|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (oponent) ; Koldovský,, Zbyněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Audio signals are susceptible to various types of quality degradation, with clipping being one of the most common and problematic distortions. This Thesis addresses the restoration of audio signals corrupted by nonlinear distortions and presents the contribution in the field of sparsity-based audio restoration algorithms, with the main focus on audio declipping and dequantization. The first part of the Thesis deals with the problem of audio declipping and presents several sparsity-based approaches, containing both the original research and adopted algorithms, which have been reimplemented or modified. The performance of the algorithms is evaluated using the Signal-to-Distortion ratio, as well as perceptually motivated metrics of sound quality. Then, attention is paid on incorporating psychoacoustic information into declipping by weighting the transform coefficients. Three possible constructions of the weights are presented and it is shown that with correctly chosen weights, it is possible to significantly improve the performance of the algorithms, which achieve state-of-the-art restoration quality with low computational complexity. Special focus is also paid on declipping methods that allow a deviation in the reliable part. In that direction, the Thesis studies the perceptual effects of plain replacement of the reliable samples, then identifies its main weaknesses and introduces methods to compensate the discovered negative effects. It is shown that using this technique, it is possible to enhance the performance of such declipping algorithms without a significant increase in computational complexity. Finally, selected declipping algorithms are adopted to the problem of audio dequantization. The Thesis is accompanied by repositories containing implementations of the presented methods.
|
|
|
Inconsistent Audio Declipping Performance Enhancement Based On Audio Inpainting
Mokrý, Ondřej ; Záviška, Pavel
Some of the state-of-the-art audio declipping methods are not consistent with the observedsignal, meaning that they do not keep the a priori undegraded (reliable) samples. These samples canbe directly substituted in the reconstructed signals, but this may create audible artifacts due to thesharp transitions between the declipped and the substituted parts. We propose two methods based onaudio inpainting, which deal with these transitions. As a result, we observe a significant improvementof the PEAQ ODG values, but only for some of the declipping algorithms considered.
|
|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Komprimované vzorkování pro efektivní sledování objektu senzorovou sítí
Klimeš, Ondřej ; Veselý, Vítězslav (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá sledováním objektu. Ke sledování je použita decentralizovaná senzorová síť využívající distribuovaný částicový filtr s věrohodnostním konsenzem. Tento konsenzus je založen na řídké reprezentaci lokální věrohodnostní funkce pomocí vhodných slovníků. V této práci se porovnávají hojně používaný Fourierův slovník s námi navrženým slovníkem tzv. B-splajnů. Zároveň je díky řídkosti distribuovaných dat možné implementovat metodu komprimovaného snímání. Výsledky jsou porovnávány z hlediska přesnosti sledování a komunikační náročnosti. Součástí práce jsou také skripty a funkce v jazyce MATLAB.
|
|
|
Restaurace signálu po průchodu limiterem s použitím psychoakustického modelu
Kramář, Denis ; Rajmic, Pavel (oponent) ; Záviška, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá využitím řídkých reprezentací signálu za účelem restaurace audiosignálu poškozeného clippingem. Nejprve je zde probrána teorie týkající se limiteru a samotné limitace signálu. Poté jsou zde uvedeny některé současné metody založené na teorii řídkých reprezentací. Ta je popsána v následující kapitole. Následně je zde popsán psychoakustický model a jeho využití pro declipping. Na závěr teoretické části jsou zde představeny dvě metody řešení této úlohy. První je založená na syntezujícím modelu signálu a využívá algoritmus Douglas-Rachford. Druhá je založená na analyzujícím modelu signálu a byl pro ni zvolen algoritmus Chambolle-Pock. V další části je popsána jejich implementace v prostředí Matlab. Na závěr jsou vyhodnoceny výsledky dosažené oběma algoritmy.
|
|
|
Velká data - extrakce klíčových informací pomocí metod matematické statistiky a strojového učení
Masák, Tomáš ; Antoch, Jaromír (vedoucí práce) ; Maciak, Matúš (oponent)
Tato práce se zabývá metodami zpracování dat, zejména analýzou hlav- ních komponent a její øídkou modi kací (AØHK), která je NP-tì¾kou úlohou. Úlohu AØHK lze pøepsat do regresního kontextu, ve kterém je øídkost typicky vynucována pomocí ℓ1-penalizace regresních koe cientù. V této práci navrhujeme pou¾ít iterativní pøeva¾ování ℓ2-penalizace namísto zmínìného ℓ1-pøístupu. Vý- sledný algoritmus porovnáváme s nìkolika známými algoritmy pro AØHK pomocí simulaèní studie a také zajímavého praktického pøíkladu, ve kterém analyzujeme data o hlasování poslancù v Parlamentu Èeské republiky. Experimentálnì uka- zujeme, ¾e námi navr¾ený algoritmus produkuje lep¹í výsledky ne¾ ostatní uva- ¾ované algoritmy. Pro navr¾ený algoritmus uvádíme té¾ dùkaz konvergence spolu s dùkazem konvergence pùvodního regresního pøístupu k AØHK. v
|
|
|
Optimální metody výměny řídkých dat v senzorové síti
Valová, Alena ; Poměnková, Jitka (oponent) ; Rajmic, Pavel (vedoucí práce)
Práce je zaměřena na sledování pohybu objektu decentralizovanou senzorovou sítí s využitím distribuovaného částicového filtru s fúzním centrem i s konsenzem. Model zahrnuje šum v měření senzorů i případy, kdy senzor objekt vůbec nezachytí. Uvedený přístup využívá řídkosti globální věrohodnostní funkce, jejíž vhodnou řídkou aproximací a vhodnou volbou slovníku lze významně snížit nároky na komunikaci v decentralizované senzorové síti. Diplomová práce obsahuje návrh metod výměny řídkých dat v senzorové síti a~porovnání navržených metod z hlediska přesnosti a energetické náročnosti.
|
|
|
Restaurace audiosignálů založená na řídkých reprezentacích
Záviška, Pavel ; Průša, Zdeněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Diplomová práce se zabývá problematikou audio clippingu a aplikací modelu řídkých reprezentací pro úlohu declippingu. Nejprve je popsána obecná teorie clippingu, na kterou navazuje stručný přehled stávajících metod a popis obecné teorie, zabývající se řídkými reprezentacemi signálů a bázemi, resp. framy. Následně jsou představeny dvě metody, které řeší úlohu declippingu na základě řídkých reprezentací. První metoda používá Obecný proximální algoritmus pro konvexní optimalizaci, druhá pak Douglas-Rachfordův algoritmus. Zmíněné metody byly naprogramovány v prostředí Matlab. Výsledky metod jsou vyhodnoceny podle ukazatelů SNR, PEMO-Q a také podle subjektivních poslechových testů.
|
|
|
Encryption of Messages and Images Using Compressed Sensing
Daňková, M.
The article deals with compressed sensing used to encrypt data. It allows performing signal capturing, its compression and encryption at the same time. The measurement matrix is generated using a secret key and is exploited for encryption. The article shows an example of its utilization at text and image message, moreover the Arnold transform is used in colour images for increasing security.
|
host ::
RSS.