Technische Universität Braunschweig
  • Studium & Lehre
    • Vor dem Studium
      • Informationen für Studieninteressierte
      • Studiengänge von A-Z
      • Bewerbung
      • Fit4TU - Self-Assessment
      • Beratungsangebote für Studieninteressierte
      • Warum Braunschweig?
    • Im Studium
      • Erstsemester-Hub
      • Semestertermine
      • Lehrveranstaltungen
      • Studien-ABC
      • Studienorganisation
      • Beratungsnavi
      • Zusatzqualifikationen
      • Finanzierung und Kosten
      • Besondere Studienbedingungen
      • Gesundheit & Wohlbefinden
      • Campusleben
    • Nach dem Studium
      • Exmatrikulation und Vorlegalisation
      • Nach dem Abschluss
      • Alumni*ae
    • Strategien und Qualitätsmanagement
      • Qualitätsmanagement
      • Systemakkreditierung
      • Studienqualitätsmittel
      • TU Lehrpreis
    • Für Lehrende
      • Informationen für Lehrende
      • Konzepte
      • Lernmanagementsystem Stud.IP
    • Kontakt
      • Studienservice-Center
      • Sag's uns - in Studium und Lehre
      • Zentrale Studienberatung
      • Immatrikulationsamt
      • Abteilung 16 - Studium und Lehre
      • Career Service
      • Projekthaus
  • Forschung
    • Forschungsprofil
      • Forschungsschwerpunkte
      • Exzellenzcluster der TU Braunschweig
      • Forschungsprojekte
      • Forschungszentren
      • Forschungsprofile der Professuren
    • Frühe Karrierephase
      • Förderung in den frühen Phasen der wissenschaftlichen Karriere
      • Promotion
      • Postdocs
      • Nachwuchsgruppenleitung
      • Junior Professur und Tenure-Track
      • Habilitation
      • Service-Angebote für Wissenschaftler*innen
    • Forschungsdaten & Transparenz
      • Transparenz in der Forschung
      • Forschungsdaten
      • Open Access Strategie
      • Digitale Forschungsanzeige
    • Forschungsförderung
      • Netzwerk Forschungsförderung
      • Datenbanken und Stiftungen
    • Kontakt
      • Forschungsservice
      • Graduiertenakademie
  • International
    • Internationale Studierende
      • Warum Braunschweig?
      • Studium mit Abschluss
      • Austauschstudium
      • TU Braunschweig Summer School
      • Geflüchtete
      • International Student Support
      • International Career Service
    • Wege ins Ausland
      • Studium im Ausland
      • Praktikum im Ausland
      • Lehren und Forschen im Ausland
      • Arbeiten im Ausland
    • Internationale Forschende
      • Welcome Support for International Researchers
      • Service für gastgebende Einrichtungen
    • Sprachen und interkulturelle Kompetenzvermittlung
      • Deutsch lernen
      • Fremdsprachen lernen
      • Interkulturelle Kompetenzvermittlung
    • Internationales Profil
      • Internationalisierung
      • Internationale Kooperationen
      • Strategische Partnerschaften
      • Internationale Netzwerke
    • International House
      • Wir über uns
      • Kontakt & Sprechstunden
      • Aktuelles und Termine
      • International Days
      • 5. Studentische Konferenz: Internationalisierung der Hochschulen
      • Newsletter, Podcast & Videos
      • Stellenausschreibungen
  • Die TU Braunschweig
    • Unser Profil
      • Ziele & Werte
      • Ordnungen und Leitlinien
      • Allianzen & Partner
      • Hochschulentwicklung 2030
      • Internationale Strategie
      • Fakten & Zahlen
      • Unsere Geschichte
    • Karriere
      • Arbeiten an der TU
      • Stellenmarkt
      • Berufsausbildung an der TU
    • Wirtschaft & Unternehmen
      • Unternehmensgründung
      • Freunde & Förderer
    • Öffentlichkeit
      • Veranstaltungskalender
      • Check-in für Schüler*innen
      • Hochschulinformationstag (HIT)
      • CampusXperience
      • Kinder-Uni
      • Das Studierendenhaus
      • Gasthörer*innen & Senior*innenstudium
      • Nutzung der Universitätsbibliothek
    • Presse & Kommunikation
      • Stabsstelle Presse und Kommunikation
      • Medienservice
      • Ansprechpartner*innen
      • Tipps für Wissenschaftler*innen
      • Themen und Stories
    • Kontakt
      • Allgemeiner Kontakt
      • Anreise
      • Für Hinweisgeber
  • Struktur
    • Leitung & Verwaltung
      • Das Präsidium
      • Stabsstellen
      • Verwaltung
      • Organe, Statusgruppen und Kommissionen
    • Fakultäten
      • Carl-Friedrich-Gauß-Fakultät
      • Fakultät für Lebenswissenschaften
      • Fakultät Architektur, Bauingenieurwesen und Umweltwissenschaften
      • Fakultät für Maschinenbau
      • Fakultät für Elektrotechnik, Informationstechnik, Physik
      • Fakultät für Geistes- und Erziehungswissenschaften
    • Institute
      • Institute von A-Z
    • Einrichtungen
      • Universitätsbibliothek
      • Gauß-IT-Zentrum
      • Zentrale Personalentwicklung
      • International House
      • Projekthaus
      • Transferservice
      • Hochschulsportzentrum
      • Einrichtungen von A-Z
    • Studierendenschaft
      • Studierendenparlament
      • Fachschaften
      • Studentische Wahlen
    • Lehrer*innenbildung
      • Lehrer*innenfortbildung
      • Forschung
    • Chancengleichheit
      • Gleichstellung
      • Familie
      • Diversität
    • Kontakt
      • Personensuche
  • Suche
  • Schnellzugriff
    • Personensuche
    • Webmail
    • cloud.TU Braunschweig
    • Messenger
    • Mensa
    • TUconnect (Studierendenportal)
    • Lehrveranstaltungen
    • Im Notfall
    • Stud.IP
    • UB Katalog
    • Status GITZ-Dienste
    • Störungsmeldung GB3
    • IT Dienste
    • Informationsportal (Beschäftigte)
    • Beratungsnavi
    • Linksammlung
    • DE
    • EN
    • Instagram
    • YouTube
    • LinkedIn
    • Mastodon
    • Bluesky
Menü
  • Struktur
  • Fakultäten
  • Fakultät für Elektrotechnik, Informationstechnik, Physik
  • Institute
  • Institut für Nachrichtentechnik
  • Das Institut
  • Abteilung Signalverarbeitung und Machine Learning
Logo Institut für Nachrichtentechnik der TU Braunschweig
Ernst Seidel, M.Sc.
  • Abteilung Signalverarbeitung und Machine Learning
    • Prof. Dr.-Ing. Tim Fingscheidt
    • Prof. a.D. Dr.-Ing. Erwin Paulus
    • Akad. Direktor a.D. Dr.-Ing. Volker Märgner
    • Tanja Kaib
    • Alina Schimpf, B.Sc.
    • Timo Bartels, M.Sc.
    • Yihui Fu, M. Eng.
    • Zhengyang Li, M.Sc.
    • Björn Möller, Dipl.-Wirt.-Inf.
    • Thomas Graave, M. Sc.
    • Miguel Kabus, M.Sc.
    • Marvin Sach, M.Sc.
    • Ernst Seidel, M.Sc.
    • Renzheng Shi, M.Sc.
    • Malte Stelzer, M.Sc.
    • Patrick Blumenberg, M.Sc.
    • Haljan Lugo Girao, M.Sc.
    • ⤶ Das Institut
    • ⌂ IfN

Ernst Seidel, M.Sc.

Visitenkarte

Ernst Seidel

M.Sc.
Institut für Nachrichtentechnik
Technische Universität Braunschweig
Schleinitzstraße 22 (Raum 304)
38106 Braunschweig

ernst.seidel@tu-braunschweig.de
Tel.: +49 (0) 531 391 - 2441
Fax: +49 (0) 531 391 - 8218

Foto von Ernst Seidel

Offene studentische Arbeiten

DNN-gestützte akustische Stereokanal-Echokompensation

Art der studentischen Arbeit: Masterarbeit

Betreuer: Ernst Seidel

Abteilung: Signalverarbeitung und Machine Learning

Das Gebiet der akustischen Echokompensation (AEC) ist ein weithin erforschtes Thema. Ein besonderes Anwendungsgebiet, welches am Institut für Nachrichtentechnik erforscht wird, ist die Verwendung von klassischen Kalman-Filtern für die AEC in Stereokanälen. Kalman-Filter-Modelle sind in der Erhaltung der Near-end Sprachqualität ungeschlagen, verfügen aber nicht über die effektive Echounterdrückung anderer Ansätze. Da sich neuronale Netze in den letzten Jahren in der AEC bewährt haben, möchten wir ihre Anwendung als Postfilter (PF) für diese klassischen Kalman-Filter-Modelle untersuchen.

Voraussetzungen:
- Erfahrung mit der Programmierung mit Python und MATLAB
- Besuch der Vorlesung Mustererkennung und Grundlagen der Digitalen Signalverarbeitung oder vergleichbare Vorkenntnisse
- Vorkenntnisse im Bereich Sprachkommunikation (z.B. durch Besuch der instituts-eigenen Vorlesung)



Niedrig-latente tiefe adaptive Filter

Art der studentischen Arbeit: Masterarbeit

Betreuer: Ernst Seidel

Abteilung: Signalverarbeitung und Machine Learning

Sprachsignalverbesserung, wie Echokompensation oder Rauschunterdrückung, ist ein weiterforschtes Feld mit zahllosen praktischen Anwendungsfeldern. Solche Aufgaben erfordern oft schnelle Modelle mit geringem Rechenaufwand, um für kommerzielle Anwendungen geeignet zu sein. Zusätzlich dazu ist es für einige Bereiche wie etwa den Einsatz in Hörgeräten notwendig, die verursachte Latenz möglichst gering zu halten, um eine merkliche Verzögerung zwischen Gesehenem und Gehörtem zu vermeiden.
Am Institut für Nachrichtentechnik wird das Thema Sprachsignalverbesserung seit Jahren beforscht. Üblicherweise sind unsere Netze für den Betrieb unter weitaus weniger strengen Latenzkriterien ausgelegt und daher möglicherweise überhaupt nicht auf niedriglatente Anwendungen übertragbar. Daher wird es Teil dieser Arbeit sein, neben der Adaption bestehender Lösungen auch einen neuen Ansatz zu untersuchen. Dieser soll Koeffizienten eines simplen Zeitbereichsfilters mittels eines neuronalen Netzwerks schätzen.

Ziel dieser Arbeit ist die Schaffung eines Sprachsignalverbesserungssystems mit geringer Latenz und Komplexität. Abseits der Adaption existierender hochlatenter Modelle beinhaltet dies auch Forschung an völlig neuen Ansätzen, wodurch ein gewisses Maß an Literaturrecherche und Grundlagenforschung zu erwarten ist.

Voraussetzungen:
- Erfahrung mit der Programmierung mit Python und MATLAB
- Besuch der Vorlesung Mustererkennung und Grundlagen der Digitalen Signalverarbeitung oder vergleichbare Vorkenntnisse
- Vorkenntnisse im Bereich Sprachkommunikation (z.B. durch Besuch der instituts-eigenen Vorlesung)



Nutzergesteuerte maschinengelernte akustische Echokompensation

Art der studentischen Arbeit: Masterarbeit

Betreuer: Ernst Seidel

Abteilung: Signalverarbeitung und Machine Learning

In den letzten Jahren haben tiefe neuronale Netze (DNNs) immer mehr Erfolg im Bereich der akustischen Echounterdrückung erlangt. Derartige Modelle werden jedoch in der Regel offline trainiert und bieten keine Möglichkeit, die Aggressivität der Echounterdrückung während der Inferenz zu steuern. Da der gewünschte Kompromiss zwischen der Echounterdrückung und der Qualität des verbleibenden Near-end-Signals für jeden Benutzer unterschiedlich sein kann, soll eine solche Online-Kontrollfunktionen geschaffen werden.

Voraussetzungen:
- Erfahrung mit der Programmierung mit Python und MATLAB
- Besuch der Vorlesung Mustererkennung und Grundlagen der Digitalen Signalverarbeitung oder vergleichbare Vorkenntnisse
- Vorkenntnisse im Bereich Sprachkommunikation (z.B. durch Besuch der instituts-eigenen Vorlesung)

Lebenslauf

Zeit (raum) Lebenslauf
1995 geboren in Quedlinburg
seit 01/21 Wissenschaftlicher Mitarbeiter am IfN
Ausbildung:  
2018 - 2020 Masterstudium der Elektrotechnik, Schwerpunkt Kommunikationstechnik an der TU Braunschweig
2014 - 2018 Bachelorstudium der Elektrotechnik, Schwerpunkt Kommunikationstechnik an der TU Braunschweig
2014 Allgemeine Hochschulreife am GutsMuths-Gymnasium Quedlinburg
Sonstige Tätigkeiten:  
10/20 - 12/20  Industriepraktikum bei Cerence, Inc. in Ulm
01/19 - 12/19  Studentische Hilfskraft am IfN
09/18 - 12/18  Industriepraktikum bei Far Field Sound Corporation in Tokyo
Interessen: Fotografie
Bildnachweise dieser Seite

Für alle

Stellen der TU Braunschweig
Jobbörse des Career Service
Merchandising
Sponsoring- & Spendenleistungen
Drittmittelgeförderte Forschungsprojekte
Vertrauenspersonen für Hinweisgeber

Für Studierende

Semestertermine
Lehrveranstaltungen
Studiengänge von A-Z
Informationen für Erstsemester
TUCard

Interne Tools

Status GITZ-Dienste
Handbuch für TYPO3 (Intern)
Corporate Design-Toolbox (Intern)
Glossar (DE-EN)
Meine Daten ändern
Hochschulöffentliche Bekanntmachungen

Kontakt

Technische Universität Braunschweig
Universitätsplatz 2
38106 Braunschweig
Postfach: 38092 Braunschweig
Telefon: +49 (0) 531 391-0

Anreise

© Technische Universität Braunschweig
Impressum Datenschutz Barrierefreiheit

Zur anonymisierten Reichweitenmessung nutzt die TU Braunschweig die Software Matomo. Die Daten dienen dazu, das Webangebot zu optimieren.
Weitere Informationen finden Sie in unserer Datenschutzerklärung.