in die Lernanwendung
realisiert.
2. Annotierung der Sprachaufzeichnungen, automatisches Alignieren der Phonem- und Wortlabel
2.1 Inventare
Die applikative Ausrichtung des Projektes erfordert die Erzeugung akustisch-phonetischer Korpora, die
geeignet sind, interlinguale Effekte systematisch zu erfassen, die im Prozess der Aneignung einer
Fremdsprache mit hoher interpersoneller Konstanz auftreten. Unter dem speziellen Aspekt der Abbildung
systembedingter Interferenzen wurden zunächst Annotierungsstandards erarbeitet, die die Vergleichbarkeit
der Ergebnisse für die betrachteten Sprachenpaare (Source /L1/, Target /L2/) garantieren
sollen. Für jedes Sprachenpaar wurde ein gemischtes X-SAMPA – Inventar erstellt, das eine wechselseitige
Zuordnung der Phoneme auf der Basis kategorialer Merkmale ermöglicht. Bereits aus der Kontrastierung
der Phoneminventare sind Kandidaten für Segmentsubstitutionen erkennbar.
25

26
Forschungsbericht
Abbildung 3. 13: Auszug aus dem gemischten Lautinventar für das Sprachenpaar Tschechisch –
Deutsch. Die tschechischen silbischen Sonoranten /=l/, /=m/ und /=r/, das labio-dentale /F/ (Allophon
von /m/) und der palatale Nasal /J/ haben im Deutschen Inventar keine Entsprechungen.
2.2 Symbolische Repräsentation segmenteller Aussprachefehler
Ein Teil der regelmäßig auftretenden Abweichungen von der zielsprachlichen Aussprache-norm kann
in die Segmentebene (Phoneme, Allophone) projiziert werden. Es handelt sich dabei einerseits um
Substitutionen und Indels (Einfügungen oder Löschungen von Segmenten), andererseits um Verletzungen
der Distributions- und Verkettungsregeln über bestimmte Segmente, die in der Oberflächenform
als segmentelle Abweichungen auffallen. Für die Zwecke der Annotierung L1 – bedingter Abweichungen
von der Standardlautung wurde die von Bonaventura, Howarth und Menzerath (Bonaventura,
Howarth & Menzel: 2000 1 , 2000 2 ) vorgeschlagene Prozedur modifiziert. In einem ersten Schritt
wurden die Aufzeichnungen (Teilkorpora Veith-Sätze, Veith-Wortgruppen und Akzenttest) automatisch
segmentiert. Die Phonemlabel wurden entsprechend der für die Zielsprache vereinbarten kanonischen
Transkription mithilfe des vicAligners zugeordnet und anschließend in der Datenbank-
Entwicklungsumgebung WiGE manuell angepasst. In einem weiteren Schritt wurden die auffälligen
Segmente markiert. Dabei kommen folgende Fallentscheidungen in Betracht: (1) das auffällige Segment
entspricht einer Einheit des muttersprachlichen Inventars, (2) das auffällige Segment repräsentiert
einen Übergangszustand, ist aber einem zielsprachlichen Segment hinreichend ähnlich. Im ersten
Fall wird das entsprechende Phonemsymbol aus dem L1-Inventar verwendet. Im Fall der Übereinstimmung
der SAMPA-Symbole erhält das Label ein Suffix. Da zu beobachtende Interferenzen häufig
in einem breiten Spektrum variieren (wie z. B. die Ersetzungen der Frikative /x-C/, /h/ und der vorderen
labialen Vokale /y:/, Y/, /2:/, /9/ bei Sprechern mit russischem Akzent), musste eine pragmatische Lösung
gefunden werden. Alle auftretenden Varianten werden aufgrund des Höreindrucks entweder
einem muttersprachlichen oder einem zielsprachlichen Phonem zugeordnet.

Forschungsbericht
Neben den Substitutionen treten Einfügungen (z. B. /j/ nach hohen vorderen Vokalen) und Löschungen
von Segmenten sowie segmentübergreifende Fehler auf (Kontaktassimilation, Kontrahierung
benachbarter Segmente bzw. Vereinfachung von Konsonantenclustern, die i. d. R. L1-spezifischen
Mustern folgen).
Model Inventory for the notation of mispronunciation-hypotheses
• target language phonemes:
standard-notation as given in the target language model set (phoneme-set)
• source language phonemes:
notation as given in the source language model set (phoneme-set) but expanded by the suffix
„underscore one“ '_1'
e.g. 'r_1', 'd^z'_1'
• sample for the notation of mispronunciation-hypotheses
text: der Aal das All
transcription: d e 6 {a: l; a:-a l} d a s {a l; a-a_1 l-l_1; a-a: l; a l -@}
Abbildung 3. 14: Konventionen zur Fehlernotation (VoiceInterConnect, 07/28/2009)
Wenn ein Sprecher ein Segment eingefügt hat, z. B. wenn das Wort sehen als „sej*en“ ausgesprochen
wurde, ist die Transkription /z|e:-E:|-j| @-e_5|n/.
Wurde dagegen ein Phonem, das in der Standardtranskription enthalten ist, vom Sprecher nicht realisiert
(Elision), z. B. Kunstgewerbe als „Kuns*gewerbe“, wurde /k |u_5| n |s-z |–t |g |@-i_5|v|E|6-r_5|b|@/
annotiert.
Abbildung 3. 15: Fehlernotation in Wafesurfer-Labelspur (Sequenz „gewusst haben willst“, Index 5
entspricht L1 RU)
Ein Teil der Aufnahmen wurde im Praat-TextGrid-Format annotiert. Dabei erfolgte die Markierung der
abweichenden Segmente in einer Kopie der kanonischen Labelspur durch Einsetzen der L1spezifischen
Label.
27

28
Forschungsbericht
Abbildung 3. 16: Fehlernotation in Praat-TextGrid (Substitution von /N/ durch /N/ + /g/ in der Wortform
„klingelte“)
Die annotierten Korpora wurden einer kontrastiven Untersuchung unterzogen. Für jede Richtung innerhalb
eines Sprachenpaares wurden die im Laufe der Aneignung der Zielsprache regulär auftretenden
Fehlermuster in den Datenkorpora identifiziert, phonologisch beschrieben und klassifiziert.
Die Trainingsdaten für die Entwicklung akustischer Modelle wurden entsprechend den Spezifikationen
in Form kanonisch annotierter Aufnahmen im Format 16 kHz/ 44.1 kHz, 16 bit, PCM, little endian,
bereitgestellt.
3. Implementierung, Entwicklung der Feedback-Funktionen
Mit dem Erkennertraining wurden die Partner VoiceInterConnect GmbH und SPIIRAS (Institut für beauftragt.
Der HMM – basierte Phonemerkenner wurde an muttersprachlichen Daten trainiert. Das
Nutzerfeedback wird aus den Konfidenzmaßen des Aligners generiert. Der Aligner segementiert das
akustische Eingangssignal und labelt die Segmente in Übereinstimmung mit der erwarteten bzw. –
bei Vorliegen von Alternativen – der wahrscheinlichsten Phonemfolge. Das akustische Feedbacksystem
wertet sowohl den Output des Aligners als auch grundlegende Parameter des Eingangssignals
aus. Die Erzeugung des korrektiven Feedbacks in der Lernapplikation basiert neben dem automatisch
erzeugten akustischen Feedback auf phonetisch-phonologischem bzw. didaktischem Wissen. Das
Feedbacksystem ist in der Lage, Aussprachealternativen zu unterscheiden, die im Sprachmodell hinterlegt
sind. Für die innerhalb der einbezogenen Sprachenpaare (L1-L2) systematisch auftretenden
Aussprachefehler wurden akustische Modelle trainiert und Transkriptionen nach einem im Rahmen
des Projekts EURONOUNCE entwickelten Notationssystem codiert.
Weitere Feedback-Funktionen der im Projekt EURONOUNCE verwendeten Testplattform Azar3.0 sind
eine interaktive Formant-Target-Chart,
4. Datenbankeditor, Datenbank-Infrastruktur
Der von dem Partner REZO Computer Service entwickelte Datenbankeditor ermöglicht den Remote -
Zugriff auf Curriculardaten, Tutorials und visuelle Inhalte, insbesondere das Eingeben, Editieren und
Verwalten aller Inhaltskomponenten. Die Autoren der Inhaltskomponenten legen Navigationsstrukturen
an, ordnen den Themenbereichen Übungen zu und transferieren die Inhaltsdaten auf den Projektserver.
Im Datenbankeditor werden mithilfe eines Wörterbuchs die kanonischen SAMPA - Transkriptionen
ausgegeben und ggf. vom Autor editiert. Aus der Datenbank können Leselisten erstellt werden,

Forschungsbericht
die in der Entwicklungsumgebung WiGE (VoiceInterConnect) weiter verarbeitet werden. Dabei bleiben
die in der Datenbank angelegten Satznummern bzw. Indizes erhalten. Die in WiGE-rec erhaltenen
Referenzaufnahmen im wav-Format und die in WiGE-align automatisch erzeugten (und ggf. manuell
korrigierten) Labeldateien im Lab-Format werden zur Datenbank transferiert. Aus den Daten wird ein
codierter Datenstream generiert, der in die Lernanwendung eingelesen wird.
Abbildung 3. 17: Navigationsstruktur (1. und 2. Ebene) des Curriculums „Speech training L1 PL - L2
DE“ in der Editoransicht.
5. Contententwicklung, Curricula, Tutorials
Für jede Sprachversion wurde ein Beispielcurriculum bereitgestellt, das eine systematische Einführung
in das Lautsystem der Zielsprache, einen Übungsteil zu den Bereichen Lautsystem, Silben- und
Wortprosodie (Silbenstrukturen, prosodische Wortformen und Betonungsregeln), Sprechrhythmus
und Satzintonation beinhaltet. Ausgehend von den im Ergebnis der Analyse repräsentativer Teile der
Sprachkorpora ermittelten Interferenzen wurden spezifische Aufgaben für Lernende mit den Muttersprachen
Tschechsisch, Plnisch, Slowakisch und Russisch aufgenommen. Für die Zielsprache
Deutsch wurde zusätzlich ein kommunikativ orientiertes Curriculum mit dem Titel „Phonetik-Theater“
(Schenck Workshops) integriert. Zu dem gesamten Übungsmaterial sind in der Lernanwendung annotierte
Referenzaudios verfügbar. Annotiert wurde die vom Referenzsprecher benutzte realisationsphonetische
Variante. In der Lernanwendung stehen den potenziellen Anwendern – Lehrern und Lernenden
– zusätzliche reich illustrierte Materialien zu einer breiten Auswahl phonetischer Themen sowie
zur Interpretation der im Übungsteil verwendeten Darstellungen des akustischen Sprachsignals
zur Verfügung.
29

30
Forschungsbericht
Abbildung 3. 18: Lernanwendung Azar3, Template für Kontrastpaarübungen
3.4.3 Prosodic impairment in dysarthria associated with Parkinson’s
disease: Analysis-by-synthesis
Project Background
This project, sponsored by Alexander von Humboldt Foundation, aims at (i) providing a cross-linguistic
comparison of prosodic impairments in German and Cantonese dysarthric speakers associated with
Parkinson’s Disease and (ii) developing an alternative approach in the perceptual evaluation of prosodic
impairment (see annual report 2008). Dysarthria, a motor speech disorders due to damage in
the central or peripheral nervous system, is characterized by deficits in prosody, articulation, resonance,
phonation and respiration. At least 89% of individuals with Parkinson’s disease have dysarthria
(Logemann, 1978). Prosodic impairment is one of the most common characteristics in
speakers with hypokinetic dysarthria associated with Parkinson’s disease. Impairment in prosody
may result in severely reduced speech intelligibility and communication efficiency, and may result in
listeners’ negative personality association with the speaker. An accurate description of the nature of
prosodic impairment is imperative for the implementation of an efficient speech treatment regime.
Project Partner and Progress
This project involved collaboration with a self-help organization in Hong Kong, Hong Kong Parkinson’s
Disease Foundation, for the recruitment of Cantonese subjects, and Department of Neurology, University
Hospital Carl Gustav Carus of TU Dresden for recruitment of German subjects.
We have collected speech data from about 30-40 speakers in each language. Perceptual evaluation
was conducted on these speech materials by native experts (experienced speech and language

Forschungsbericht
therapists) and the severity of speech and prosodic impairments was evaluated. The speech samples
collected represented speakers of different severity in both languages. Acoustic analyses are being
currently conducted to compare the similarities and differences across languages.
Expected Outcomes
1. Characterization of the prosodic features in dysarthria associated with Parkinson’s disease in
German and Cantonese speakers.
2. Development of an alternative approach in assessing the prosodic impairment in dysarthria associated
with Parkinson’s disease, which (a) allows different prosodic dimensions to be systematically
manipulated simultaneously, and (b) improves the reliability of the measures by allowing direct
comparison between the target signal and the synthesized signal.
3. Development of a synthesis tool for modeling the prosodic features of dysarthria associated with
Parkinson’s disease.
Practical Implications
1. There is a general lack of understanding on overall prosodic impairment. This study will contribute
to the knowledge of how different prosodic features interact and their relations to overall perception.
2. The cross-linguistic comparison of the prosodic impairment enables further understanding to the
nature of dysarthria, as the observed prosodic impairment as a result of the manifestation of the
neurological impairment may be accentuated by the linguistic characteristics of a language.
3. The alternative approach of prosodic assessment can have clinical applications, as speech therapists
require reliable measurement for identifying the treatment targets and documentation of
treatment progress.
4. The tool for synthesizing prosodic features can be used as a training tool for speech therapy students
in the perception of pathological speech, as speech samples of different degrees prosodic
impairment can be synthesized with the tool developed.
3.4.4 AvatR – Audio visual assistant turns Real
Im Rahmen des Förderprogrammes „Existenzgründungen aus der Wissenschaft” wurde von Absolventen
der HTW und der TU Dresden ein Gründerstipendium eingeworben, das 2008/09 zur Förderung
des in der Überschrift genannten Projektes diente. Die Projektziele sind im Jahresbericht 2008
ausführlich beschrieben worden. Darüber hinaus erfolgte zur ESSV 2009 in einem Beitrag eine ausführliche
Vorstellung der Ergebnisse.
Die Ergebnisse des Berichtsjahres werden durch die Gründer wie folgt zusammengefasst:
In 2009 stand die Entwicklung der Software „AvatR“ im Zentrum des Projektes. Es konnte ein weit
reichendes Netzwerk in Wirtschaft und Wissenschaft aufgebaut werden. Diese Entwicklungen sollen
den Grundstein für die im Jahr 2010 gesteckten Ziele sein. Die Veröffentlichung der Software Kaimbo
als Proof of Concept und die geplanten Ausweitungen im B2B-Geschäft haben oberste Priorität für die
AvatR GbR. Technologisch steht die Weiterentwicklung der Software Kaimbo sowie die Entwicklung
eines, dem Thema „Crowd-Sourcing“ angelehnten, Hilfesystems im Fokus des Unternehmens. Desweiteren
wird die Web-Sprachsynthese Teil des Produktportfolios bleiben.
Zum aktuellen Stand der Entwicklung des Unternehmens wird auf die Webseite http://www.avatr.net/
verwiesen, der auch die Abbildung 3. 19 entnommen ist.
31

32
Forschungsbericht
Abbildung 3. 19: Funktionskonzept von AvatR
3.4.5 Lingubär – Lehrmittel zur Förderung der kindlichen
Sprachkompetenz
Im Rahmen des Förderprogramms „Existenzgründungen aus der Wissenschaft“ wurde die Förderung
des Projektes „Lingubär“ beantragt und bewilligt. Das Ziel ist die Entwicklung eines Lehrmittels zur
Förderung der kindlichen Sprachkompetenz. Für das Kind erscheint das Lehrmittel in der kindgerechten
Form eines Plüschtieres oder einer Puppe. Der Lingubär besitzt eine verborgene Elektronik mit
einem embedded Prozessor, der die notwendigen Signalverarbeitungsaufgaben abarbeitet. Als solche
sind die beiden Hauptkomponenten, die Spracheingabe und Sprachausgabe, zu nennen, die einen
Dialog mit dem Kind herstellen.
Um die Idee umzusetzen wird derzeit auf verschiedenen Wissenschaftsgebieten gearbeitet. Diese
sind insbesondere:
Spracherkennung: Für Spracheingabe ist es nötig, einen Spracherkenner zu implementieren. Neben
den bekannten Problemen in der Spracherkennung kommen bei der Lingubär-Anwendung noch besondere
Herausforderungen hinzu. Dies sind zum einen die Erkennung von Kindersprache, bei der
verstärkt mit nicht kooperativen Sprechern zu rechnen ist. Weiterhin unterscheidet sich die Erkennung
von Kindersprache dadurch, dass die Artikulatoren, die die Merkmale der Sprache formen, noch
im Wachstum begriffen und dadurch deutlich kleiner als bei Erwachsenen sind. Die entstehenden
Merkmale für die Spracherkennung unterscheiden sich damit von Merkmalen von Erwachsenensprache,
was darin resultiert, dass ein Spracherkenner mit Kindersprache zu trainieren ist. Jedoch existieren
dafür kaum entsprechende Datenbasen. Es wird derzeit nach Möglichkeiten gesucht, um dieses
Problem zu lösen. Eine weitere Herausforderung stellt die Robustheit gegen Störeinflüsse wie Umgebungsgeräusche
und Raumhall dar. In der Anwendung des Lingubären ist mit einem ungünstigen
Sprecher-Mikrofon-Abstand sowie verschiedenen instationären Störern, wie weiteren spielenden
Kindern etc., zu rechnen. Die dritte Herausforderung besteht darin, die Spracherkennung auf einer
embedded Plattform unterzubringen, was erfahrungsgemäß ein längerfristige ingenieurtechnische
Aufgabe darstellt.
Sprachausgabe: Die Sprachausgabe kann relativ einfach in Form von abspielbaren Audioaufnahmen
realisiert werden. Jedoch ist in Anbetracht von geringen Speicherressourcen auf der Zielplattform
eventuell über ein anderes Verfahren nachzudenken. Es stehen hierfür eine Wortsynthese oder Vollsynthese
zur Disposition. Um die Stimme der Srachausgabe an die Anwendung bzw. an die Bedürfnisse
des Kindes anpassen zu können, wird ein Verfahren zur Voice Conversion implementiert.

Forschungsbericht
Pädagogik: Eine besondere Herausforderung stellt die Mensch-Maschine-Schnittstelle bei der Lingubär-Anwendung
dar. Hier wird in Kooperation mit Erziehungswissenschaftlern eine Konzeption entwickelt,
die sprachliche Lehrinhalte in kindgerechter Form aufbereiten und im Lingubär umsetzen soll.
Dabei entsteht ein Dialogmodul. Das Design des Dialogs unterscheidet sich dabei von Geräten für
Erwachsene, da wieder auf die Spezifik von kindlichen Verhaltensweisen eingegangen werden muss.
Weiterhin muss die äußere Form der Puppe kindgerecht gestaltet sein (Kindchenschema), um zu
gewährleisten, dass sie das Kind als Gesprächspartner akzeptiert.
3.4.6 CALL-Kooperation mit der Beuth Hochschule für Technik, Berlin
(Arbeitsgruppe von Prof. Hansjörg Mixdorff)
Ähnlich zu den Dresdner Projekten, laufen an der Beuth Hochschule seit etwa zwei Jahren Forschungsarbeiten
zur Verwendung von Sprachtechnologie beim Aussprachentraining. Im Gegensatz
zum Fokus auf die spezifischen Gegebenheiten beim Deutschunterricht slawischer Muttersprachler in
Dresden, werden in Berlin chinesische bzw. taiwanesische Muttersprachler sowie deutsche Sprachschüler
beim Mandarin-Unterricht untersucht und verschiedene Technologien evaluiert.
Im Dresdner EURONOUNCE-Projekt wurden u. a. slawische und deutsche Referenz-Sprachdaten
gesammelt und der Softwareprototyp AzAR 2.0 mit der zugrunde liegenden Spracherkennungstechnik
entwickelt. Außerdem laufen in Berlin Vorbereitungen für eine Projekterweiterung in Richtung japanischer
Muttersprachler und für eine stärkere prosodische Gewichtung sprachübergreifender CALL-
Studien (computer-aided language learning).
Um das gemeinsame Know-how beider Institutionen zu bündeln, wurde eine entsprechende Kooperation
vereinbart. Dazu gehören u. a. der Austausch von Software und Sprachdaten, die gemeinsame
Analyse nach phonologisch-prosodischen Kriterien sowie ein teilweise gemeinsamer Auftritt bei externen
Partnern, Anwendern oder Fördermittelgebern.
An der Zusammenarbeit waren mehrere Mitarbeiter bzw. Doktoranden des Dresdner Instituts beteiligt:
Hussein Hussein, Oliver Jokisch, Hongwei Ding und Rainer Jäckel.
Abbildung 3.20: Projektmeeting mit der Arbeitsgruppe von Prof. Li Aijun , CASS Beijing, 25.09.2009
Herr Jokisch unternahm zwei Forschungsreisen nach China und Japan. Anlässlich dieser Aufenthalte
hielt er Vorträge zur CALL-Thematik an folgenden Einrichtungen: Chinese Academy of Social Sciences
(Beijing), Tongji-Universität (Shanghai), University of Science and Technology of China (Hefei), University
of Tokyo, Kobe University und Advanced Institute of Science and Technology (Kanazawa). Dabei
wurden auch die Verfügbarkeit von Sprachdatenressourcen und Sprechern bzw. die Laborbedingungen
vor Ort analysiert.
33

34
Forschungsbericht
3.4.7 Multimediale Vorlesungsergänzung zur Systemtheorie und
Signalverarbeitung
Aus dem Multimediafonds der TU Dresden wurde im Jahre 2009 das Projekt ”Multimediale Vorlesungsergänzung
zur Systemtheorie und Signalverarbeitung“ gefördert.
Im Mittelpunkt dieses Projektes stand die Erstellung von Lernmodulen zu den Vorlesungen Systemtheorie
I, II und III und Signalverarbeitung und deren Integration auf der Lernplattform OPAL des Bildungsportals
Sachsen sowie die Entwicklung von interaktiven Demonstratoren als Vorlesungsergänzung
zum Selbststudium.
Abbildung 3. 21: HTML-Seite zum Vorlesungsskript Systemtheorie III
Die Erstellung der Vorlesungsskripte wurde von der leitenden Idee getragen, für die verschiedenen
Präsentationsmöglichkeiten der Vorlesungen nur eine einzige Datenbasis zu nutzen und pflegen zu
müssen. Bei den Präsentationen der Vorlesung handelt es sich um das vom Vorlesenden genutzte
Vorlesungsskript, Folien zur Vorlesung sowie die HTML-Seiten auf der Lernplattform.
Das Konzept, für diese einheitliche Datenbasis das Satzsystem LaTeX zu nutzen, hat sich sehr bewährt.
Problematisch dabei ist lediglich die mehrfache Nutzung von Abbildungen, strukturierten Texten
und mathematischen Formeln in den verschiedenen Präsentationen. Hierbei wurde die jeweilige
Anpassung mittels Compiler-Direktiven direkt in den LaTeX-Quellen vorgenommen.
Nach einer initialen Überarbeitung der Rohfassungen der Vorlesungsskripte Systemtheorie I, II und III
in den Zeiträumen Dezember 2008 bis Februar 2009, begannen die Arbeiten zu einer automatischen
Erstellung der HTML-Seiten aus den LaTeX-Quellen. Hierbei konnte auf Erfahrung mit den Werkzeug
make, pdflatex und latex2html zurückgegriffen werden. Zur gemeinsamen Bearbeitung der Quellen
wird Subversion (svn) als Versionsverwaltungssystem genutzt. Eine weitere Überarbeitung der Vorlesungsskripte
erfolgte parallel zur Erstellung der HTML-Seiten bis zum Projektende im Dezember
2009.

Forschungsbericht
Bei der Erstellung der HTML-Seiten ergaben sich im Vergleich zu einem gedruckten Vorlesungsskript
einige Besonderheiten. Diese betreffen besonders die Erzeugung von Tabellen, die Umsetzung von
einigen Formelzeichen und die Wahl der Gliederungstiefe. Beim letzteren gilt es, stets die Balance
zwischen Überblick und Länge der Informationen auf einer HTML-Seite zu wahren und mittels Unterinhaltsverzeichnissen
Übersichtlichkeit einzuführen.
In Ergänzung zu den Vorlesungen Systemtheorie II und Signalverarbeitung wurden zwei interaktive
Demonstratoren geschaffen und in die entsprechenden Lernmodule der Lernplattform OPAL eingebunden.
Es wurde ein Java-Applet ”Lineares zeitinvariantes System“ erstellt, das die Funktionsweise
eines kanonischen linearen zeitinvarianten Systems (Digitalfilter) anhand von wählbaren Eingangssignalen
und Systemparametern demonstriert. Die Ausgangssignale dieses Systems können grafisch
angezeigt und akustisch wiedergegeben werden.
Abbildung 3. 22: Demonstrator: "Lineares zeitinvariantes System -- LTIS"
Das Ziel des zweiten Demonstrators ”SignalANalyse und -SYnthese – SANSY“ ist es, die verschiedenen
Analyse-, Transformations- und Synthesealgorithmen der Sprachverarbeitung zu testen und den
Einfluss der Variation der Parameter auf die jeweiligen Merkmale anhand des synthetisierten Sprachsignals
hörbar zu machen.
Abbildung 3. 23: Demonstrator: "SignalANalyse und -SYnthese -- SANSY"
35

3.5 Verarbeitung von Musiksignalen
36
Forschungsbericht
In Kooperation mit der mufin GmbH wurde das Projekt "`Untersuchung des Einsatzes von Verfahren
zur Analyse zeitlicher Verläufe bei der Extraktion perzeptueller musikalischer Attribute"' ins Leben
gerufen.
3.5.1 Einordnung des Forschungsprojektes
Die Verbreitung von Musik wurde durch das Internet und den mp3-Standard revolutioniert. Jeder Musiker
und Künstler bekommt die Möglichkeit seine Kunst selbst anzubieten, was zu einem nahezu
unüberschaubaren Angebot an Musik führt. Neue Technologien wie die Navigation durch Musiksammlungen,
deren Visualisierung, Annotation, Musikempfehlungssysteme, semantische Suche und
das Bilden von Kaufempfehlungen sind nötig. In diesem spannenden Umfeld bewegt sich das vorliegende
Forschungsprojekt der Klassifikation musikalischer Aspekte.
Menschen beschreiben Musik mit einfachen, signalfernen, bedeutungsvollen Aspekten. Deren automatische
Gewinnung aus dem Musiksignal bildet die Grundlage für eine Annotation von Musiktiteln
und dient damit allen oben genannten Aufgabenfeldern. Gegenstand der Untersuchungen sind unter
anderem Aspekte wie Genre, Klangfarbe, Tempo, Rhythmus und Songstrukturen. Aus Sicht der Mustererkennung
werden Merkmalvektoren, hinter denen sich Ausprägungen eines Aspektes verbergen,
beobachtet. Da Musiksignale Informationen in ihrer zeitlichen Struktur tragen, wird insbesondere der
zeitliche Verlauf von Musik mittels Segmentierung in die Untersuchung einbezogen.
Abbildung 3.24: Visualisierung zur Einordnung des Forschungsprojekts.

3.5.2 Durchführung
Forschungsbericht
Zu Beginn standen grundsätzliche Betrachtungen bezüglich der Eignung von Verfahren der Mustererkennung
für die Ermittlung musikalischer Aspekte [3]. Abschnitt 3.5.3 enthält weitere Ausführungen
zu den Ergebnissen. Aufbauend auf dieser Studie wurde in der nächsten Phase der Aspekt Genre
näher untersucht [1]. Dabei wurde die vorliegende Methodik der Firma mufin in einen internationalen
Kontext gesetzt, sowie verschiedene Schritte der Aspektgewinnung näher beleuchtet und verbessert.
Die weiterführenden Schritte werden sich mit dem Rhythmus in Musik auseinandersetzen. Fokus
wird dort zunächst die Erkennung von Tanzmusik auf der Grundlage von Rhythmus sein.
3.5.3 Vergleich statistischer Klassifikatoren zur Ermittlung
musikalischer Aspekte
Die am Anfang des Projektes stehende Studie untersuchte die sechs Aspekte Instrument Density,
Music Color, Percussiveness, Tempo, Sing Detect und Style. Ausgangspunkt für die Gewinnung dieser
Aspekte war ein Pool von Musiksignalen mit der dazugehörigen Beschriftung der Aspektausprägungen.
Anschließend wurden Merkmale aus dem Signal extrahiert und eine sekundäre Merkmalanalyse
durchgeführt. Die Unterscheidungsfunktion ordnet jedem Merkmalvektor eine Aspektausprägung
zu auf deren Grundlage die Entscheidungsfunktion eine Ausprägung für den gesamten Song bildet.
Die Aspektgewinnung ist in Abbildung 3.25 dargestellt.
Abbildung 3.25: Übersichtsdarstellung der Aspektgewinnung - Gegenstand der Untersuchungen war
der grau hinterlegte Klassifikator
Als Klassifikatoren wurden Gaussian-Mixture-Models und Hidden-Markov-Modelle verwendet. Letzte
hatten zunächst eine feste Links-Rechts-Struktur, wo 3 bzw. 10 Zustände als vorgebene Struktur
dienten. Das führte dazu, dass im Testmaterial mindestens 3 bzw. 10 aufeinanderfolgende Merkmalvektoren
einer Klasse zugeordnet wurden. Im letzten Experiment, dem Topologietraining, erhielten
die Hidden-Markov-Modell vollkommene Freiheit, die zeitliche Struktur einer Aspektausprägung über
den ganzen Song abzubilden. Besonders der zuletzt genannte Ansatz ist bemerkenswert, ermöglicht
er doch komplexere zeitliche Verläufe einer Aspektausprägung wiederzugeben (Abbildung 3.26).
Es hat sich kein Klassifikationsansatz für alle sechs Aspekte als alleiniger Gewinner durchgesetzt.
Betrachtet man die verschiedenen Aspekte, so bewegen sich die jeweils besten Erkennungsraten
zwischen 62,4±3,4 für den Tempoaspekt und 95,8±2,2 für Percussiveness. Das automatische Topologietraining
setzte sich nicht für alle Aspekte mit der besten Erkennungsrate durch, konnte aber in
den meisten Fällen die Anzahl der Modellparameter stark reduzieren. Es bleibt festzuhalten, dass die
Mustererkennung in Musikstücken mittels der hier verwendeten Markov-Modelle prinzipiell möglich
ist.
37

38
Forschungsbericht
Abbildung 3.26: Darstellung des HMM nach dem Topologietraining für den Aspekt Instrument Density.
Die Kanten sind mit Eingabesymbol (Nummer der Normalverteilung), Ausgabesymbol und Übergangswahrscheinlichkeit
beschriftet.
Literatur: [2]
Literatur
[1] Huebler, S.: Untersuchung des Einsatzes von Verfahren zur Analyse zeitlicher Verläufe
bei der Extraktion perzeptueller musikalischer Attribute. Zwischenbericht 1, mufin GmbH,
Okt 2009. Untersuchung des Genreaspektes der Firma mufin mit Literaturstudium, internationalem
Vergleich und Experimenten bezüglich sekundärere Merkmalanalyse, SVM und Entscheidungsfunktion.
[2] Huebler, S., M. Wolff und M. Eichner: Vergleich statistischer Klassifikatoren zur
Ermittlung musikalischer Aspekte. In: Hoffmann, R. (Hrsg.): Elektronische Sprachsignalverarbeitung.
Tagungsband der 20. Konferenz, Dresden, 21. - 23. 9., Bd. 53 d. Reihe Studientexte zur Sprachkommunikation,
S. 338–345, Sep 2009.
[3] Wolff, M., S. Huebler und S. Wittenberg: Untersuchung des Einsatzes von Verfahren
zur Analyse zeitlicher Verläufe bei der Extraktion perzeptuelle musikalischer Attribute.
Forschungsbericht, mufin GmbH, Sep 2009.

Forschungsbericht
3.6 Forschungsaktivitäten der Honorarprofessur Elektroakustik
In der Verbindung von klassischer Elektroakustik und moderner Signalverarbeitung ergeben sich viele
interessante Forschungsaufgaben, deren Bearbeitung und Lösung für die Entwicklung von moderner
Audiotechnik notwendig ist. Ein erster Schwerpunkt ist die verbesserte Modellierung von Lautsprechern
und anderen Wandlern im Klein- und Großsignalbereich sowie die Bestimmung der entsprechenden
freien Modellparameter mit Hilfe der Systemidentifikation. Die optimale Schätzung der effektiv
abstrahlenden Fläche Sd mit Hilfe von Laserscanndaten wurde in einer Diplomarbeit bearbeitet und
eine interessante Lösung entwickelt. Ein weiterer Schwerpunkt ist die schnelle Erkennung und Lokalisierung
von irregulären Lautsprecherdefekten, wie zum Beispiel eine reibende Schwingspule,
Fremdkörper, schwingende Teile und Lecks in Lautsprechergehäusen. In einer Diplomarbeit wurde
ein Demodulationsverfahren entwickelt, das aus der Hüllkurve des Messsignals eindeutige Merkmale
für modulierte turbulente Strömungsgeräusche gewinnt. Dieses Verfahren soll auch auf mehrere Mikrofone
erweitert und zur Lokalisierung der Leckstelle verwendet werden. Weitere Analyseverfahren
werden für zufällige und deterministische Verzerrungen von anderen Lautsprecherdefekten entwickelt.
Das Ziel dieser Forschung ist die Entwicklung eines Expertensystems, das mit Hilfe der Fuzzylogik
diese Merkmale verknüpft und die wahrscheinlichste Fehlerursache erkennt.
3.7 Historische Aktivitäten
3.7.1 Bestandserschließung
Auch im Jahr 2009 wurde an der Erschließung der Bestände der historischen akustisch-phonetischen
Sammlung (HAPS) weiter gearbeitet. Die sehr aufwendigen Arbeiten zur Beschreibung und fotografischen
Dokumentation der durch die 2005 übernommenen historischen Gerätesammlung des Phonetischen
Instituts der Universität Hamburg konnten im Wesentlichen abgeschlossen werden. Damit
steht das Material für eine Erweiterung der bestehenden Internetseite bereit, die bei Verfügbarkeit
der Bearbeitungskapazität erfolgen wird. Den Herren Prof. Dr. Dieter Mehnert und Dr. Rolf Dietzel ist
wieder für ihren unermüdlichen Einsatz zu danken. Nach Fertigstellung der Fotodokumentation konzentrieren
sich jetzt die Arbeiten auf die Vorbereitung eines gedruckten Kataloges.
Für die formale Inventarisierung nach den Vorschriften der Kustodie der TU Dresden konnte 2008 ein
Mitarbeiter auf ABM-Basis für ein Jahr eingestellt werden. Erfreulicherweise ließ sich diese Unterstützungsmaßnahme
im Berichtsjahr noch einmal verlängern, so dass die Erarbeitung der Datenbank
weitergeführt werden konnte.
3.7.2 Öffentlichkeitsarbeit
Auch 2009 wurden große Anstrengungen unternommen, die HAPS und unsere historischen Arbeiten
der interessierten Öffentlichkeit durch Führungen, Vorträge und Publikationen vorzustellen, wie die
folgende Liste zeigt:
• Mehrfach Führung von kleineren Besuchergruppen
• 20. / 21. 3. 2009 Arbeitstreffen am Phonetischen Institut der Universität Amsterdam zur Geschichte
der Sprachsynthese unter Beteiligung von Prof. Tjeerd de Graaf (Leeuwarden)
• 24. 3. 2009: Beteiligung an der strukturierten Sitzung „History of Acoustics“ der NAG / DAGA
2009 (Organisation der Sitzung: R. Hoffmann und R. M. Aarts) mit einem Beitrag über Resonatoren
nach Schäfer
• 19. 6. 2009: Lange Nacht der Wissenschaften Dresden. Besichtigung der Sammlungsräume; Vortrag
"Forschen wie Professor Higgins'"
• 16. 7. 2009: Vortrag über Wolfgang von Kempelen als Erfinder für die Arbeitsgruppe Geschichte
der Otologie / Literarischer Arbeitskreis Borkum
39

40
Forschungsbericht
• 13. 9. 2009: 80. Geburtstag von Prof. Dr. Wolf (Frankfurt), Beteiligung an der Festschrift mit je
einem Beitrag über Valentin Merbitz und über die Auswertung von Phonographenwalzen mit dem
Boekeschen Gestell
• 11. 11. 2009: Führung für die Elektroakustik-Absolventen des Jahres 1969 der Fakultät Elektrotechnik
• 23. / 24. 9. 2009: Durchführung des Traditionstages als Ergänzung der 20. Konferenz "Elektronische
Sprachsignalverarbeitung", Dresden. Beteiligung mit mehreren historischen Beiträgen (siehe
den Abschnitt „Konferenzen“ in diesem Jahresbericht)
• 23. 9. 2009: Eröffnung der Sonderausstellung „SprachSignale“ in den Technischen Sammlungen
Dresden mit Beständen der HAPS; Veröffentlichung eines Flyers und eines Ausstellungsführers
(siehe Abbildung 3. 27 und Abbildung 3. 28). Die Ausstellung war bis zum 10. Januar 2010 geplant
und wurde wegen der guten Resonanz bis zum 21. März 2010 verlängert.
• 8. 11. 2009 und 6. 12. 2009: Öffentliche Vorträge in den Technischen Sammlungen Dresden als
Begleitprogramm der Ausstellung „SprachSignale“
• 17. 11. 2009: Vortrag über die HAPS im Rahmen der Ringvorlesung (Studium generale) der Fakultät
ET / IT
Abbildung 3. 27: Ausstellung SprachSignale in den Technischen Sammlungen Dresden.

Forschungsbericht
Abbildung 3. 28: Erste Führung durch die Ausstellung durch Prof. Dr. D. Mehnert.
3.7.3 Projekte zu historischen phonetischen Geräten
Übertragungsverhalten Mareyscher Kapseln
Im Jahresbericht 2008 wurde dieses Projekt, das anteilig durch die DEGA gefördert wurde, bereits
vorgestellt. Aufgrund ihrer großen Bedeutung für die historische phonetische Messtechnik ist es von
großem Interesse, das Übertragungsverhalten der verschiedenen Formen der Mareyschen Kapseln
beurteilen zu können. In den Teilen des Projektes, über die bereits berichtet wurde, erfolgte die Vermessung
der verbreiteten Standardform mit einem Laservibrometer vorgenommen.
Im Berichtsjahr wurden die Untersuchungen ausgeweitet. Zunächst war zu berücksichtigen, dass eine
Vielzahl von Sonderformen existiert, deren Verwendung und deren Übertragungsverhalten aufzuklären
sind. Dazu erfolgte im Berichtsjahr eine zweite Messkampagne mit freundlicher Unterstützung durch
die Professur für Maschinendynamik und Schwingungslehre, deren Laservibrometer genutz werden
konnte.
Weiterhin wurde der Frage nach dem Ursprung der Mareyschen Kapseln nachgegangen. Vereinfacht
dargestellt, ergibt sich die folgende Entwicklungslinie: Im Umfeld des Begründers des experimentellen
Medizin, Claude Bernard (1813 – 1878), entstand die Forderung nach Aufzeichnungsmöglichkeiten
für physiologische Vorgänge. Étienne-Jules Marey (1830 - 1904) entwickelte um 1860 ein erstes Gerät
zur Aufzeichnung des Pulses (Sphygmograph) und verschiedene andere Aufzeichnungsgeräte, an
denen sich Frühformen der Wandlerkapseln nachweisen lassen (Abbildung 3. 29). Die Anwendung in
der Phonetik ist dem Vater der Experimentalphonetik, Abbé Jean Rousselot (1846 – 1924), zu verdanken.
Einer seiner Doktoranden war Giulio Panconcelli-Calzia, der das Phonetische Laboratorium in
Hamburg aufgebaut hat, dessen historische Geräte sich jetzt in Dresden befinden und der die experimentalphonetische
Entwicklung in Deutschland wesentlich geprägt hat.
41

42
Forschungsbericht
Abbildung 3. 29: Pulsaufnehmer mit
Arm-Manschette. Beaune, Musée
E.-J. Marey. Foto: R. Dietzel.
Um diese Entwicklungslinie besser dokumentieren zu können, wurden Kontakte zu französischen
wissenschaftsgeschichtlichen Einrichtungen aufgenommen. Als ergiebig erwiesen sich die städtischen
Museen in Beaune, der Geburtsstadt Mareys. Dort existiert ein sehr gut gepflegtes Musée
Marey, das leider nicht mehr öffentlich zugänglich ist, aber dank der freundlichen Unterstützung durch
die zuständige Kustodin, Frau Marion Leuba, am 7. 10. 2009 besucht werden konnte. Erwähnenswert
sind auch die Bestände des Musée Claude Bernard in Saint Julien en Beaujolais im Sinne einer Ergänzung
der Bestände in Beaune. Es ist beabsichtigt, die Kontakte weiterzuführen und über die bisherigen
Ergebnisse zur historischen Sitzung der DAGA 2010 zu berichten.
Übertragungsverhalten mechanischer Resonatoren
Betrachtet man die historische phonetische Messtechnik, ist ein weiteres wichtiges Teilgebiet die
Messung von Frequenzen bzw. Tonhöhen mit Hilfe von mechanischen Resonatoren. Insofern ist es
auch für diese Gerätegruppe interessant, die Übertragungsfunktionen zu messen und insbesondere
festzustellen, wie genau die erzielten Messergebnisse sind. Deshalb wurden im Berichtsjahr zwei
Messkampagnen im großen reflexionsarmen Raum des Instituts für Akustik und Sprachkommunikation
durchgeführt.
Abbildung 3. 30: Serie von Rohrresonatoren
nach Schaefer.
Aus dem Bestand der HAPS. Foto:
R. Dietzel.

Forschungsbericht
Die erste Serie von Messungen betraf die in Abbildung 3. 30 dargestellten Rohrresonatoren; über die
Ergebnisse wurde zur NAG/DAGA in Rotterdam berichtet. Die zweite Serie bezog sich auf die historischen
Helmholtz-Resonatoren; ihre Ergebnisse flossen in einen Beitrag zum Dresdener Traditionstag
ein.
3.7.4 Geschichte der mechanischen Sprachsynthese
Angeregt durch die eigentümlichen Stimm-Mechaniken aus der HAPS, deren Abbildung im Berichtsjahr
alle gedruckten Dokumente der Ausstellung SprachSignale zierte, bemühen wir uns seit längerer
Zeit um eine Vertiefung der Kenntnisse über die Geschichte der mechanischen Sprachsynthese. Im
Berichtsjahr wurden intensive Recherchen zu Johann Valentin Merbitz (1650 – 1704) durchgeführt.
Der Hintergrund ist, dass Merbitz, der an der Dresdener Kreuzschule als Konrektor wirkte, die Erfindung
eines sprechenden Kopfes zugeschrieben wird. Wir haben diese Geschichte in unserem Jahresbericht
von 2007 als „Letzte Seite“ schon einmal als Kuriosität beschrieben. Nun bestand die Aufgabe,
der Überlieferung ernsthaft nachzugehen.
Die Recherche war insofern aufwendig, als es praktisch keine Vorarbeiten z. B. in Form einer Biografie
gibt. Im Ergebnis liegt inzwischen eine vermutlich fast lückenlose Dokumentation allen Materials
vor, das jemals über oder von Merbitz gedruckt worden ist. Eine Zusammenfassung wurde als Beitrag
in Band 52 unserer Studientexte gedruckt und zusätzlich in Kurzform zum Traditionstag präsentiert.
Aus der Sicht der Geschichte der Sprachsynthese ist die wichtigste Aussage, dass es über den angeblichen
sprechenden Kopf nur eine einzige Quelle (eine Leipziger Disputation aus dem Jahre 1705)
gibt, die sich lediglich auf glaubwürdige Zeugen beruft. Die Frage, ob es den Kopf in irgendeiner Form
wirklich gegeben hat, bleibt damit in der Schwebe.
Klar ist, dass die gründliche Literaturrecherche nur ein erster Schritt gewesen sein kann. Soweit es
realisierbar ist, sollen sich Archivstudien anschließen.
43

44
Drittmittelprojekte und haushaltfinanzierte Forschung
4 Drittmittelprojekte und haushaltfinanzierte Forschung
4.1 Drittmittelprojekte
Verarbeitung von Mikrofonsignalen
2006 - 2010
Microtech Gefell GmbH
Projektleiter: Prof. Hoffmann
Bearbeiter: Dipl.-Ing. Richter
Intelligent Language Tutoring System with Multimodal Feedback Functions
2007 - 2009
EU im Rahmen des Lifelong-Learning-Programms
Projektleiter: Prof. Hoffmann
Bearbeiter: Dipl.-Slaw. Jäckel, Dipl.-Ing. Jokisch
Sprachsteuerung für Mess- und Prüfgeräte
2008 – 2010
BMBF
Projektleiter: Prof. Hoffmann
Bearbeiter: Dipl.-Ing. Duckhorn, Dipl.-Ing. Strecha
Akustische Auslegung, mobiles und akustisches Frontend
2008 – 2010
AiF
Kooperation mit der Professur für Technische Informationssysteme (Prof. Kabitzsch)
Projektleiter: Prof. Kabitzsch
Bearbeiter: Dipl.-Ing. Fehér
EXIST-Gründerstipendium: Virtueller Assistent – AvatR
2008 – 2009
BMBF
Projektleiter: Prof. Hoffmann
EXIST-Gründerstipendium: LinguBär
2009 – 2010
BMBF
Projektleiter: Prof. Hoffmann
Untersuchung des Einsatzes von Verfahren zu Analyse zeitlicher Abläufe bei der Extraktion
perzeptueller musikalischer Attribute
2009 – 2012
mufin GmbH
Projektleiter: Prof. Hoffmann
Bearbeiter: Dipl.-Ing. Hübler
Industrielle Anwendungen der technischen Sprachkommunikation
2009
GWT-TUD GmbH (Transfereinrichtung der TU Dresden)
Servicebereich „Signalverarbeitung und Mustererkennung“
Projektleiter: Prof. Hoffmann, PD Dr. Kordon, Dipl.-Ing. Jokisch

Drittmittelprojekte und haushaltfinanzierte Forschung
4.2 Haushaltfinanzierte Forschung
Dresdner Sprachsynthesesystem DRESS/microDRESS/
Mitwirkung im European Center of Excellence in Speech Synthesis (ECESS)
2009
Dipl.-Ing. O. Jokisch, Dr. H. Ding, MSc. H. Gamboa Rosales, Dipl.-Ing. H. Hussein, PD Dr. U. Kordon,
Dipl.-Ing. G. Strecha u.a.
Unified Approach for Speech Synthesis and Recognition (UASR)
2009
Dr.-Ing. M. Wolff, Dipl.-Ing. F. Duckhorn, Dr.-Ing. M. Eichner, PD Dr. U. Kordon, Dipl.-Ing. G. Strecha,
Dipl.-Inf. C. Tschöpe, Dipl.-Ing. S. Wittenberg
Akustisches Frontend
2009
Dipl.-Ing. T. Fehér, Dipl.-Ing. R. Petrick, Dipl.-Ing. D. Richter
Cross-modal analysis of verbal and non-verbal communication
COST-Aktion 2102
2006 – 2010
Projektleitung: Prof. Dr. A. Esposito (Italien)
Prof. Dr.-Ing. habil. R. Hoffmann (Management Committee Member)
Sprachtechnologische Aspekte der multimodalen Interaktion
2009
Projektaquisition in Kooperation mit der Fakultät Erziehungswissenschaften
Prof. Dr.-Ing. habil. R. Hoffmann, Dipl.-Ing. O. Jokisch, Dipl.-Ing. H. Hussein
Kooperationspartner Fakultät Erziehungswissenschaften: Prof. Dr. L. Alisch
Hochwertiges Diphoninventar für die deutsche Sprachsynthese
seit 2002
Prof. Dr.-Ing. habil. R. Hoffmann, Dipl.-Ing. O. Jokisch, Dr. H. Ding
Kooperation mit der MLU Halle/Saale, Frau Prof. Dr. U. Hirschfeld
Historische phonetische Geräte
seit 2002
Prof. Dr.-Ing. habil. R. Mehnert, Dr.-Ing. R. Dietzel
45

5 Veröffentlichungen
5.1 Bücher, Buchbeiträge
46
Veröffentlichungen
[1] GERLACH, G.; HOFFMANN, R. (Hrsg.): Neue Entwicklungen in der Elektroakustik und elektromechanischen
Messtechnik. Prof. Dr.-Ing. habil. Günther Pfeifer zum 65. Geburtstag. Dresden:
TUDpress 2009 (Dresdner Beiträge zur Sensorik, Bd. 40). ISBN 978-3-941298-55-2.
[2] HOFFMANN, R.: Johann Valentin Merbitz und sein sprechender Kopf. Ein Beitrag zur Frühgeschichte
der multimedialen Kommunikation. In: LACROIX, A. (Hrsg.): Beiträge zur Signaltheorie,
Signalverarbeitung, Sprachakustik und Elektroakustik. Dietrich Wolf zum 80. Geburtstag. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 52), S. 154 – 169. ISBN 978-
3-941298-30-9.
[3] HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung 2009, Band 1. Tagungsband
der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden: TUDpress 2009 (Studientexte
zur Sprachkommunikation, Bd. 53). ISBN 978-3-941298-31-6.
[4] HOFFMANN, R. (Red.): SprachSignale – Analyse und Synthese der menschlichen Sprache.
Ausstellungsführer, Technische Sammlungen Dresden 2009. ISBN 978-3-86780-134-8.
[5] HOFFMANN, R.: Denken in Systemen – Reflexionen über das Motto einer Fakultät. In:
GERLACH, G.; HOFFMANN, R. (Hrsg.): Neue Entwicklungen in der Elektroakustik und elektromechanischen
Messtechnik. Dresden: TUDpress 2009 (Dresdner Beiträge zur Sensorik, Bd.
40), S. 13 - 23. ISBN 978-3-941298-55-2.
[6] KORDON, U.; WOLFF, M.; TSCHÖPE, C.: Mustererkennung für Sensorsignale. GERLACH, G.;
HOFFMANN, R. (Hrsg.): Neue Entwicklungen in der Elektroakustik und elektromechanischen
Messtechnik. Dresden: TUDpress 2009 (Dresdner Beiträge zur Sensorik, Bd. 40), S. 69 - 78.
ISBN 978-3-941298-55-2.
[7] MEHNERT, D.; DIETZEL, R.: Von Glyphen zu Tonhöhen und Intensitäten – Das Boekesche Gestell,
ein historisches Auswertegerät. In: LACROIX, A. (Hrsg.): Beiträge zur Signaltheorie, Signalverarbeitung,
Sprachakustik und Elektroakustik. Dietrich Wolf zum 80. Geburtstag. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 52), S. 198 - 208. ISBN 978-3-
941298-30-9.
[8] PETRICK, R.: Robuste Spracherkennung unter raumakustischen Umgebungsbedingungen.
Dresden: TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 49). ISBN 978-3-941298-
47-4.
5.2 Veröffentlichungen in Zeitschriften
[9] KLIPPEL, W., et al.: Distributed Mechanical Parameters of Loudspeakers Part 1: Measurement.
J. of Audio Eng. Soc. 57, No. 9 (2009 Sept.), pp. 500-511.
[10] KLIPPEL, W., et al.: Distributed Mechanical Parameters of Loudspeakers Part 2: Diagnostics. J.
of Audio Eng. Soc. 57, No. 9 (2009 Sept.), pp. 696 - 708.
[11] MA J. K-Y; WHITEHILL, T.L.; CHEUNG, K. S-K. (In print): Effect of stimulus type on dysprosody
in Cantonese speakers associated with Parkinson’s disease. Manuscript accepted by International
Journal of Language and Communication Disorders.
[12] MA, J. K-Y; WHITEHILL, T. L.; SO, S. Y-S. (Accepted): Intonation contrast in Cantonese speakers
with hypokinetic dysarthria associated with Parkinson’s disease. Manuscript accepted by
Journal of Speech, Language and Hearing Research.
[13] PUSCH, T.; CHERIF, C.; FAROOQ, A.; WITTENBERG, S.; WOLFF, M.; HOFFMANN, R.;
TSCHÖPE, C.: Fehlerfrüherkennung an Textilmaschinen mit Hilfe der Körperschallanalyse. Melliand
Textilberichte 3/2009, S. 113 - 115.

Veröffentlichungen
[14] PUSCH, T.; CHERIF, C.; FAROOQ, A.; WITTENBERG, S.; HOFFMANN, R.; TSCHÖPE, C.: Early
fault detection at textile machines with the help of structure-borne sound analysis [chines.].
Melliand China (2009) 6, pp. 54 - 56.
[15] TSCHÖPE, C.; WOLFF, M.; HOFFMANN, R.: Akustische Mustererkennung für die ZfP. MP
Materials Testing 10/2009, S. 701 - 704, Carl Hanser Verlag, 2009.
[16] TSCHÖPE, C.; WOLFF, M.: Statistical Classifiers for Structural Health Monitoring. IEEE Sensors
Journal, Volume 9, No. 11, Nov. 2009, pp. 1567 - 1576.
5.3 TU-Informationen und Lehrmaterial
[17] JÄCKEL; R.: Curriculardaten für das Lernsystem „AzAR3.0“, Teil „Speech Training“ (Zielsprache
Deutsch). Übungen zu den Themen Vokalsystem, Konsonantensystem, Phonotaktische
Regeln, Suprasegmentalia (50 Seiten, mit Audiodaten).
[18] KLIPPEL, W.: Assessment of Signal Distortion in Audio Systems. Lehrmaterial, 5. - 7. 11. 2009,
TU Dresden, ca. 400 S.
5.4 Konferenzveröffentlichungen
[19] BEILIG, M.; HIRSCHFELD, D.; JOKISCH, O.; KOLOSKA, U.: Training of HMMs for pronunciation
error detection – crosslingual bootstrapping vs. flatstart training. In: HOFFMANN, R. (Hrsg.): Elektronische
Sprachsignalverarbeitung 2009, Band 1. Tagungsband der 20. Konferenz, Dresden,
21. – 23. September 2009. Dresden: TUDpress 2009 (Studientexte zur Sprachkommunikation,
Bd. 53), S. 372 - 379.
[20] COELHO, L.; HAIN, H.-U.; JOKISCH, O.; BRAGA, D.: Towards an Objective Voice Preference
Definition for the Portuguese Language. I Iberian SLTech - I Joint SIG-IL/Microsoft Workshop on
Speech and Language Technologies for Iberian Languages. Porto Salvo, Portugal. 3. – 4. September
2009, S. 67 - 70.
[21] DEMENKO, G.; WAGNER, A.; CYLWIK, N.; JOKISCH, O.; KOLOSKA, U.; HIRSCHFELD, D.:
Audiovisual Feedback for Foreign Language Learning, Proc. 13th IASTED Conf. on Internet and
Multimedia Systems and Applications (IMSA), Honolulu (Hawaii, USA), August 17 - 19, 2009,
CD.
[22] DEMENKO, G.; WAGNER, A.; CYLWIK, N.; JOKISCH, O.: An audiovisual feedback system for
acquiring L2 pronunciation and L2 prosody. Proc. 2 nd ISCA Workshop on Speech and Language
Technology in Education (SLaTE), Wroxall Abbey Estate (UK), September 3 - 5, 2009.
[23] DING, H.; JOKISCH, O.: An investigation of the pronunciation of English words in German SMS
texts. In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung 2009, Band 1. Tagungsband
der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden: TUDpress 2009
(Studientexte zur Sprachkommunikation, Bd. 53), S. 396 - 402.
[24] DUCKHORN, F.; STRECHA, G.; WOLFF, M.; HOFFMANN, R.: Ein Sprachdialogsystem mit begrenzten
Hardwareressourcen. In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung
2009, Band 1. Tagungsband der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 53), S. 88 - 93.
[25] FEHÉR, T.; PETRICK, R.; HOFFMANN, R.: Mehrkanaliges akustisches Front-End für Spracherkennungssysteme.
In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung 2009,
Band 1. Tagungsband der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 53), S. 135 - 141.
[26] GAMBOA ROSALES, A.; GAMBOA ROSALES, H.; HOFFMANN, R.: Maximum Likelihood Unit
Selection for Corpus-based Speech Synthesis. In: Proceedings Interspeech 2009, 10 th Annual
Conference of the ISCA, September 6 – 10, 2009, Brighton, U.K., pp. 748 – 751.
47

48
Veröffentlichungen
[27] HAIN, H.-U.; JOKISCH, O.; COELHO, L.: Multilingual Voice Analysis: Towards Prosodic Correlates
of Voice Preference. In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung
2009, Band 1. Tagungsband der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 53), S. 215 - 221.
[28] HOFFMANN, R.; MEHNERT, D.; DIETZEL, R.; FUDER, G.: Measuring frequencies with historic
resonators from Schaefer. Proc. NAD/DAGA 2009, International Conference on Acoustics, Rotterdam,
23 – 26 March 2009, pp. 258 – 261.
[29] HOFFMANN, R.; KORDON, U.; WOLFF, M.: Pattern recognition, classification, and speech
processing for non-speech signals. Proc. 19th Czech-German Workshop on Speech Processing,
Prague, September 29 – October 1, 2009, CD-ROM.
[30] HOFFMANN, R.; FELLBAUM, K.: 20 Jahre Sprachsignalverarbeitung im Spiegel einer Konferenz.
In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung 2009, Band 1. Tagungsband
der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden: TUDpress 2009
(Studientexte zur Sprachkommunikation, Bd. 53), S. 15 - 24.
[31] HÜBLER, S.; WOLFF, M; EICHNER, M.: Vergleich statistischer Klassifikatoren zur Ermittlung
musikalischer Aspekte. In: HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung
2009, Band 1. Tagungsband der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden:
TUDpress 2009 (Studientexte zur Sprachkommunikation, Bd. 53), S. 338 -- 345.
[32] JÄCKEL, R., HUSSEIN, H.: Kontrastive Untersuchung zur Realisierung der Fokusakzente in gelesenen
Äußerungen (Am Beispiel der Sprachenpaarung L1 Russisch – L2 Deutsch). In:
HOFFMANN, R. (Hrsg.): Elektronische Sprachsignalverarbeitung 2009, Band 1. Tagungsband
der 20. Konferenz, Dresden, 21. – 23. September 2009. Dresden: TUDpress 2009 (Studientexte
zur Sprachkommunikation, Bd. 53), 380 – 387.
[33] JOKISCH, O.; WAGNER, A.; SABO, R.; JÄCKEL, R.; CYLWIK, N.; RUSKO, M.; RONZHIN, A.,
HOFFMANN; R.: Multilingual Speech Data Collection for the Assessment of Pronunciation and
Prosody in a Language Learning System. In: Proceedings of the 13 th International Conference
Speech and Computer, 21 - 25 June 2009, St. Petersburg, pp. 515 – 520.
[34] JOKISCH, O.; GRÜNBAUM, W.; HOFFMANN, R.: Personalized speech synthesis: Age, gender
and emotional features. Proc. 13th International Conf. Speech and Computer (SPECOM), St.
Petersburg, June 22 - 24, 2009, pp. 186 - 189.
[35] JOKISCH, O.; WAGNER, A.; SABO, R.; JÄCKEL, R.; CYLWIK, N.; RUSKO, M.; RONZHIN A.;
HOFFMANN, R.: Multilingual speech data collection for the assessment of pronunciation and
prosody in a language learning system. Proc. 13th International Conf. Speech and Computer
(SPECOM), St. Petersburg, June 22 - 24, 2009, pp. 515 - 520.
[36] JOKISCH, O.; HAIN, H.-U.; PETRICK, R.; HOFFMANN, R.: Robustness Optimization of a
Speech Interface for Child-Directed Embedded Language Tutoring. The 2nd Workshop on Child,
Computer and Interaction (WOCCI). November 5, 2009, Cambridge, MA (Bestandteil der Konferenz-CD
der ICMI-MLMI 2009, Cambridge, MA, November 2 – 6, 2009).
[37] KLIPPEL, W.: Fast measurement of motor and suspension nonlinearities in loudspeaker manufacturing.
Proceedings of International Symposium of Electroacoustic Technology ISEAT,
Shenzhen, China, 11 - 12 November 2009, pp. 148 - 162.
[38] KLIPPEL, W.: Distributed mechanical parameters describing vibration and sound radiation of
loudspeaker drive units. Proceedings of International Symposium of Electroacoustic Technology
ISEAT, Shenzhen, China, 11 - 12 November 2009, pp. 87 - 96.
[39] MA, J. K-Y.: Lexical tone production by Cantonese speakers with Parkinson’s disease. In: Proceedings
Interspeech 2009, 10 th Annual Conference of the ISCA, September 6 – 10, 2009,
Brighton, U.K., pp. 1691 – 1694.

Veröffentlichungen
[40] MIXDORFF, H.; KÜLLS, D.; HUSSEIN, H.; GONG SHU, HU GUOPING, WEI SI: Towards a
Computer-aided Pronunciation Training System for German Learners of Mandarin. Proc. 2 nd
ISCA Workshop on Speech and Language Technology in Education (SLaTE), Wroxall Abbey Estate
(UK), September 3 - 5, 2009.
[41] PETRICK, R.: A Comparison of Methods for Robust Speech Recognition in Reverberant Environments.
Proc. 19th Czech-German Workshop on Speech Processing, Prague, September 29 –
October 1, 2009, CD-ROM.
[42] PETRICK, R.; RUECKERT, C.; HOFFMANN, R.: Room Acoustic Conditions and Limits in Home
and Office Environments. In Proc. 13th International Conf. Speech and Computer (SPECOM),
St. Petersburg, June 22 - 24, 2009, pp. 232 -- 237.
[43] SCHLECHTER, J.; KLIPPEL, W.: Distributed Mechanical Loudspeaker Parameters. National
Conference of the Audio Eng. Soc. of Japan, Tokio 2007, Preprint.
[44] SCHLECHTER, J.; KLIPPEL, W.: Fast Measurement of Motor and Suspension Nonlinearities in
Loudspeaker Manufacturing. National Conference of the Audio Eng. Society of Japan, Tokio,
24 - 27 July 2009, Preprint.
[45] STRECHA, G; WOLFF, M.; DUCKHORN, F.; WITTENBERG, S.; TSCHÖPE, C: The HMM Synthesis
Algorithm of an Embedded Unified Speech Recognizer and Synthesizer. In: Proceedings
Interspeech 2009, 10 th Annual Conference of the ISCA, September 6 – 10, 2009, Brighton,
U.K., pp. 1763 - 1766.
[46] TSCHÖPE, C.; WOLFF, M.; HOFFMANN, R.: Automatische Klassifikationsverfahren in der Zustandsüberwachung.,
DGZFP-Jahrestagung, Münster, 18. - 20. 5. 2009. Beitrag Di.3.B.2, 5 S.
auf Konferenz-CD.
[47] WOLFF, M.; TSCHÖPE, C.: Pattern Recognition for Sensor Signals. IEEE SENSORS 2009 Conference,
Christchurch, Neuseeland, 25. – 28. 10. 2009, pp. 665 – 668.
5.5 Vorträge (ungedruckt)
[48] DUCKHORN, F.; WOLFF, M.; STRECHA, G.; HOFFMANN, R: An Application Example for Unified
Speech Synthesis and Recognition using Hidden Markov Models. 2nd One Day Meeting on
Unified Models for Speech Recognition and Synthesis, 30. 3. 2009, University of Birmingham.
[49] FEHÉR, T.: Gezielte Beschallung und Spracherfassung mit robustem akustischen Frontend.
Technologietag „Multimodale, interaktive Bedienkonzepte für technische Geräte“, 25. 9. 2009,
Dresden.
[50] FELDMANN, U.: Chaos++‘. Auszeichnungsveranstaltung des Sächsischen Korrespondenzzirkels
Mathematik Kl. 5 - 8, 24. 6. 2009, MAN-Gymnasium Dresden.
[51] HOFFMANN, R.; WOLFF, M.: Pattern recognition, classification, and speech processing for
non-speech signals. ERS-Workshop “Maschinendiagnose – Grundlagen, Konzepte, Visionen”.
RWTH Aachen, 8. 7. 2009.
[52] HOFFMANN, R.: Wolfgang von Kempelen als Erfinder. Arbeitsgruppe Geschichte der Otologie
und Literarischer Arbeitskreis Borkum, Borkum, 16. 7. 2009.
[53] HOFFMANN, R.: 40 Jahre institutionalisierte Sprachtechnologie in Dresden, 10 Jahre historische
akustisch-phonetische Sammlung. Eröffnungsvortrag zum Traditionstag, Technische
Sammlungen Dresden, 23. 9. 2009.
[54] HOFFMANN, R.: „... ein curiöser und inventiöser Mann“ - Johann Valentin Merbitz und sein
sprechender Kopf in Dresden. Vortrag zum Traditionstag, TU Dresden, 24. 9. 2009.
[55] HOFFMANN, R.; WOLFF, M.: The UASR project: Unified approach to speech synthesis and
recognition. 2nd One Day Meeting on Unified Models for Speech Recognition and Synthesis,
30. 3. 2009, University of Birmingham.
49

50
Veröffentlichungen
[56] HOFFMANN, R.: Von legendären sprechenden Köpfen zu elektronischen „talking heads“. Vortrag
zum Turmfest der Technischen Sammlungen Dresden, 8. 11. 2009.
[57] HOFFMANN, R.: Forschen wie Professor Higgins – Highlights aus der historischen akustischphonetischen
Sammlung der Fakultät ET/IT. Ringvorlesung der Fakultät ET/IT im studium generale,
17. 11. 2009.
[58] HOFFMANN, R.: Laudatio zur Verleihung des Johann-Philipp-Reis-Preises 2009 an Prof. Dr.
Sebastian Möller. Gelnhausen, 29. 10. 2009.
[59] HOFFMANN, R.: Sprachsynthese und Systemtheorie. Physikalisches Kolloquium des Fachbereichs
Physik der Universität Frankfurt anlässlich der Verabschiedung in den Ruhestand von
Prof. Dr. Arild Lacroix. 2. 12. 2009.
[60] HÜBLER, S.: Combining Holistic and Aspect Models in a Content-Driven Music Recommendation
System. In: 5th Music Information Retrieval Evaluation eXchange (MIREX2009), Oct, 26 -
30, 2009.
[61] HUTT, S. et al.: Loudspeaker FE/BE Modeling Workshop. presented at the 126 th Convention of
the Audio Eng. Soc. in Munich, 7 – 9 May, 2009.
[62] JÄCKEL, R.: Integration of learning content and feedback functions in the multilingual pronunciation
tutoring system EURONOUNCE. 19th Czech-German Workshop on Speech Processing,
Prague, September 29 – October 1, 2009.
[63] JOKISCH, O.: Sprachtechnologie in didaktischen Applikationen. Öffentlicher Vortrag auf dem
Hochschulforum der didacta-Bildungsmesse in Hannover, 12.02.2009.
[64] JOKISCH, O.; MIXDORFF, H.: Linguistic and Phonetic Analysis for the Pronunciation Teaching -
German Learners of Mandarin. Public talks at: Phonetics Laboratory of the Institute of Linguistics
at the Chinese Academy of Social Sciences (CASS), Beijing, 25/09/2009 and English Department
of the School of Foreign Languages at the Tongji University, Shanghai, 30/09/2009, Internal
presentation at: iFLYTEK Research Center at the University of Science and Technology of
China (USTC), Hefei (Provinz Anhui), 28/09/2009.
[65] JOKISCH, O.; MIXDORFF, H: Quantitative Cross-Language Prosody Modeling and its Application
in a Pronunciation Training System – Case Studies at TU Dresden and Beuth-Hochschule.
Public talks at: Lab of the Dept. of Information and Communication Engineering at the University
of Tokyo, 19/11/2009 and Department of Linguistics at Kobe University, Kobe, 21/11/2009,
Presentation at: Laboratory at the Japan Advanced Institute of Science and Technology (JAIST),
Kanazawa (Präfektur Ishikawa), 23/11/2009.
[66] KLIPPEL, W. et al. : Fast Measurement of Motor and Suspension Nonlinearities in Loudspeaker
Manufacturing. 127 th Convention of the Audio Eng. Soc., 9 - 12 October 2009, New York, USA.
[67] KLIPPEL, W.: Active Compensation of Nonlinear Loudspeaker Distortion. 1 st European ALMA
Symposium at the Prolight + Sound, 4 April 2009, Frankfurt Germany.
[68] KORDON, U.: Wie „hört“ und „spricht“ ein Computer? Vortrag in den Technischen Sammlungen
Dresden, 6. 12. 2009.
[69] MEHNERT, D.; DIETZEL, R.: Akustische Resonatoren als Messmittel für die experimentelle
Phonetik. Vortrag zum Traditionstag, TU Dresden, 24. 9. 2009.
[70] PETRICK, R.: Spracherkennung unter raumakustischen Umgebungsbedingungen. Universität
Erlangen-Nürnberg, Lehrstuhl für Multimediakommunikation und Signalverarbeitung, Prof. Walter
Kellermann, Erlangen, 15. 6. 2009.

5.6 Patente
Veröffentlichungen
[71] EICHNER, M.; WOLFF, M.; HOFFMANN, R.; KORDON, U.; ZIEGENHALS, G.: Verfahren und
Vorrichtung zur Klassifikation und beurteilung von Musikinstrumenten gleicher Instrumentengruppen.
Deutsches Patent Nr. 10 2006 014 507, erteilt am 7. 5. 2009.
[72] KLIPPEL, W.: Anordnung und Verfahren zur Erkennung, Ortung und Klassifikation von Defekten.
Deutsche Patentanmeldung 2009.
5.7 Forschungsberichte
[73] HÜBLER, S.: Untersuchung des Einsatzes von Verfahren zur Analyse zeitlicher Verläufe bei der
Extraktion perzeptueller musikalischer Attribute. Zwischenbericht 1, mufin GmbH, Okt 2009.
[74] WOLFF, M., S. HÜBLER UND S. WITTENBERG: Untersuchung des Einsatzes von Verfahren zur
Analyse zeitlicher Verläufe bei der Extraktion perzeptuelle musikalischer Attribute. Forschungsbericht,
TU Dresden, Sept. 2009.
[75] WOLFF, M.: Sprachsteuerung für Mess- und Prüfgeräte. Zwischenbericht, 09.02.2009, 2 Seiten.
[76] WITTENBERG, S.; WOLFF, M.: Fehlerfrüherkennung an Spinnmaschinen. Abschlussbericht,
März 2009, 18 Seiten.
5.8 Zeitungsbeiträge und Kurzmitteilungen
[77] STANG, M.: Geräte zur Erforschung der menschlichen Sprache. Die akustisch-phonetische
Sammlung der Technischen Universität Dresden. Beitrag in der Reihe „Schatzkammern der
Wissenschaft“ im Deutschlandfunk, gesendet 22.12.2008.;
http://www.dradio.de/dlf/sendungen/forschak/895258/.
[78] KALLENBACH, J.: Star Trek an der Uni / Wissenschaftlicher Sternenhype. ad rem, die unabhängige
Hochschulzeitung in Sachsen, 21. Jahrg., Nr. 11 (6. Mai 2009), S. 4 und 7.
[79] N. N.: Interaktiver Aussprachetrainer mit Signalanalysefunktionen. Informationsblatt (4 Seiten),
TU Dresden, Institut für Akustik und Sprachkommunikation 2009.
[80] WECKBRODT, H.: Klingonen und sprechende Maschinen. Technische Sammlungen und
Dresdner Uni zeigen Sonderausstellung über Sprachtechnologie. Dresdner Neueste Nachrichten
(DNN), 23. 9. 2009.
[81] H. O. / T. Z.: Preis für implantierbares Hörgerät. Dresdner Universitätsjournal, 20. Jahrg., Nr.
18/2009, S. 2.
[82] N. N.: Gewissenhaft und kompetent. Dr. Rolf Dietzel erhält anlässlich seines 75. Geburtstages
die Ehrenmedaille der TUD. Dresdner Universitätsjournal, 20. Jahrg., Nr. 19/2009, S. 5.
[83] N. N.: TUD stellt in Technischen Sammlungen aus. Dresdner Universitätsjournal, 20. Jahrg., Nr.
19/2009, S. 7.
51

6 Promotionen
52
Promotionen,Habilitationen, Diplom- und Studienarbeiten
[1] PETRICK, R.: Robuste Spracherkennung unter raumakustischen Umgebungsbedingungen. Technische
Universität Dresden, Fakultät Elektrotechnik und Informationstechnik. Gutachter:
HOFFMANN, R. (TU Dresden), UNOKI, M. (Japan Advanced Institute of Science and Technology).
Tag der Verteidigung: 25. 9. 2009
externe Gutachtertätigkeit
[2] RÖMER, R.: Robuste Spracherkennung auf der Basis recheneffizienter auditiver Modelle. Dissertation,
Technische Universität München, Fakultät für Elektrotechnik und Informationstechnik. Gutachter:
G. RUSKE (TU München), R. HOFFMANN (TU Dresden). Tag der Verteidigung:
10. 3. 2009.
[3] EICHLER, M.: Breitbandige Beamforming-Algorithmen zur Erfassung von Audiosignalen mit kompakten
Mikrofon-Arrays. Dissertation, Goethe-Universität Frankfurt am Main, Fachbereich Physik.
Gutachter: A. LACROIX (Universität Frankfurt), H. REININGER (Universität Frankfurt), R.
HOFFMANN (TU Dresden). Tag der Disputation: 15. 12. 2009.
7 Habilitationen
externe Gutachtertätigkeit
[4] SCHNELL, K.: Modellbasierte Sprachanalyse und –synthese. Habilitationsschrift, Goethe-
Universität Frankfurt am Main, Fachbereich Physik. Zweitgutachter: R. HOFFMANN (TU Dresden).
Tag des Habilitationsvortrages: 28. 10. 2009, Tag der Antrittsvorlesung: 9. 12. 2009.
8 Diplom- und Studienarbeiten
8.1 Diplom-/Masterarbeiten
[DA1] WERNER, R.: Erkennung und Ortung von Strömungsgeräuschen und anderen impulsiven
Verzerrungen im Rahmen der Qualitätsüberprüfung von Lautsprechersystemen. (Prof. Klippel,
Dr. Irrgang), verteidigt am 28.9.2009
[DA2] HOSSMAR, M.: Prosodiemodellierung zur emotionalen Sprachsynthese. (MSc. Gamboa Rosales),
verteidigt am 14.7.2009
[DA3] KÖHLER, R.: DSP-Portierung von Algorithmen der HMM-Synthese. (Dipl.-Ing. Strecha), verteidigt
am 11.11.2009
[DA4] LEONHARDT, O.: „Messung der Kenngrößen von elektroakustischen Wandlern ohne akustischen
Sensor“ verteidigt am: 17.12.2009
[DA5] GRÜNBAUM, W.: Weiterentwicklung eines einkanaligen Algorithmus zur Störgeräuscheunterdrückung.
(Dipl.-Ing. Fehér, Dipl.-Ing. Gruber – voiceINTERconnect), verteidigt am
25.11.2009
8.2 Studienarbeiten
[StA1] SCHIFFNER, M.: Anwendung der Hilbert-Huang-Transformation in der Signalanalyse. (Dipl.-
Ing. Wittenberg)
[StA2] VANSELOW, P.: Nichtlineares Übertragungsverhalten von Kondensatormikrofonen (Dipl.-Ing.
Richter)
[StA3] GEBHARDT, K.: Untersuchungen zur Signalseparation für Zweikanalmikrofone (Dipl.-Ing. Richter)

Auszeichnungen und Ehrungen
9 Auszeichnungen und Ehrungen
9.1 Verleihung der Ehrenmedaille der Technischen Universität
Dresden an Herrn Dr.-Ing. Rolf Dietzel, 26. Oktober 2009
Herr Dr.-Ing. Rolf Dietzel hat über Jahrzehnte hinweg in ehrenamtlicher Arbeit hervorragende Beiträge
zur Traditionspflege und zur Dokumentation der Entwicklung der Fakultät Elektrotechnik und Information
geleistet. Besonders hervorzuheben sind die verantwortliche wissenschaftliche Betreuung des
Barkhausen-Archivs der Fakultät und sein Einsatz beim Aufbau und der Dokumentation der historischen
akustisch-phonetischen Sammlung (HAPS) der TU Dresden. Aus diesen Gründen hat der Rat
der Fakultät Elektrotechnik und Informationstechnik in seiner Sitzung am 20. 5. 2009 einstimmig beschlossen,
seine Auszeichnung mit der Ehrenmedaille der TU Dresden zu beantragen. Der Senat hat
diesem Antrag zugestimmt, und die Medaille konnte dem Jubilar an seinem 75. Geburtstag durch den
Prorektor für Universitätsplanung, Herrn Prof. Dr. M. Curbach, übergeben werden.
Abbildung 9.1: Prof. Dr. Curbach und Dr.-Ing. Dietzel nach der Übergabe der Medaille
53

54
Auszeichnungen und Ehrungen
Abbildung 9.2: Ehrenmedaille der Technischen Universität Dresden
Der wissenschaftliche Werdegang von Herrn Dr. Dietzel ist eng mit der Entwicklung der technischen
Akustik an der TU Dresden verbunden und reicht bis in deren "klassische" Zeit, die durch das Wirken
von Walter Reichardt geprägt wurde, zurück. Er hat nach dem Studium der Elektrotechnik bei Prof.
Reichardt über ein akustisches Thema (Untersuchungen an eingezwängten Dämpfungsbelägen) 1967
promoviert. Die Emeritierung von Prof. Reichardt fällt zeitlich mit der Hochschulreform 1968/69 zusammen,
in deren Umsetzung der Wissenschaftsbereich "Kommunikation und Messwerterfassung"
(später "Akustik und Messtechnik") mit mehreren neuen Professuren gegründet wurde. Herr Dr. Dietzel
wurde der durch A. Lenk besetzten Professur "Messwerterfassung" zugeordnet und war dort bis
zu deren durch die Emeritierung von Prof. Lenk (1996) bedingten Auflösung als Oberassistent tätig. Er
hat in dieser Funktion wissenschaftliche Projekte und zahllose studentische Arbeiten betreut und viele
Vorlesungen, Übungen und Praktika auf dem weitgespannten Gebiet der technischen Akustik durchgeführt.
Hervorzuheben ist seine selbständige Lehrtätigkeit auf dem Gebiet der elektromechanischen
Netzwerke. Nach dem Wegfall der Professur von A. Lenk hat er die beschriebenen Leistungen unter
dem Dach der Professur von R. Hoffmann (Systemtheorie und Sprachtechnologie) weiter erbracht, bis
er 1999 in den Ruhestand eintrat.
Die Verleihung der Ehrenmedaille hängt jedoch nur mittelbar mit dem langjährigen Wirken von Herrn
Dr. Dietzel für Forschung und Lehre auf dem Gebiet der technischen Akustik und für das Gedeihen
des heutigen Instituts für Akustik und Sprachkommunikation bzw. seiner Vorgängereinrichtungen
zusammen. Er hat über viele Jahre seine fachliche Arbeit mit großem zeitlichen Aufwand mit der Sicherung
und Pflege der wissenschaftlichen Traditionen seines Fachgebietes und seiner Fakultät verbunden.
Dabei nutzte er intensiv seine gediegenen Kenntnisse auf dem Gebiet der wissenschaftlichen
Fotografie, die er übrigens auch in eigenen Vorlesungen weitergegeben hat. Die beeindruckende
Bilanz dieser ehrenamtlichen Tätigkeiten im Bereich der Technikgeschichte und Traditionspflege
soll nachstehend in stark gekürzter Form dargelegt werden.
An prominentester Stelle ist die Betreuung des Barkhausen-Archivs zu nennen. Das Wirken von Heinrich
Barkhausen (1881 - 1956), der als einer der Väter der heutigen Informationstechnik zu den profilbildenden
Wissenschaftlern unserer Universität zählt, wird an der Fakultät ET/IT durch eine Sammlung
von Dokumenten in Schrift, Bild und Ton bewahrt. Der systematische Aufbau dieses Archivs geht auf
die Feiern zum 150-jährigen Bestehen der TH/TU Dresden 1978 und die Mitarbeit an der Barkhausen-
Ehrung der Akademie der Wissenschaften 1981 zurück und wurde durch Prof. Lunze initiiert, der ins-

Auszeichnungen und Ehrungen
besondere als Herausgeber der Barkhausen-Festschrift 1981 wirkte. Er hat von Anfang an Dr. Dietzel
in die Konzeption der Sammlung integriert, der zahlreiche Recherchen durchführte, Kontakte knüpfte
und u. a. in den Entstehungsprozess der von Prof. Howard geschaffenen Porträtbüste Barkhausens
einbezogen war. Wenig später (1982) wurde Prof. Lunze emeritiert, und die Fakultät betraute Dr.
Dietzel mit der weiteren Betreuung des Archivs, der er sich mit Hingabe gewidmet hat. Es stellte sich
schnell heraus, dass nicht nur Aufbau und Pflege des Bestandes Aufwand erforderten, sondern dass
darüber hinaus die Existenz des Archivs bald bei wissenschafthistorisch interessierten Einrichtungen
bekannt wurde und deshalb zahlreiche Anfragen nach Informationen, Kopien und Reproduktionen
eingingen, die sämtlich gewissenhaft beantwortet wurden.
Diese Gewissenhaftigkeit und Kompetenz hat zehn Jahre später auch die Barkhausen-Erben davon
überzeugt, die bisher nur als Leihgabe zur Verfügung gestellten Teile des persönlichen Nachlasses
von Heinrich Barkhausen der Universität dauerhaft zu überlassen. So schreibt eine der Töchter Barkhausens
1992 an den Dekan: "Es hat uns besonders gefreut, dass Herr Dr. Dietzel sich so liebevoll um
den Nachlass kümmert, wissen wir ihn nun doch in den allerbesten Händen. Ich glaube, es war ganz
richtig, dass wir die Papiere der TU überlassen haben und nicht dem Deutschen Museum in München,
das auch in Frage gekommen wäre, die aber unmöglich so viel persönliches Interesse hätten
einsetzen können, nach unserer Meinung.“
Die Kette der Anfragen an das Barkhausen-Archiv und damit an die Sachkenntnis von Dr. Dietzel ist
bis heute nicht abgerissen; so dass das Barkhausen-Archiv seit drei Jahrzehnten eine lebendige Stätte
der Traditionspflege ist, und das hauptsächlich dank des Engagements von Herrn Dr. Dietzel.
Parallel zum Barkhausen-Archiv ist durch die langjährige Arbeit von Herrn Dr. Dietzel an der Fakultät in
Verbindung mit seinen fotografischen Aktivitäten eine einzigartige Fotodokumentation der Geschichte
der Fakultät entstanden, die vielseitig genutzt worden ist. Bekanntlich ist ein solches Archiv nur langfristig
wirksam, wenn es in geeigneter Weise erschlossen ist. So ist derzeit Dr. Dietzel mit der digitalen
Aufarbeitung der Bestände stark gefordert. Diese Aktivitäten können unter dem Aspekt der Dokumentation
der Fakultätsgeschichte nicht hoch genug gewürdigt werden. Die Kustodie und das Universitätsarchiv
greifen gerne auf sie zurück.
Große Verdienste hat Herr Dr. Dietzel in dem Jahrzehnt seit seinem Eintritt ins Rentenalter (1999) bei
der Erschließung der historischen akustisch-phonetischen Sammlung erworben. Da dieses Thema
seit Jahren in unseren Jahresberichten verfolgt werden kann, sollen die überaus zeitaufwendigen
Arbeiten des Jubilars an dieser Stelle nur erwähnt werden. Ihre Spuren findet man leicht bei der Betrachtung
der Webseiten unserer historischen Sammlung und in den Publikationen zu historischen
phonetischen Geräten, an denen Herr Dr. Dietzel beteiligt war und ist.
Auch außerhalb der Universität engagiert sich Herr Dr. Dietzel mit großem Einsatz auf heimatkundlichem,
ortsgeschichtlichem und foto- und kinotechnischem Gebiet in den einschlägigen Vereinen. So
war es keine Überraschung, dass anlässlich der Verleihung der Medaille eine Vielzahl von Freunden
und Weggefährten zur Gratulation gekommen waren und so dazu beitrugen, dass uns die Feier in
schöner Erinnerung bleiben wird.
9.2 Innovationspreis Medizintechnik für ein TU-Projekt,
29. Oktober 2009
Im Berichtsjahr wurde durch den Direktor der Klinik und Poliklinik für Hals-Nasen-Ohrenheilkunde des
Universitätsklinikums, Herrn Prof. Dr. med. Dr. h. c. Th. Zahnert, die Idee eines Wandlerbausteins
vorgestellt, der in das Mittelohr von stark hörgeschädigten Patienten implantiert werden kann. Die
Frage einer Realisierungsmöglichkeit wurde gemeinsam mit unserer Arbeitsgruppe und mit Herrn
Prof. Dr. G. Pfeifer (Institut für Halbleiter- und Mikrosystemtechnik) diskutiert und ein Lösungsvorschlag
erarbeitet. Dieser wurde für den Innovationswettbewerb des BMBF zur Förderung der Medizintechnik
2009 eingereicht und wurde Sieger des Wettbewerbs im Modul BASIS (siehe Abbildung).
Es besteht die begründete Aussicht, dass das Projekt im Jahre 2010 eine Förderung erhält, durch die
die Realisierung eines Modells in Gemeinschaftsarbeit der genannten Institute erfolgen kann.
55

56
Auszeichnungen und Ehrungen

Wissenschaftliche Veranstaltungen
10 Wissenschaftliche Veranstaltungen
10.1 Zwanzigste Konferenz
Elektronische Sprachsignalverarbeitung,
Dresden, 21. – 24. 9. 2009
10.1.1 Einordnung
Im Berichtsjahr wurde die Konferenz „Elektronische
Sprachsignalverarbeitung“ (ESSV) zum 20. Mal in Folge
durchgeführt. Die Tatsache, dass sich die Veranstaltungsreihe
nach nunmehr zwei Jahrzehnten unverminderter
Akzeptanz erfreut, war Anlass, das Jubiläum
gebührend zu begehen. Dazu kam, dass das Institut für
Akustik und Sprachkommunikation (IAS) in seiner heutigen
Form auf eine 1969 erfolgte Fusion akustischer,
nachrichtentechnischer und messtechnischer Kapazitäten
zurückgeht, mithin den 40. Jahrestag seiner Gründung
begehen konnte. Außerdem war zu bedenken,
dass die historische akustisch-phonetische Sammlung
der TU Dresden (HAPS) 1999 gegründet wurde und
somit ihr zehnjähriges Bestehen zu verzeichnen war.
Um trotz der Häufung der Jubiläen die 20. ESSV vor
einer nostalgischen Tendenz zu bewahren, wurde beschlossen,
die Jubiläen an einem gesonderten Traditionstag
im Anschluss an den fachlichen Teil der ESSV
zu begehen. Der Traditionstag konnte unabhängig von
der Konferenz besucht werden. Beide Veranstaltungen
wurden mit dem nebenstehenden Logo beworben.
10.1.2 Fachteil der ESSV, 21. – 23. 9. 2009
Die Organisatoren der diesjährigen ESSV in Dresden waren bei der Vorbereitung motiviert, anlässlich
des Jubiläums der Konferenz möglichst viele aktive Teilnehmer, darunter natürlich möglichst alle
"Stammkunden", zu gewinnen. Dieser Bemühung arbeitete eindeutig die gegenwärtige Wirtschaftskrise
entgegen, die so manchem potentiellen Teilnehmer insbesondere aus mittelständischen Unternehmen
die Finanzierung unmöglich gemacht hat. Zugleich befindet sich die Industrieforschung der
Sprachtechnologie in Deutschland bekanntlich in einem tiefgreifenden strukturellen Umbruch. Diese
Probleme betrafen vor allem die Kraftfahrzeug-Anwendungen, die in den letzten Jahren eine fachliche
Hauptkomponente der ESSV bildeten. Eine geplante strukturierte Sitzung zu diesem Themenkomplex
musste 2009 ausfallen.
Umso erfreulicher ist es, dass die ESSV 2009 trotz dieses problematischen Umfeldes eine deutlich
überdurchschnittliche Beteiligung aufweisen konnte: Der Tagungsband enthält 50 Beiträge von insgesamt
96 Autoren. Die Veranstalter bedanken sich herzlich bei allen, die zu diesem Erfolg beigetragen
haben.
Betrachtet man die 20 Tagungsbände der ESSV-Serie, spiegelt sich in ihnen die Entwicklung der
Sprachtechnologie in Deutschland auf höchst interessante Weise. Waren die 1990er Jahre noch stärker
durch die Grundlagenforschung (und dabei insbesondere durch das Großprojekt Verbmobil) geprägt,
zeigt sich im letzten Jahrzehnt auf einer Anzahl von Anwendungsfeldern ein deutlicher Durchbruch
in die Praxis. Der Einführungsbeitrag der Konferenz, gehalten von Prof. Fellbaum, stellte sich
die Aufgabe, einige dieser Tendenzen in Form einer Übersicht darzustellen.
57

58
Wissenschaftliche Veranstaltungen
Beleuchtet man die auf der Konferenz vertretenen Themengruppen, zeigt sich die Vielfalt der Grundlagendisziplinen
und Anwendungsfelder, die in der Sprachsignalverarbeitung zusammenspielen.
Diesmal waren zwei Anwendungsbereiche in strukturierten Sitzungen besonders präsent. Das war
zum einen die Sitzung "Sprachtechnologie zur Unterstützung von Menschen mit Sinnesbehinderungen",
die durch Professor Klaus Fellbaum organisiert wurde, zum anderen die Sitzung "Sprachtechnologie
in didaktischen Anwendungen", die Rainer Jäckel organisiert hat. Während die erstgenannte
Sitzung ein traditionelles, typisches und wichtiges Anwendungsbiet der Sprachtechnologie umfasst,
bezieht sich die zweite auf Anwendungen, die erst seit wenigen Jahren im Blickpunkt stehen, aber
ebenfalls ein großes Anwendungspotential haben.
Auch die beiden Hauptvorträge der Konferenz standen für typische Tendenzen. Bekanntlich hat die
Sprachtechnologie eine ihrer Wurzeln in der Nachrichtentechnik, woran der Hauptvortrag von Professor
Peter Vary erinnert, der den umfangreichen Vortragsblock zu Themen aus der Signalverarbeitung
einleitet. Der zweite Hauptvortrag stammte von Dirk Schönfuß und widmete sich der Verarbeitung
von Musiksignalen. Durch die Aufnahme dieses Hauptvortrages soll die Tendenz betont werden, dass
die bewährten Verfahren der Sprachtechnologie in zunehmendem Maße erfolgreiche Anwendungen
auf nichtsprachliche Signale finden, und unter diesen sind die Musiksignale eine besonders wichtige
Gruppe.
10.1.3 Traditionstag, 23. / 24. 9. 2009
Auf der Suche nach einem geeigneten Ort für die Durchführung des Traditionstages boten sich die
Technischen Sammlungen Dresden an, die sich in dem industriegeschichtlich bedeutsamen Ernemann-Bau
befinden. Im Rahmen der Vorgespräche entstand die Idee, den Traditionstag mit der Installation
einer Sonderausstellung mit Beständen der HAPS zu verbinden, die für einige Monate in den
Technischen Sammlungen verbleiben sollte. Diese Idee führte schließlich zur Vorbereitung der Ausstellung
mit dem Titel SprachSignale. Details zu dieser Ausstellung wurden in Punkt 3.7.2 dieses Berichtes
erwähnt (vgl. auch Abbildung 3. 27).
Der Traditionstag begann am Nachmittag des 23. September 2009 mit etwa 40 Teilnehmern in den
Räumen der Technischen Sammlungen und hatte folgenden Ablauf:
• Eröffnung des Traditionstages und der Ausstellung mit einem Vortrag von Prof. Hoffmann zu den
Jubiläen 40 Jahre IAS und 10 Jahre HAPS
• Erste Führung durch die Ausstellung SprachSignale durch Prof. Mehnert (Abbildung 3. 28).
• Festvortrag über Wolfgang von Kempelen, gehalten von der Kempelen-Spezialistin Frau Dr. Alice
Reininger, Universität für Angewandte Kunst, Wien (Abbildung 10.1).
• Beisammensein im Turmcafe des Ernemann-Baus
Am 24. September 2009 wurde der Traditionstag im Barkhausenbau durch eine Anzahl eingereichter
Vorträge zu historischen Vorträgen ergänzt. Die Beiträge, die sehr angeregte Gespräche auslösten,
rankten sich um drei Themenfelder:
• Institutionen: Eine besondere Rolle spielte die Geschichte der Phonetik an der Universität Hamburg,
da deren Traditionen mit der Entstehung der Dresdener HAPS eng verbunden sind.
• Personen: Drei historisch interessante Persönlichkeiten aus drei verschiedenen Jahrhunderten
spielten eine besondere Rolle: Johann Valentin Merbitz (aus lokalgeschichtlichem Interesse),
Wolfgang von Kempelen (als Vater der experimentellen Phonetik und Sprachtechnologie) und Giulio
Panconcelli-Calzia (als bedeutender Experimentalphonetiker des 20. Jahrunderts).
• Geräte: In dieser fachlichen Gruppe standen historische phonetische Geräte im Vordergrund, natürlich
im engen Zusammenhang mit den Objekten der Ausstellung SprachSignale.
Im Einzelnen wird man die Beiträge des Traditionstages einem Protokollband entnehmen können, der
nachträglich als Band 2 des vorliegenden Tagungsbandes (also Band 54 der Studientexte zur Sprachkommunikation)
erscheint. Er wird auch die Übersichtsbeiträge zum 40-jährigen Institutsjubiläum und
zum zehnjährigen Bestehen der HAPS enthalten.

Wissenschaftliche Veranstaltungen
Abbildung 10.1: Frau Dr. A. Reininger und Prof. R. Hoffmann nach dem Festvortrag des Traditionstages
in den Technischen Sammlungen.
Abbildung 10.2: Vortrag im Kinosaal der Technischen Sammlungen.
59

10.1.4 Zur Zukunft der ESSV
60
Wissenschaftliche Veranstaltungen
Zurückkommend auf die Konferenzserie ESSV im engeren Sinne, kann festgestellt werden, dass sie
sich über die zwei Jahrzehnte ihres Bestehens als Erfolgsmodell erwiesen hat und deshalb auch weitergeführt
werden sollte. Dabei muss allerdings bedacht werden, dass nicht nur die Konferenz, sondern
auch ihre Initiatoren in die Jahre gekommen sind. Der Senior unter ihnen ist Dieter Mehnert, der
auf eigenen Wunsch nach 20 Jahren aktiver Mitarbeit aus dem Kreis der Organisatoren mit herzlichem
Dank für die geleistete Arbeit und die ständige Inspiration ausgeschieden ist. Ulrich Kordon,
Privatdozent für Sprachkommunikation an der TU Dresden, hat sich bereit erklärt, an seiner Stelle in
das Organisationskomitee einzutreten.
Auch Klaus Fellbaum ist 2007 in den Ruhestand gewechselt. Es ist sicher, dass er sich mit unverminderter
Energie an der Gestaltung der ESSV weiter beteiligen wird, jedoch fehlt uns seitdem Cottbus
als einer unserer Stamm-Standorte. Damit konzentriert sich die Logistik der ESSV derzeit auf den
Dresdener Standort. Der Umstand, dass auch der dortige Inhaber der Professur Systemtheorie und
Sprachtechnologie und Verfasser dieser Zeilen seinen voraussichtlichen Ruhestand am zeitlichen
Horizont erkennen kann, führt zu der Frage nach der rechtzeitigen Absicherung der Zukunft der Konferenzserie.
Deshalb haben die bisher aktiven Personen beschlossen, einen Förderverein "Elektronische
Sprachsignalverarbeitung" zu gründen, der nicht an eine bestimmte Universität gebunden ist. Er wird
die jährliche Vergabe des Konferenzstandortes koordinieren und die jeweiligen Ausrichter beraten.
Der Verein wurde am Rande der 20. ESSV gegründet und am 17. Februar 2010 in das Register des
Amtsgerichtes Dresden eingetragen.
Wir hoffen, damit das unter den gegebenen Randbedingungen optimale Modell gewählt zu haben,
und freuen uns auf noch viele erfolgreiche Konferenzen "Elektronische Sprachsignalverarbeitung".
10.2 didacta 2009 – die Bildungsmesse
Hannover, 10. – 14. 2. 2009
Die didacta, Europas größte Bildungsmesse, fand vom 10. bis 14. Februar 2009 in Hannover statt und
gab der Branche traditionell wichtige Impulse. Rund 74.000 Besucher kamen auf das Messegelände
und informierten sich bei 718 Ausstellern auf einer Ausstellungsfläche von rund 30.000 Quadratmetern
über aktuelle Produkte, Trends und neue bildungspolitische Ansätze. Die Messe wurde von 1 400
Workshops, Vorträgen und Seminaren begleitet.
Das Institut für Akustik und Sprachkommunikation präsentierte sich 2009 erstmalig und als eines von
wenigen - insbesondere wenigen ostdeutschen - Hochschulinstituten auf der didacta mit Ergebnissen
aus den Projekten AzAR bzw. EURONOUNCE, die sich mit dem sprachübergreifenden Aussprachetraining
einschließlich der Entwicklung entsprechender Feedback-Algorithmen sowie Datenbasen
befassen und im Abschnitt 3.4.2 des Jahresberichts erläutert werden.
Abbildung 10.3: Das IAS auf der didacta-Messe in Hannover (Halle 14, Stand G 76/1)

Wissenschaftliche Veranstaltungen
Die Messebeteiligung zielte u. a. darauf, die Institutsprojekte im Bereich Sprachenlernen einer breiteren
Öffentlichkeit vorzustellen, neue Kooperationspartner und Projektansätze zu gewinnen und die
Akzeptanz des vorgestellten Prototyps AzAR 2.0 bei Fachkollegen aus unterschiedlichen Teilgebieten
(u. a. Pädagogen, Logopäden, Berater oder Technologieentwickler) zu testen. Desweiteren wurde der
Messeauftritt durch die Beteiligung am didacta-Hochschulforum mit einem Vortrag am 12. Februar zur
„Sprachtechnologie in didaktischen Applikationen“ von Herrn Jokisch flankiert.
Die quantitative Besucherresonanz im Hochschulbereich der Messe war insgesamt eher dürftig,
wobei die Besucher in der Regel gut vorbereitet waren und sich qualitativ interessante Kontakte ergaben.
Der eigene Messestand mit einer Grundfläche von 9 Quadratmetern fiel zwar bescheiden aus,
wurde aber dennoch funktionell mit PC-Technik, Monitoren, Werbematerial, etc. gestaltet und bei den
Fachkollegen aufmerksam registriert.
Aus ca. 35 gezielten Fachbesuchen am Stand ergaben sich Kontakte mit weiterführendem Charakter.
Interessenten waren u. a. Pädagogen aus dem Schul- und Berufsschulbereich, Mitarbeiter von Frühfördereinrichtungen
(z. B. Kindergarten der Diakonie) und Kollegen der TUD-eigenen Erziehungswissenschaften
(u. a. aus der Lehrerbildung).
10.3 Statusseminare des BMBF-Projekts
„Sprachsteuerung für Mess- und Prüfgeräte“
Dresden, 05. 03. und 03. 09. 2009
Am 05.03.2009 fand am Fraunhofer IZFP Dresden das 1. Statusseminar des vom BMBF geförderten
Projekts „Sprachsteuerung für Mess- und Prüfgeräte“ statt, dessen Ziel die technische Realisierung
einer möglichst natürlichsprachlichen Kommunikation mit Mess- und Prüfgeräten, speziell eines Ultraschall-Prüfgeräts
der Sinus Messtechnik GmbH sowie eines Mikroohmmeters der Firma Werner Industrielle
Elektronik, ist.
Am Statusseminar nahmen 12 Personen aus folgenden Institutionen teil: VDI Technologiezentrum
GmbH, SINUS Messtechnik GmbH, TU Dresden, Fraunhofer IZFP Dresden, Werner Industrielle Elektronik
Das Treffen hatte die folgende Tagesordnung:
10:00 Begrüßung und Eröffnung
10:10 C. Tschöpe: Planung
10:20 G. Papsdorf: Modifikation Prüfgerät und Sprachdialog Design
10:30 Dr.-Ing. M. Wolff: Arbeitsstand Sprachein- und –ausgabe/Entwurf akustische Nutzerschnittstelle
10:45 F. Duckhorn: Spracherkennung C- und DSP-Portierung
mit Vorführung
10:55 G. Strecha: Algorithmenentwurf Sprachsynthese
mit Vorführung
11:05 Dr.-Ing. D. Joneit: Stand der FPGA-Implementierung und des Rahmenprogramms
(inkl. Hardware-Aufbau und -Test)
mit Vorführung
11:20 Diskussion
im Anschluss: Laborrundgang im Fraunhofer IZFP Dresden
61

62
Wissenschaftliche Veranstaltungen
Am 03.09.2009 fand am Fraunhofer IZFP Dresden das 2. Statusseminar des vom BMBF geförderten
Projekts „Sprachsteuerung für Mess- und Prüfgeräte“ statt.
Am Statusseminar nahmen 10 Personen aus folgenden Institutionen teil: VDI Technologiezentrum
GmbH, SINUS Messtechnik GmbH, TU Dresden, Fraunhofer IZFP Dresden, Werner Industrielle Elektronik
Das Treffen hatte die folgende Tagesordnung:
09:30 Begrüßung und Eröffnung
09:40 C. Tschöpe: Einführung, Projektstand
09:55 Dr.-Ing. D. Joneit: FPGA-Implementierung und Rahmenprogramm
10:10 F. Duckhorn: Akustische Nutzerschnittstelle C- und DSP-Portierung und Optimierung
10:25 G. Strecha: Sprachsynthese C-Portierung
10:40 R. Köhler: Sprachsynthese DSP-Portierung
10:55 G. Papsdorf: Modifikation Prüfgerät, Sprachdialog Design und Testplanung
11:10 T. Werner: Schaltungsentwurf, Umsetzung Schaltung, Fertigung und Aufbau
11:25 Diskussion
10.4 EURONOUNCE-Meetings
in Bratislava, Wehlen und Poznan
Die TU Dresden verantwortete in ihrer Eigenschaft als Konsortialführerin des EU-„Life Long Learning“-Projekts
EURONOUNCE (2007-2009) die Durchführung verschiedener Projekttreffen und bereitete
die fachlichen Arbeitsinhalte entsprechend vor. Folgende Meetings fanden im Berichtszeitraum
2009 statt (Die regionale Organisation erfolgte durch die jeweiligen Projektpartner vor Ort.):
• 17. - 18. Februar: 3. EUN-Meeting, Slovak Academy of Science, Bratislava,
• 3. - 4. Juni: 4. EUN-Meeting, Hotel Wehlen / REZO Computer-Service Dresden,
• 16. - 17. Dezember: 5. EUN-Meeting, Adam Mickiewicz University, Poznan.
Das dritte Meeting in Bratislava konzentrierte auf administrative Planungen und eine kooperative Dokumentenaufbereitung
in Auswertung des EUN-Zwischenberichts 2007-2008. Weiterhin wurden Weiterentwicklungen
der Lernplattform auf prosodischer Auswertungsebene und andere technologische
Zielsetzungen diskutiert. Teilnehmer waren die technischen Entwicklungspartner Slovak Academy of
Science (Bratislava), die Adam Mickiewicz University (Poznan) und die TU Dresden.
Beim vierten Meeting in Wehlen bzw. in Dresden waren neben allen technologischen Partnern auch
die Disseminationspartner, u. a. REZO Computer-Service (Dresden), der Verband sächsischer Bildungsinstitute
(VSBI Leipzig) sowie die Firma Schenck Workshops (Mühlheim) vertreten. Hierbei
standen Fachberichte zu Projektergebnissen sowie Fragen der Ergebnisverwertung / Publizität im
Vordergrund. Außerdem fand eine Schulung zur Inhaltsgenerierung neuer Lektionen mittels Datenbankeditor
statt.
Das fünfte Projekttreffen in Poznan konzentrierte sich auf Maßnahmen zur Erstellung des Abschlussberichts
einschließlich öffentlicher und vertraulicher Projektberichte an den Projektträger EACEA.
Am Rande der Treffen bestand die Möglichkeit zum gemütlichen Erfahrungsaustausch – sowohl bei
gemeinsamen Abendessen als auch bei Stadtrundgängen bzw. einem Besuch der Festung Königstein.

Wissenschaftliche Veranstaltungen
Abbildung 10.4: 4. EUN-Projektmeeting in Wehlen, 03.06.2009
Abbildung 10.5: 5. EUN-Projektmeeting in Poznan, 16.12.2009
63

64
Wissenschaftliche Veranstaltungen
10.5 Japanisch-deutscher Kooperationsworkshop,
Dresden, 8./9. Dezember 2009
In den Jahren 2008/09 entwickelte sich eine neue Kooperation mit dem Japan Advanced Institute of
Scince and Technology (JAIST) in Nomi (Präfektur Ishikawa). Sie begann mit der Ko-Betreuung der
Dissertation Petrick durch Prof. Masashi Unoki, die sehr erfolgreich war und das Bedürfnis erzeugte,
eine engere Zusammenarbeit unserer beiden Einrichtungen anzustreben. Seitens der TU Dresden
befürwortete der Rat der Fakultät Elektrotechnik und Informationstechnik den Abschluss eines Kooperationsvertrages
am 21. 1. 2009.
JAIST ist eine Graduiertenuniversität, führt also kein Grundstudium durch. Es bietet exzellente Bedingungen
für die akademische Qualifizierung. Es besteht aus mehreren „Schools“, wobei unser Partner
die School of Information Science ist. Zwischen dem JAIST und unserer Fakultät wurden am 8. 9.
2009 (JAIST) bzw. 5. 10. 2009 (TUD) die beiden Abkommen
• Agreement of Academic Exchange und
• Agreement of Student Exchange
unterzeichnet. Es geht nun darum, diese Austauschabkommen mit Leben zu erfüllen.
Um diesem Ziel näher zu kommen, fand am 8. und 9. 12. 2009 in Dresden ein Workshop mit den
Professoren Masato Akagi und Masashi Unoki aus der Human Information Processing Group der
School of Information Science statt. Er wurde eingeleitet durch einen öffentlichen Vortrag von Professor
Akagi zum Thema „Voice conversion to add non-linguistic information into speaking voices“, dem
später ein Vortrag von Professor Unoki zum Thema „MTF-based speech dereverberation and denoising“
folgte. Ergänzt wurde dieses Programm durch eine gegenseitige Vorstellung der Institute sowie
durch drei Fachvorträge von Dresdener Doktoranden.
In den intensiven Gesprächen erfolgte die Identifikation möglicher Kooperationsthemen. Die Diskussion
soll im März 2010 bei einem zweiten Treffen, dann am JAIST, fortgesetzt werden.
Abbildung 10.6: Prof. Unoki und Prof. Akagi

Wissenschaftliche Veranstaltungen
10.6 ECESS-Treffen,
Dresden, 18. - 19. Juni 2009
Das 13. Treffen des „European Center of Excellence in Speech Synthesis“ (ECESS) fand Mitte Juni in
Dresden statt. An diesem Treffen nahmen teil:
• Universität Bonn
• University of Maribor
• Ludwigs-Maximilian-Universität, München
• University of the Basque Country, Bilbao, Spanien
• University of Vigo, Spanien
• Universität Bochum
• SVOX Deutschland GmbH
Nach der Begrüßung der Teilnehmer durch Professor Hoffmann (TUD) wurde in der Generalversammlung
über das weitere Vorgehen innerhalb des Konsortiums gesprochen. Anschließend daran fanden
die Beratungen der Colleges „Sprachdatenbanken“, „Tools“ und „Module und Systeme“ statt. Hier
wurden jeweils die Ergebnisse der Aufgaben überprüft, die während des vorhergehenden Treffens im
Januar 2009 in München festgelegt wurden.
Die Agenda im College „Tools“ umfasste die Evaluation von Verfahren für die Segmentierung von
Sprachdatenbanken, die Vorgehensweise zur prosodischen Annotation und die Aktivitäten auf dem
Gebiet der Sprechercharakterisierung. Das College „Sprachdatenbanken“ diskutierte über die Erstellung
weiterer Wissensquellen wie Lexika oder prosodisch annotierter Texte, welche für die Entwicklung
der einzelnen Module nötig sind.
Im College „Module und Systeme“ wurde über den Status der Module gesprochen, die innerhalb der
TTS-Systeme der einzelnen Partner für die Standard-Sprache Englisch entwickeln worden sind. Ergebnis
der Sitzung sind die Vorbereitung und Durchführung der Evaluation. Das an der Universität in
Maribor entwickelte „Remote Evaluation System“ (RES) wurde bei mehreren Partnern erfolgreich
installiert und getestet und eine erste Evaluation der Module für die Vorverarbeitung wurde durchgeführt.
Weitere Schritte sind geplant, um auch die Module für die Prosodiegenerierung und die akustische
Synthese zu testen. Dafür müssen noch die entsprechenden Spezifikationen erarbeitet werden.
Zudem werden TTS-Systeme für die Landessprache der jeweiligen Partner entwickelt.
10.7 Statusseminare des Projektes "Untersuchung des Einsatzes
von Verfahren zur Analyse zeitlicher Verläufe bei der Extraktion
perzeptueller musikalischer Attribute",
Dresden, 12. 05. und 03. 07. 2009
Zusammen mit dem Projektpartner der mufin GmbH fanden mehrere Statusseminare im Jahre 2009
statt. Die Treffen am 12.05. und 03.07. zum einen an unserem Institut und zum anderen bei der Firma
mufin GmbH waren Bestandteil und Abschluss der einführenden Studie[Verweis Wolff 2009]. Die
Ergebnisse, welche die prinzipiellen Möglichkeiten der Zusammenarbeit darlegten, wurden präsentiert.
Bei beiden Treffen waren D. Schönfuß, Dr. M. Eichner und T. Herberger von der mufin GmbH
sowie Prof. R. Hoffmann, Dr. M. Eichner und S. Hübler von unserem Institut anwesend.
Für die weitere Zusammenarbeit wurde ein intensiver Austausch über den jeweils aktuellen Forschungsstand
vereinbart. Nach Abschluss der Studie wurden diesbezügliche fortlaufende Gespräche
14tägig mit sieben Telefonaten und vier weiteren Treffen realisiert. Dabei waren D.Schönfuß und Dr.
M. Eichner von der mufin GmbH und S. Hübler als verantwortlicher wissenschaftlicher Mitarbeiter
des Instituts regelmäßig beteiligt. Ergebnisse sind in dem ersten Zwischenbericht zu entnehmen.
65

66
Wissenschaftliche Veranstaltungen
10.8 Tschechisch-deutscher Kooperationsworkshop,
Dresden, 14. – 21. November 2009
Zwischen unserem Institut und den Prager Partnereinrichtungen der Akademie der Wissenschaften
und der Karlsuniversität bestehen langjährig enge Beziehungen, zu deren Pflege der regelmäßig in
Prag stattfindende tschechisch-deutsche Workshop „Speech Processing“ dient. Im Berichtsjahr wurde
er ergänzt durch einen Arbeitsbesuch der Leitung des Phonetischen Instituts der Karlsuniversität
Prag an unserem Institut. Wir konnten den Direktor des Instituts, Herrn doc. PhDr. Jan Volín, Ph.D.,
und den Geschäftsführer des Instituts, Mgr. Radek Skarnitzl, Ph.D., in Dresden begrüßen. Folgender
Arbeitsplan wurde absolviert:
16. 11. Meeting at Institute of Acoustics and Speech Communication
• Information about ongoing research activities
• Exchange of information about available data bases and technological solutions for
planning a first proposal
• Discussion about perspectives of future co-operation
17. 11. Demonstration of the AzAR3.0 pronunciation tutoring system, discussion about perspectives
in development of language tutoring applications
19. 11. (1) Visit at TU Dresden Foreign Languages Department (Lehrzentrum Sprachen und Kulturen),
demonstration of learning software and eLearning applications, discussions with
foreign language teachers
(2) Meeting with colleagues from Institute of German Studies and Institute of Slavonic
studies, discussion about co-operation in the fields of linguistic research and teaching,
participation in exchange programs etc.
20. 11. Meeting at TU Dresden’s European Project Centre, information about financial support
of planned co-operations within European programmes
Außerdem wurde die Zeit genutzt, einen abgestimmten Projektantrag im Rahmen des EU-
Förderprogramms Eurocores/EuroUnderstanding vorzubereiten. Das Projekt zielt dabei auf die Entwicklung
und Realisierung eines Experimentiersystems zur Signalmanipulation und –resynthese von
Lernersprache. Besonders ist hervorzuheben, dass dieses Vorhaben auf eine längerfristige Zusammenarbeit
gerichtet ist und die Einbindung weiterer Partner aus dem sprachwissenschaftlichen Bereich
vorsieht.
10.9 Wissenschaftliche Veranstaltungen zur
Lautsprecherforschung
In den folgenden Abschnitten sind die wissenschaftlichen Veranstaltungen zusammengestellt, die in
Verantwortung der Honorarprofessur Elektroakustik (Prof. Dr. Klippel) angeboten wurden.
10.9.1 Weiterbildungsveranstaltung „Assessment of Signal
Distortion in Audio Systems“, Dresden, 5. – 7. 11. 2009
Eine umfangreiche, englischsprachige Veranstaltung zur Bewertung von Signalverzerrungen in Audiosystemen
wurde zugleich für die Weiterbildung sowie als Blockveranstaltung für die Studierenden
angeboten. Als Schwerpunkt und praktisches Beispiel diente die Schallreproduktion im Automobil.
Dieses Thema fand ein breites Interesse bei mehr als 80 Teilnehmern aus dem In- und Ausland. Die
Studenten des Institutes und andere Teilnehmer aus der Industrie stellten in einer kleinen Ausstellung
im Rahmen einer gemeinsamen Abendveranstaltung neue Ideen und Entwicklungen vor. Dieses gesellige
Zusammensein und die Pausen zwischen den Vorlesungseinheiten boten vielfältige Gelegenheiten
Kontakte zu knüpfen und technische Probleme zu diskutieren.

Wissenschaftliche Veranstaltungen
10.9.2 Gastvorlesung in Taiwan
Im Rahmen einer Gastprofessur von Prof. Klippel am elektroakustischen Institut der Feng Chia Universität,
Taichung (Taiwan), wurde eine dreitägige Vorlesungsreihe zum Thema “Big sound from small
speakers” gehalten, woran auch Ingenieure aus der taiwanesischen Industrie teilnahmen. Prof. Huang,
der Leiter des elektroakustischen Institutes und Dekan der elektrischen Fakultät an der Feng
Chia Universität, ist an einer stärkeren Kooperation mit dem IAS interessiert und möchte die organisatorischen
Voraussetzungen für einen Studentenaustausch zwischen beiden Hochschulen schaffen.
10.9.3 ALMA Symposium auf der Prolight + Sound
Prof. Klippel organisierte als verantwortlicher Chairman das wissenschaftliche Tagungsprogramm des
ersten europäischen ALMA Symposiums zum Thema “Loudspeaker Design – Science and Art”,
das im Rahmen der Prolight + Sound (Musikmesse) am 4. April 2009 in Frankfurt/ Main stattfand.
10.9.4 Weitere Schulungen, öffentliche Workshops und Seminare
Im Anschluss an die AES Convention wurde von Dr. Christopher Struck von CJS Labs und Prof. Klippel
ein gemeinsames Seminar zum Thema “Loudspeaker Performance: Measurements, Analysis &
Diagnostics” vom 13. – 14. Oktober 2009 in New York durchgeführt.
Die notwendigen Reisen nach China und Taiwan nutzte Prof. Klippel für Vorträge zu ausgewählten
Themen der Elektroakustik. Die eintägigen öffentlichen Seminare fanden in wichtigen chinesischen
Industriezentren (Shenzhen, Guangzhou, Jiashan ZheJaing, Shanghai und Beijing) statt und wurden
sowohl von chinesischen als auch westlichen Ingenieuren aus der Audioindustrie zur Weiterbildung
genutzt.
67

11 Reisen
68
Reisen
Dipl.-Ing Jokisch Meeting European Center of Excellence in Speech
Synthesis
München
Prof. Hoffmann
Dr. Wolff
Dipl.-Slaw. Jäckel
Dipl.-Ing. Jokisch
Dr. Ding
Dipl.-Ing.Jokisch
Dipl.-Slaw. Jäckel
Dr.-Ing. Wolff
Dipl.-Inf. Tschöpe
Projektgespräche Universität Halle, Seminar für
Sprechwissenschaft und Phonetik
Halle
Bildungsmesse DIDACTA
Hannover
Projektmeeting LLP/EURONOUNCE
Bratislava
Projektbesprechung WEPA Papierfabrik Sachsen
GmbH
Kriebethal
Dipl.-Ing. Richter Beratung mit Projektpartner Microtech Gefell GmbH
Gefell
H.Granich
Dipl.-Wirtsch.-Ing.
Homuth
Messeteilnahme CeBit
Hannover
Prof. Hoffmann Verteidigung Dissertation Dipl.-Ing. Römer,
TU München
Treffen zur Geschichte der Mediendidaktik
Herr Simons
Kirchheim bei München
Prof. Hoffmann Programmkomittee ESSV
Berlin
Prof. Hoffmann
Prof. Mehnert
PD Dr.-Ing. Kordon
Dr.-Ing. Wolff
Dipl.-Ing. Kürbis
Konsultationen am Institut für Phonetik
Amsterdam
Projektberatung SEBA KMT
Radeburg
Dipl.-Ing.Feher COST 2102 International School on Multimodal Signals:
Cognitive and Algorithmic Issues
Dublin
Prof. Hoffmann
Prof. Mehnert
Dipl.-Ing. Richter
Prof. Hoffmann
Dipl.-Ing. Duckhorn
NAG/DAGA 2009, International Conference on
Acoustics
Rotterdam
2nd One Day Meeting on Unified Models for Speech
Recognition
University of Birmingham
22.01. - 23.01.2009
06.02.2009
10.02. - 14.02.2009
17.02. - 18.02.2009
25.02.09
25.02. - 26.02.2009
04.03. - 05.03.2009
10.03. - 11.03.2009
12.03.2009
19.03. - 23.03.2009
20.03.2009
22.03. - 28.03.2009
23.03. - 26.03.2009
30.03.2009

Reisen
Prof. Hoffmann CVHI – Conference and Workshop on Assistive
Technologies for Vision and Hearing Impairment
Wroclaw
Prof. Hoffmann Professorium der Fakultät Elektrotechnik und Informationstechnik
Frauenstein
Dipl.-Ing. Richter Beratung zu Digitalmikrofonen
Hochschule Merseburg (FH)
Merseburg
Prof. Hoffmann Vorstandssitzung An-Institut IfM Zwota
Oelsnitz/Vogtland
Dipl.-Slaw. Jäckel Konsulation zu EURONOUNCE
Institut für Slawistik der Humboldt-Universität
Berlin
Prof. Hoffmann
Dipl.-Ing. Jokisch
Dipl.-Slaw. Jäckel
EURONOUNCE-Meeting
Wehlen
Prof. Hoffmann Jahresabsprache Willkomm-Stiftung
Rödermark-Waldacker
Dipl.-Ing. Jokisch LMU Meeting und HAPS-Geräte
München
Dr. Hain
Kooperation Aufbereitung von Datenbanken mit Kin-
Dipl.-Ing. Jokisch dersprache
Dipl.-Ing. Petrick Erlangen
Prof. Hoffmann
Dipl-Ing. Jokisch
Dipl.-Ing. Petrick
13th International Conference on Speech and Computer
(SPECOM)/Arbeitstreffen EURONOUNCE
St. Petersburg
Prof. Hoffmann ERS-Workshop „Maschinendiagnose- Grundlagen,
Konzepte, Visionen“
Aachen
Prof. Hoffmann Vortrag Arbeitsgruppe Geschichte der Otologie und
Literarischer Arbeitskreis Borkum,
Borkum
Prof. Hoffmann Berufungskommission Kommunikationstechnik
Cottbus
Prof. Hoffmann Programmkomitee ESSV
Berlin
Dr. Ma Programm der Humboldt-Stiftung
Deutschlandrundreise
Prof. Hoffmann Besuch FH Zwickau und
Vorstandsstitzung An-Institut IfM Zwota
Zwota
21.04. - 23.04.2009
24.04. – 25.04.2009
27.04.2009
13.05.2009
15.05.2009
03.06. - 04.06.2009
09.06. -10.06.2009
10.06.2009
15.06.2009
21.06. - 26.06.2009
07.07. - 09.07.2009
16.07.2009
04.08.2009
11.08.2009
17.08. - 29.08.2009
20.08.2009
69

Prof. Hoffmann
Dr. Ma
MSc. Gamboa
Dipl.-Ing. Jokisch
Dipl.-Ing. Strecha
Dipl.-Ing. Wittenberg
70
Reisen
INTERSPEECH - 10th Annunal Conference of the
International Speech Communication Association
(ISCA)
Brighton, UK
Dipl.-Ing. Jokisch 2nd ISCA--Workshop on Speech and Language
Technology in Education
Wroxall Abbey Estate UK
Dr.-Ing. Hain
Dipl.-Ing. Petrick
Workshop Analog Devices
Berlin
Prof. Hoffmann International conference on boimetric ID Management
and Multimodal Communication/COST 2102
Management Committee Meeting
Madrid
Dipl.-Ing. Jokisch CALL-Pojekt (Kooperation L1CN-L2DE, Prof. Mixdorf)
Beijing, Hefei, Shanghai
Prof. Hoffmann
PD Dr.-Ing. Kordon
Dipl.-Slaw. Jäckel
Dipl.-Ing. Petrick
Dipl.-Ing. Richter
19th Czech-German Workshop on Speech Processing
Prague
Prof. Hoffmann Berufungskommission Kommunikationstechnik
Cottbus
Dipl.-Med.-wirt
Matthes
Dr. Wolff
Dipl.-Inf. Tschöpe
Prof. Mehnert
Prof. Hoffmann
Dr. Dietzel
Messebesuch modell-hobby-spiel
Leipzig
Projekttreffen SSMG
Leipzig
Arbeitsbesuch Musée Marey,
Beaune-Bourgogne und
Musée Claude Bernard,
Saint Julien en Baujolais
Dipl.-Ing. Jokisch Sitzung Pro Ideenfond - Dr. Milde/H. Stoss (V2C)
Hamburg
Prof. Hoffmann Berufungskommission Kommunikationstechnik
Cottbus
PD Dr. Kordon 1. Potsdamer Sounddesignforum
Potsdam
Dr. Wolff
Dipl.-Inf. Tschöpe
IEEE SENSORS Conference
Christchurch, Neuseeland
Prof. Hoffmann Verleihung Johann-Philipp-Reis-Preis (Laudator)
Gelnhausen
06.09. - 10.09.2009
02.09. - 10.09.2009
09.09.2009
16.09. - 19.09.2009
24.09. - 05.10.2009
29.09. – 01.10.2009
01.10.- 02.10.2009
03.10.2009
05.10.2009
05.10. - 10.10.2009
08.10. - 09.10.2009
14.10. - 15.10.2009
14.10. - 15.10.2009
23.10. - 28.11.2009
29.10.2009

Reisen
Prof. Hoffmann Besuch Prof. Wolf Universität Frankfurt
Frankfurt
Dr.-Ing. Hain
Dipl.-Ing. Jokisch
2nd Workshop on Child, Computer and Interaction
Cambridge,MA (USA)
Besuch Fa. SpeechCycle
New York, USA
Prof. Hoffmann Mitgliederversammlung An-Institut IfM Zwota
Zwota
Dipl.-Ing. Jokisch CALL-Projekt (Kooperation L1JP-L2DE. Prof. Mixdorff)
Tokio, Kobe, Ishikawa
Dr. Hain
Dr. Petrick
Dipl.-Med.-wirt
Matthes
Seminar "Gründerpersönlichkeit" von EXIST
Kienbaum GmbH
Magdeburg
Frau Wrann Seminar AVS „Kommunikation und Sekretariatsarbeit
im Vorzimmer“
Prof. Hoffmann Physikalisches Kolloquium Goethe-Universität
Frankfurt/Main
Dipl.-Ing. Jokisch
Dipl.-Slaw. Jäckel
EURONOUNCE-Projektmeeting
Poznan
30.10.2009
01.11. - 08.11.2009
13.11.2009
17.11. - 25.11.2009
17.11.2009
23.11. - 25.11.2009
02.12. - 03.12.2009
16.12. - 17.12.2009
71

72
Aktivitäten in der wissenschaftlichen Gemeinschaft
12 Aktivitäten in der wissenschaftlichen Gemeinschaft
12.1 Akademische Selbstverwaltung
Prof. Dr.-Ing. habil. R. Hoffmann
- Mitglied des Rates der Fakultät Elektrotechnik und Informationstechnik
- Mitglied der Strukturkommission der Fakultät Elektrotechnik und Informationstechnik
Dipl.-Ing. M. Kortke
- Mitglied der Schwerbehindertenvertretung der TU Dresden als Stellvertreter der Vertrauensperson
12.2 Mitarbeit in Gremien
Prof. Dr.-Ing. habil. R. Hoffmann
- Mitglied von IEEE, ITG, ISCA, DHV
- Vorsitzender des ITG-Fachausschusses 4.4 "Sprachverarbeitung“
- Mitglied der ISCA Special Interest Group „Speech Synthesis“ (SynSIG)
- Mitglied des Landesausschusses der U.R.S.I., Kommission C (Signals and Systems)
- Gutachter in den Programmen des BMBF zur Förderung der Forschung an Fachhochschulen
- Reviewer für das Zentralblatt für Mathematik
- Gründungsmitglied des ECESS (European Center of Excellence in Speech Synthesis)
- Mitglied des Management Committee der Aktion COST 2102
- Mitglied des Vorstandes des Vogtländischen Fördervereins für Musikinstrumentenbau und Innovation
e.V.
- Mitglied des Client Advisory Board, Kongress-Marketing Dresden
PD Dr.-Ing. U. Kordon
- Mitglied ITG-Fachausschuss 4.3 „Sprachakustik“
12.3 Mitarbeit in Programmkomitees
Prof. Dr.-Ing. habil. R. Hoffmann
- CVHI 2009, Conference and Workshop on Assistive Technologies for People with Vision and Hearing
Impairments, Wroclaw 20. - 23. 4. 2009 (Mitglied Scientific Organising Committee)
- SPECOM 2009, 13th International Conference Speech and Computer, St. Petersburg 21. - 25. 6.
2009 (Mitglied International Scientific Committee)
- BioID_MultiComm, Joint International Conference on Biometric ID Management and Multimodal
Communication, Madrid 16. - 18. 9. 2009 (Mitglied Scientific Committee)
- ESSV 2009, 20. Konferenz Elektronische Sprachsignalverarbeitung, Dresden 21. - 24. 9. 2009
(Wiss. Tagungsleitung)
- TAT 2009, IASTED International Conference on Telehealth and Assistive Technology, Cambridge,
MA, 4. - 6. 11. 2009 (Member International Program Committee)

Die letzte Seite
Ende April 2009 hatte unsere historische Sammlung außergewöhnlichen Besuch: Der bekannte Dresdener
Kabarettist Olaf Schubert (im Bild links) besuchte die Sammlung mit seinem Produzenten Martin
Fischer und dem Fotografen Volker Dietzel, um Fotos für das Booklet seiner neuen CD „Komplette
Fragmente – Schon wieder 17 Hördialoge“ anzufertigen. Die nicht ganz ernst gemeinten Bilder sollen
optisch die Frage beantworten, wie eigentlich ein Hördialog entsteht.
Olaf Schubert ist übrigens Gewinner des Deutschen Kleinkunstpreises 2009 in der Sparte Kleinkunst,
der ihm am 21. Februar 2010 in Mainz verliehen wurde. Wir gratulieren.
73