Einsatz Neuronaler Netze in der Signalklassifikation

Ursprünglich wurde als Referenzmöglichkeit für Neuronale Signalverarbeitungsmethoden ein Verfahren zur Geräuschklassifikation realisiert, welches durch eine geeignete Vorverarbeitung eine Steigerung der Geschwindigkeit bei gleichzeitiger Verringerung des Aufwandes für das klassifizierende Netz erzielt. Dabei können trotz starker Störung der Signale und großer Varianz der Merkmale verschiedene Geräuschgruppen trainiert und Geräusche gleichartiger Ursache identifiziert werden. Diese Arbeiten werden mittlerweile im Rahmen einer Studie zum Einsatz von Neuronalen Netzen in der Signalklassifikation und Mustererkennung weitergeführt.

Die Arbeiten an der Studie beinhalten Untersuchungen mit unterschiedlichen Topologien Neuronaler Netze. So werden zur Zeit für die Realisierung eines Verifikationsalgorithmus klassische Feed-Forward-Netze und Self-Organizing-Maps untersucht. Das die Studie betreffende und mehrere dislozierte Sensoren enthaltende Szenario führte zu Überlegungen, eine verlustbehaftete Datenkompression auf der Grundlage der Wavelet-Transformation für die Signalvorverarbeitung einzusetzen. Die speziellen Eigenschaften Neuronaler Netze, auch unter dem Einfluß starker Störungen hinreichend gute Klassifikationsergebnisse liefern zu können, lassen sie  für die Anwendung auf durch Reduktion verzerrte Signale geeignet erscheinen.

Die aus den Untersuchungen gewonnenen Erkenntnisse fließen derzeit direkt in einen Softwareprototypen ein, der für eine Windows-NT Plattform in der Programmiersprache C++ unter Einbeziehung der MFC entwickelt wird.

Über die  Ergebnisse dieser  Arbeit wurde in einigen Veröffentlichungen berichtet. Die Resultate zur Validierung der Leistungsfähigkeit von Neuronalen Verfahren unter harten Randbedingungen flossen dabei in die Dissertation von R. Hein mit dem Titel "Zur Robustheit von Ähnlichkeitsbestimmungen unter verlustbehafteter Datenkompression" ein. Desweiteren wurden Ergebnisse in der Dissertation "HF-Signalklassifikation mit Selbst-Organisierenden Karten" von Dr. K. Fanghänel veröffentlicht.

back