Akustische Simulation von Fahrzeuggeräuschen innerhalb virtueller Umgebungen basierend auf künstlichen neuronalen Netzen (KNN)

Das Entwickeln neuer Produkte ist an viele Vorgaben geknüpft, die z.B. von Seiten des Kunden gemacht werden oder die im Rahmen von Gesetzen existieren. Zu unterschiedlichsten Zeitpunkten im Produktentwicklungsprozess wird deshalb überprüft, ob die gewünschten Produkteigenschaften erreicht werden. Hierfür ist es notwendig, Modelle bzw. Prototypen zu bauen. Dies ist oftmals mit gro{\ss}en Kosten und hohem Zeitaufwand verbunden. Virtual Reality (VR) kann eine Möglichkeit bieten, diesen finanziellen und zeitlichen Aufwand zu reduzieren, indem Prototypen virtuell dargestellt werden. So können z.B. Produkte in einer virtuellen Umgebung visualisiert werden, so dass das Aussehen und das visuelle Design bewertet werden können. Ob ein Produkt vom Kunden akzeptiert wird, hängt aber häufig auch von den akustischen Eigenschaften des Produktes ab. Für viele Produkte gibt es darüber hinaus auch gesetzliche Regelungen, die vorschreiben, wie laut das vom Produkt abgestrahlte Geräusch sein darf. So wird es immer wichtiger, VR-Methoden zu entwickeln, mit denen akustische Eigenschaften von Produkten simuliert werden können. Eine besondere Herausforderung stellt hierbei die Simulation von dynamischen Geräuschen dar. ... mehrDynamisch bedeutet in diesem Zusammenhang, dass das Zeitsignal eines Geräusches nicht linear beschrieben werden kann und keine Periodizität aufweist. Der Begriff dynamisch bezieht sich hierbei auf den Klang des Geräusches, der nicht gleichbleibend ist, sondern ständigen Änderungen unterworfen ist.Im Beitrag wird ein Konzept für die Simulation von dynamischen Fahrzeuggeräuschen vorgestellt. Das Konzept basiert auf dem Einsatz künstlicher neuronaler Netze (KNN). Fahrzeuggeräusche sind abhängig von unterschiedlichen Parametern wie z.B. der Geschwindigkeit, dem Gang oder dem Lastzustand. Unter Berücksichtigung dieser Abhängigkeiten sollen Audioaufnahmen von Fahrzeuggeräuschen angepasst werden. Die Audioaufnahmen wurden in Form von akustischen Messungen an verschiedenen Fahrzeugen und deren Komponenten erstellt. KNNs werden erfolgreich zum Klassifizieren von Bilddaten verwendet und auch für die Audiosignalverarbeitung sind sie geeignet. So werden KNNs zum Beispiel für Spracherkennungstools eingesetzt. Beide Anwendungsfelder basieren auf einer gut funktionierenden Merkmalsextraktion. Das im Beitrag beschriebene KNN wird so trainiert, dass die Merkmalsextraktion vom Netz selbst in unabhängiger und selbstständiger Weise durchgeführt wird, ohne dass Merkmale vorgegeben werden müssen. So kann ermittelt werden, wie viele Merkmale benötigt werden, um Fahrzeuggeräusche hinreichend genau zu beschreiben. Darüber hinaus wird untersucht, wie diese Merkmale aussehen und ob Zusammenhänge mit bestimmten Fahrzeugparametern existieren. Außerdem wird beschrieben, wie solche Netze in ein bestehendes audio-visuelles VR-System integriert werden können.