|
|
Modern Optimization Methods for Interpolation of Missing Sections in Audio Signals
Mokrý, Ondřej ; Kowalski, Matthieu (referee) ; Koldovský, Zbyněk (referee) ; Rajmic, Pavel (advisor)
Poškození audio signálů je v praxi běžným, avšak nežádoucím faktem. Ke ztrátě informace může dojít nevhodným záznamem (nízký vzorkovací kmitočet či dynamický rozsah), chybou přenosu (výpadek vzorků), poškozením média či z důvodu rušení. Odstraňování takových poruch je možné pomocí inverzních úloh. Tato práce se konkrétně zaměřuje na situaci, kdy jsou úseky audio signálu o délce v řádu desítek milisekund zcela ztraceny a cílem je chybějící vzorky interpolovat na základě kontextu a vhodného modelu signálu. První část dizertační práce se věnuje metodám konvexní i nekonvexní optimalizace, které hledají řešení interpolační úlohy na základě předpokladu řídkosti časově-kmitočtového spektra. Obecný základ i některé algoritmy jsou převzaté z literatury a přizpůsobené interpolační úloze, řada modifikací a experimentálních přístupů je originální. Druhá část práce je zaměřena na využití nezáporné faktorizace matic, s níž lze sestavit pravděpodobnostní model spektrogramu signálu a tento využít pro jeho interpolaci. Z tohoto modelu pak vychází úspěšný rekonstrukční algoritmus, k němuž jsou v této práci odvozeny dvě alternativní metody. Závěr práce se věnuje rozsáhlému experimentálnímu ověření funkčnosti metod na skupině hudebních signálů. S využitím objektivních ukazatelů kvality interpolovaného signálu je ukázáno, že v jednotlivých třídách metod vedou navržené modifikace ke znatelnému zlepšení kvality či zlepšení konvergence oproti metodám základním. V rámci studovaného rozsahu poškození pak zejména algoritmy využívající faktorizace konkurují současným nejlepším metodám pro interpolaci chybějících úseků audio signálu.
|
|
|
Audio Signal Declipping and Dequantization Using Sparsity-Based Methods
Záviška, Pavel ; Šroubek,, Filip (referee) ; Koldovský,, Zbyněk (referee) ; Rajmic, Pavel (advisor)
Audio signály jsou náchylné k různým typům poškození, přičemž jedním z nejčastějších a nejproblematičtějších druhů poškození je clipping. Tato dizertační práce se zaměřuje na rekonstrukci zvukových signálů poškozených nelineárním zkreslením s hlavním zaměřením na declipping a dekvantizaci a popisuje vědecký přínos v této oblasti s využitím metod založených na řídké reprezentaci. První část dizertační práce se zabývá problematikou declippingu a představuje několik přístupů založených na řídkých reprezentacích signálů. Součástí je jak originální výzkum, tak i převzaté algoritmy, které však byly v rámci této práce reimplementovány nebo modifikovány. Kvalita výstupů rekonstrukčních algoritmů je vyhodnocena jak pomocí ukazatele SDR, tak i s využitím percepčně založených metrik. V další části se práce zaměřuje na zakomponování psychoakustiky do problému declippingu pomocí váhování transformačních koeficientů s třemi navrženými způsoby konstrukce vah. Je zde dokázáno, že při správně zvolených vahách je možné výrazně zlepšit kvalitu rekonstrukce a vyrovnat se tak nejlepším algoritmům při zachování nízké výpočetní náročnosti. V poslední části práce je pozornost je také věnována metodám umožňujícím odchylku ve spolehlivé části signálu. V tomto směru práce zkoumá percepční vliv prostého nahrazení těchto spolehlivých vzorků, identifikuje jeho hlavní nevýhody a následně představuje metody, které kompenzují negativní efekty způsobené tímto nahrazením. Je ukázáno, že s využitím těchto technik je možné bez významného navýšení výpočetní náročnosti výrazně zlepšit dosaženou kvalitu rekonstrukce. Vybrané algoritmy jsou rovněž aplikovány na problém audio dekvantizace. Součástí práce jsou repozitáře obsahující implementace všech představených metod.
|
|
|
Restoration of signals after passing through the limiter with the use of psychoacoustic model
Kramář, Denis ; Rajmic, Pavel (referee) ; Záviška, Pavel (advisor)
This bachelor thesis deals with the use of sparse representaions for the purpose of restoration clipping-damaged audiosignal. First, a theory of limiter and signal limiting itself is discussed. Subsequently, some of present methods based on sparse representations theory are given. The theory of sparse representations is discussed in following chapture. After that is here described a psychoacoustic model and it's use for declipping. At the end of theoretical part, two methods dealing with this problem are introduced. First is based on synthesis model of signal using Douglas-Rachford algorithm. Second is based on analysis signal model using Chambolle-Pock algorithm. In the next part is their implementation in the Matlab environment. Finally, the result achieved by both algorithms are evaluated.
|
|
|
Optimal methods for sparse data exchange in sensor networks
Valová, Alena ; Poměnková, Jitka (referee) ; Rajmic, Pavel (advisor)
This thesis is focused on object tracking by a decentralized sensor network using fusion center-based and consensus-based distributed particle filters. The model includes clutter as well as missed detections of the object. The approach uses sparsity of global likelihood function, which, by means of appropriate sparse approximation and the suitable dictionaty selection can significantly reduce communication requirements in the decentralized sensor network. The master's thesis contains a design of exchange methods of sparse data in the sensor network and a comparison of the proposed methods in terms of accuracy and energy requirements.
|
|
|
Compressive sampling for effective target tracking in a sensor network
Klimeš, Ondřej ; Veselý, Vítězslav (referee) ; Rajmic, Pavel (advisor)
The master's thesis deals with target tracking. For this a decentralized sensor network using distributed particle filter with likelihood consensus is used. This consensus is based on a sparse representation of local likelihood function in a suitable chosen dictionary. In this thesis two dictionaries are compared: the widely used Fourier dictionary and our proposed B-splines. At the same time, thanks to the sparsity of distributed data, it is possible to implement compressed sensing method. The results are compared in terms of tracking error and communication costs. The thesis also contains scripts and functions in MATLAB.
|
|
|
Audio restoration based on sparse signal representations
Záviška, Pavel ; Průša, Zdeněk (referee) ; Rajmic, Pavel (advisor)
This Master's Thesis deals with the issue of audio clipping and the application of sparse represenations model for the task of declipping. First, a general theory of clipping is described, followed by a brief overview of existing methods and a description of the general theory concerning sparse representations of signals and bases, respectively frames. Subsequently, two methods solving declipping problem based on sparse representations are intruduced. The first method uses the Generic proximal algorithm for convex optimization, the second one uses the Douglas-Rachford algorithm. The above mentioned methods have been programmed in the Matlab environment. The results of the declipping methods are evaluated according to SNR, PEMO-Q and also by subjective listening tests.
|
|
| |
|
|
Some Robust Approaches to Reducing the Complexity of Economic Data
Kalina, Jan
The recent advent of complex (and potentially big) data in economics requires modern and effective tools for their analysis including tools for reducing the dimensionality (complexity) of the given data. This paper starts with recalling the importance of Big Data in economics and with characterizing the main categories of dimension reduction techniques. While there have already been numerous techniques for dimensionality reduction available, this work is interested in methods that are robust to the presence of outlying measurements (outliers) in the economic data. Particularly, methods based on implicit weighting assigned to individual observations are developed in this paper. As the main contribution, this paper proposes three novel robust methods of dimension reduction. One method is a dimension reduction within a robust regularized linear regression, namely a sparse version of the least weighted squares estimator. The other two methods are robust versions of feature extraction methods popular in econometrics: robust principal component analysis and robust factor analysis.
|
|
|
Some Robust Approaches to Reducing the Complexity of Economic Data
Kalina, Jan
The recent advent of complex (and potentially big) data in economics requires modern and effective tools for their analysis including tools for reducing the dimensionality (complexity) of the given data. This paper starts with recalling the importance of Big Data in economics and with characterizing the main categories of dimension reduction techniques. While there have already been numerous techniques for dimensionality reduction available, this work is interested in methods that are robust to the presence of outlying measurements (outliers) in the economic data. Particularly, methods based on implicit weighting assigned to individual observations are developed in this paper. As the main contribution, this paper proposes three novel robust methods of dimension reduction. One method is a dimension reduction within a robust regularized linear regression, namely a sparse version of the least weighted squares estimator. The other two methods are robust versions of feature extraction methods popular in econometrics: robust principal component analysis and robust factor analysis.
|
|
|
Alternative JPEG image decoder
Bureš, Jiří ; Štarha, Pavel (referee) ; Rajmic, Pavel (advisor)
This thesis deals with the JPEG image codec, edge detection in images, sparse signal representations and proximal algorithms. First, the operation of the JPEG encoder and decoder and the theory underlying it are described. Then, based on the theoretical knowledge, a new proximal algorithm is constructed and implemented in an existing JPEG algorithm in order to remove block relics in the decoded image. The programming side is solved in Matlab environment. The results are evaluated using MSE, PSNR and SSIM methods.
|
guest ::
