geluidreconstructie

Geluidreconstructie is het vakgebied dat zich bezighoudt met het herstellen en reconstrueren van een geluidssignaal uit verstoorde, ontbrekende of vervormde opnames. Het valt binnen de bredere disciplines signaalverwerking, akoestiek en audioforensiek. Doel is zo natuurgetrouw mogelijke reconstructie van klank en spraak, rekening houdend met de kenmerken van de opname en de omgeving waar het geluid is vastgelegd.

Methoden omvatten verschillende stappen en technieken. Naast ruisonderdrukking en deconvolutie worden ook dereverberatie (het terugbrengen van nagalm), ontbrekende data-invulling en bronontbinding toegepast. Vaak combineren onderzoekers statistische modellering met algoritmen uit machine learning.

Voorbeeldtechnieken zijn Wiener filtering, spectrale subtractie, blind deconvolutie en blinde bronontbinding, evenals recente deep learning-benaderingen die getrainde modellen gebruiken om de oorspronkelijke audio te reconstrueren. De keuze van methode hangt af van de aard van de opname, de aanwezige storingen en de gewenste kwaliteit.

Toepassingen zijn onder meer forensische geluidreconstructie, restauratie van historische en beschadigde opnames, verbetering van spraak in telecommunicatie en media, en ondersteuning van automatische spraakherkenning in rumoerige omgevingen.

Uitdagingen omvatten onder meer het risico op artefacten bij intensieve reconstructie, onzekerheid over de oorspronkelijke bronkenmerken en de omgeving, en hoge rekenkosten bij complexe modellen. De ontwikkeling wordt gevoed door zowel klassieke signaalverwerking als door data-gedreven benaderingen.

Historisch gezien begonnen basistechnieken met ruisonderdrukking en deconvolutie in de midden tot late 20e eeuw, met toenemende precisie door digitale verwerking. In de afgelopen decennia hebben statistische en machine learning-technieken de mogelijkheden aanzienlijk uitgebreid, met name voor niet-stationaire ruis en blind reconstructie.