Diese Dissertation beschreibt die Möglichkeit, akustische Ein-Klassen-Signalbewertungen mithilfe statistischer Vektorfolgenklassifikation durchzuführen, was insbesondere in der Maschinendiagnostik zur Zustandsüberwachung beweglicher Bauteile von Bedeutung ist. Die Notwendigkeit, nur eine Klasse zu verwenden, ergibt sich daraus, dass viele Anwendungen akustische Signale lediglich aus einem Betriebszustand in ausreichender Menge bereitstellen können. Es wird aufgezeigt, dass aus diesen Signalen Merkmale extrahiert werden können, die eine statistische Modellierung der Klasse ermöglichen. Für unbekannte akustische Signale liefert das Verfahren einen Ähnlichkeitswert, der die Zugehörigkeit zur modellierten Klasse anzeigt. Die Klassenmodellierung erfolgt durch mehrdimensionale Verteilungsdichtefunktionen, die aus zahlreichen akustischen Signalen geschätzt werden müssen. Um die Verwaltung dieser Signale zu erleichtern, wird ein Ansatz präsentiert, der jedes Signal als Objekt beschreibt, dem alle relevanten Eigenschaften zugeordnet sind. Allgemeine Strukturbeschreibungen für selbstbeschreibende Dokumente sind definiert, die alle Informationen eines akustischen Signals enthalten und eine automatisch verarbeitbare Struktur aufweisen. Dies verhindert Fehlinterpretationen, besonders beim Austausch zwischen verschiedenen Signalverarbeitungsmodulen. Für den Benutzer bleibt die Les- und Interpretierbarkeit der Daten jederzeit gewährleistet.
