Wissenschaftler
Fachbereich Mathematik
Frame Theory and its Implementation
Sprecher des Teams Maschinelles Lernen
Tel. +43 1 51581-2532
Email: nicki.holighaus(at)oeaw.ac.at
Wissenschaftliche IDs:
ORCID: 0000-0003-3837-2865
Google Scholar: Nicki Holighaus
ResearchGate: researchgate.net/profile/Nicki_Holighaus
Bildung
Nicki Holighaus studierte Mathematik und theoretische Informatik an der Justus–Liebig–Universität zu Gießen, Deutschland. Nach dem Abschluss im Jahr 2010 begann er das Dokrotratsstudium an der Universität Wien, Österreich, dass er im Oktober 2013 mit der Verteidigung seiner Doktorarbeit "Theory and implementation of adaptive time-frequency transforms” erfolgreich abschloss. Während seines Studiums and the Universität Wien arbeitete er dort als Forschungsassistent in der Numerical Harmonic Analysis Group (NuHAG).
Seit August 2012 ist er Mitglied der Gruppe "Mathematics and Signal Processing in Acoustics" des Instituts für Schallforschung. Dort arbeitet er an theoretischen und angewandten Aspekten adaptierter Zeit-Frequenz Darstellungen und anderer Frames.
Derzeitige Forschung
Seine Forschungsinteressen konzentrieren sich auf die Verwendung von Zeit-Frequenz-Methoden für Signalverarbeitung. Insbesondere forscht er in den Bereichen Zeit-Frequenz-Analyse, mathematische Theorie und Design adaptiver und adaptierter Zeit-Frequenz-Darstellungen, Zeit-Frequency-Verarbeitung in der Akustik und Verwendung von Zeit-Frequenz-Darstellungen in maschinellem Lernen für akustische Signalverarbeitung.
Aktuelle Forschungsprojekte: MERLIN
Aktuelle Themen:
- Theory and application of warped time-frequency representations
- Function spaces and discretization for structured continuous frames
- Structure of time-frequency phase
- Signal processing with time-frequency phase
- Deep learning with time-frequency features
- Neural audio generation
- Audio inpainting with generative neural networks
- Time-frequency processing and perception
Projekte
Publikationen
Publikationen
- Abreu L.D.; Balazs P.; Holighaus N.; Luef F.; Speckbacher M. (2024) Time-frequency analysis on flat tori and Gabor frames in finite dimensions. Applied and Computational Harmonic Analysis, Bd. 69, S. 101622.
- Pausch F.; Perfler F.; Holighaus N.; Majdak P. (2023) Comparison of deep-neural-network architectures for the prediction of head-related transfer functions using a parametric pinna model. Proceedings of the Forum Acusticum 2023. Turin.
- Holighaus N.; Koliander G. (2023) Rotated time-frequency lattices are sets of stable sampling for continuous wavelet systems. 14th International Conference on Sampling Theory and Applications. Yale.
- Holighaus N.; Koliander G.; Hollomey C.; Pillichshammer F. (2023) Grid-Based Decimation for Wavelet Transforms With Stably Invertible Implementation. IEEE/ACM Transactions on Audio, Speech, and Language Processing, Bd. 31, S. 789-801.
- Hollomey C.; Holighaus N.; Koliander G. (2022) Grid-like wavelet sampling for audio processing applications. Proceedings: A16, Numerical, Computational and Theoretical Acoustics, ICA 2022. Gyeongju S. 208-214.
- Balazs P.; Tauböck G.; Rajbamshi S.; Holighaus N. (2022) Audio Inpainting. Proceedings: A16, Numerical, Computational and Theoretical Acoustics, ICA 2022. Gyeongju S. 186-189.
- Hollomey C.; Holighaus N.; Balazs P. (2022) Music signal analysis in the Large Time Frequency Analysis Toolbox. Proceedings: A07, Musical Acoustics, ICA 2022. Gyeongju S. 98-104.
- Haider D.; Holighaus N.; Balazs P. (2021) Phase-Based Signal Representations for Scattering. European Signal Processing Conference (EUSIPCO21).
- Rajbamshi S.; Tauböck G.; Holighaus N.; Balazs P. (2021) Audio Inpainting via L1-Minimization and Dictionary Learning. European Signal Processing Conference (EUSIPCO 2021).
- Marafioti A.; Holighaus N.; Majdak P. (2021) Time-Frequency Phase Retrieval for Audio - The Effect of Transform Parameters. .
- Haider D.; Balazs P.; Holighaus N.; Gutscher L. (2021) Zeit-Frequenz Darstellungen und Deep Learning. DAGA 2021, Jahrestagung für Akustik. Vienna.
- Průša Z.; Holighaus N.; Balazs P. (2021) Fast Matching Pursuit with Multi-Gabor Dictionaries. Transactions on Mathematical Software, Bd. 47, S. 1-20.
- Holighaus N.; Voigtlaender F. (2021) Schur-type Banach modules of integral kernels acting on mixed-norm Lebesgue spaces. Journal of Functional Analysis.
- Haider D.; Balazs P.; Holighaus N. (2021) Phase-based Signal Representations for Scattering. Proceedings of the 29th European Signal Processing Conference. Dublin.
- Průša Z.; Holighaus N.; Balazs P. (2020) Accelerating Matching Pursuit with multiple Time-Frequency Dictionaries. Proceedings of the 23rd International Conference on Digital Audio Effects (DAFx2020).
- Holighaus N.; Wiesmeyr C.; Průša Z. (2020) A Class of Warped Filter Bank Frames Tailored to Non-linear Frequency Scales. Journal of Fourier Analysis and Applications, Bd. 26/1, S. 22.
- Balazs P.; Holighaus N. (2020) LTFAT - Die Zeit-Frequenz Toolbox. Jubiläumstagungsband DAGA 2020.
- Marafioti A.; Majdak P.; Holighaus N.; Perraudin N. (2020) GACELA - A generative adversarial context encoder for long audio inpainting. IEEE Journal of Selected Topics in Signal Processing, S. 120-131.
- Marafioti A.; Perraudin N.; Holighaus N.; Majdak P. (2019) Adversarial Generation of Time-Frequency Features with application in audio synthesis. Proceedings of the 36th International Conference on Machine LearningProceedings of Machine Learning Research (K. Chaudhuri and Salakhutdinov, R., eds.). PMLR, Long Beach, California, USA Bd. 97 S. 4352-4362.
- Marafioti A.; Perraudin N.; Holighaus N.; Majdak P. (2019) A context encoder for audio inpainting. . Bd. 27 Issue 12 S. 2362 - 2372.