guest ::
001022044 001__ 1022044 001022044 005__ 20260112115543.0 001022044 0247_ $$2HBZ$$aHT031364748 001022044 0247_ $$2Laufende Nummer$$a44753 001022044 0247_ $$2SWB$$aSWB:1936771454 001022044 0247_ $$2datacite_doi$$a10.18154/RWTH-2025-09844 001022044 020__ $$a978-3-8191-0312-4 001022044 020__ $$a9783819103124 001022044 037__ $$aRWTH-2025-09844 001022044 041__ $$aEnglish 001022044 082__ $$a621.3 001022044 1001_ $$0P:(DE-82)IDM05189$$aThieling, Lars-Hendrik$$b0$$urwth 001022044 245__ $$aPhase-Aware spectral speech enhancement using deep learning techniques$$cLars-Hendrik Thieling$$honline, print 001022044 260__ $$aAachen$$bShaker Verlag$$c2025 001022044 260__ $$c2026 001022044 300__ $$ax, 173 Seiten : Illustrationen 001022044 3367_ $$02$$2EndNote$$aThesis 001022044 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd 001022044 3367_ $$0PUB:(DE-HGF)3$$2PUB:(DE-HGF)$$aBook$$mbook 001022044 3367_ $$2BibTeX$$aPHDTHESIS 001022044 3367_ $$2DRIVER$$adoctoralThesis 001022044 3367_ $$2DataCite$$aOutput Types/Dissertation 001022044 3367_ $$2ORCID$$aDISSERTATION 001022044 4900_ $$aAachen series on communication systems$$v7 001022044 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2025$$gFak06$$o2025-05-08 001022044 500__ $$aDruckausgabe: 2025. - Zweitveröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026 001022044 5203_ $$aIm Alltag ist Sprache häufig Hintergrundgeräuschen, Nachhall, Echo oder Paketverlusten ausgesetzt. Diese Störungen beeinträchtigen die Qualität und Verständlichkeit der Sprache und erschweren somit die Kommunikation. Sprachverbesserungsansätze zielen darauf ab, die negativen Auswirkungen dieser Störungen zu verringern, indem sie die wahrgenommene Qualität und Klarheit der Sprache verbessern. Diese Dissertation befasst sich mit dem aufstrebenden Gebiet der phasenbewussten Sprachverbesserung, die herkömmliche amplitudenbasierte Methoden durch die zusätzliche Verarbeitung des oft vernachlässigten Phasenspektrums erweitert. Es werden neuartige Konzepte für Deep-Learning-basierte Ansätze vorgeschlagen und evaluiert, wobei ein besonderer Schwerpunkt auf der Phasenschätzung und ihrer Integration in die Sprachverbesserung liegt. Neben theoretischen Untersuchungen, die das Potenzial der Phasenverarbeitung hervorheben, werden Methoden zur Phasenschätzung mit tiefen neuronalen Netzen vorgestellt und Strategien zur gemeinsamen Optimierung der Amplituden- und Phasenschätzung vorgeschlagen. Objektive Bewertungsmaße und subjektive Hörversuche bestätigen die Wirksamkeit der vorgeschlagenen Ansätze und unterstreichen ihre Relevanz für die nächste Generation von Sprachverbesserungssystemen.$$lger 001022044 520__ $$aIn everyday environments, speech is often degraded by background noise, reverberation, echo, or transmission losses. These distortions reduce quality and intelligibility, impairing communication. Speech enhancement techniques aim to overcome these challenges by improving the perceptual quality and clarity of speech under adverse conditions. This dissertation advances the emerging field of phase-aware speech enhancement, which extends conventional magnitude-based methods by also processing the often-overlooked phase spectrum. Novel concepts for deep learning-based approaches are proposed and evaluated, with a particular focus on phase estimation and its integration into speech enhancement. Beyond theoretical investigations that highlight the potential of phase processing, methods for estimating the phase with deep neural networks are introduced, and strategies for jointly optimizing magnitude and phase estimation are proposed. Objective measures and subjective listening experiments confirm the effectiveness of the proposed approaches, underlining their relevance for the next generation of speech enhancement systems.$$leng 001022044 588__ $$aDataset connected to SWB 001022044 591__ $$aGermany 001022044 653_7 $$adeep learning 001022044 653_7 $$aphase estimation 001022044 653_7 $$aspeech enhancement 001022044 7001_ $$0P:(DE-82)IDM01628$$aJax, Peter$$b1$$eThesis advisor$$urwth 001022044 7001_ $$0P:(DE-82)018197$$aFingscheidt, Tim$$b2$$eThesis advisor 001022044 8564_ $$uhttps://publications.rwth-aachen.de/record/1022044/files/1022044_ZV.pdf$$yOpenAccess 001022044 909CO $$ooai:publications.rwth-aachen.de:1022044$$pdnbdelivery$$pdriver$$pVDB$$popen_access$$popenaire 001022044 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess 001022044 9141_ $$y2025 001022044 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM05189$$aRWTH Aachen$$b0$$kRWTH 001022044 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM01628$$aRWTH Aachen$$b1$$kRWTH 001022044 9201_ $$0I:(DE-82)613310_20140620$$k613310$$lLehrstuhl und Institut für Kommunikationssysteme$$x0 001022044 961__ $$c2026-01-09T08:40:45.029350$$x2025-11-19T16:53:00.949419$$z2026-01-09T08:40:45.029350 001022044 9801_ $$aFullTexts 001022044 980__ $$aI:(DE-82)613310_20140620 001022044 980__ $$aUNRESTRICTED 001022044 980__ $$aVDB 001022044 980__ $$abook 001022044 980__ $$aphd