|
|
Hledání slovníku pro audiosignály
Martinek, Václav ; Záviška, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato prace by mela odpovedet, z ceho se sklada audiosignal. Zabyva se tedy ucenim slovniku pro audiosignaly na zaklade ridkych reprezentaci. Jsou zde popsany jednotlive algoritmy, ktere jsou dulezite k vytvoreni prizpusobenych slovniku. Dale v praci nalezneme srovnani reprezentace signalu pomoci Fourierovy transformace a natrenovaneho slovniku. Je zde popsana tvorba databaze hudebnich zvuku
|
|
|
Učení slovníku pro rekonstrukci řídkého signálu
Ozdobinski, Roman ; Rajmic, Pavel (oponent) ; Mach, Václav (vedoucí práce)
Tato bakalářská práce se zabývá učením slovníku pro rekonstrukci signálu na základě řídkých reprezentací. Jsou zde popsány způsoby tvorby statických a přizpůsobených slovníkových matic, které jsou užité s aproximativním algoritmem Orthogonal Matching Pursuit k rekonstrukci skupiny chybějících vzorků ve zvukovém signálu. Je zde teoreticky rozebrán algoritmus pro učení K-SVD slovníku společně s jeho implementací v prostředí Matlab. Dále jsou vybrané slovníky porovnávány na různých typech zvukového signálu.
|
|
|
Aplikace metod učení slovníku pro Audio Inpainting
Ozdobinski, Roman ; Rajmic, Pavel (oponent) ; Mach, Václav (vedoucí práce)
Tato diplomová práce se zabývá metodami učení slovníku pro doplňování chybějících úseků ve zvukovém signálu. Jsou zde teoreticky rozebrány a prakticky využity algoritmy K-SVD a INK-SVD k učení slovníku. Tyto slovníky jsou následně aplikovány na rekonstrukce audio signálů metodou OMP (Orthogonal Matching Pursuit). Dále je zde navrhnutý algoritmus pro výběr stacionárních segmentů a jejich následné použití jako trénovací data pro K-SVD a INK-SVD. V praktické části práce je pozorována účinnost při výběru do trénovací množiny z celého signálu v porovnání s použitím algoritmu pro stacionární segmentaci. Byl také zkoumán vliv snížení vzájemné koherence na kvalitu rekonstrukce pro inkoherentní slovník. Vytvořenými skripty pro hromadné testování v prostředí Matlab je provedeno vzájemné porovnání uvedených metod na žánrově odlišených skladbách.
|
|
| |
|
|
Hledání slovníku pro audiosignály
Martinek, Václav ; Záviška, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato prace by mela odpovedet z ceho se sklada audio signal. Zabyva se tedy ucenim slovniku pro audio signaly na zaklade ridkych reprezentaci. Jsou zde popsany jednotlive algoritmy, ktere jsou dulezite k vytvoreni prizpusobenych slovniku. Dale v praci nalezneme srovnani reprezentace signalu pomoci fourierovy transformace a natrenovaneho slovniku. Je zde popspana tvorba databaze hudebnich zvuku.
|
|
| |
|
|
Hledání slovníku pro audiosignály
Martinek, Václav ; Záviška, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato prace by mela odpovedet, z ceho se sklada audiosignal. Zabyva se tedy ucenim slovniku pro audiosignaly na zaklade ridkych reprezentaci. Jsou zde popsany jednotlive algoritmy, ktere jsou dulezite k vytvoreni prizpusobenych slovniku. Dale v praci nalezneme srovnani reprezentace signalu pomoci Fourierovy transformace a natrenovaneho slovniku. Je zde popsana tvorba databaze hudebnich zvuku
|
|
|
Hledání slovníku pro audiosignály
Martinek, Václav ; Záviška, Pavel (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato prace by mela odpovedet z ceho se sklada audio signal. Zabyva se tedy ucenim slovniku pro audio signaly na zaklade ridkych reprezentaci. Jsou zde popsany jednotlive algoritmy, ktere jsou dulezite k vytvoreni prizpusobenych slovniku. Dale v praci nalezneme srovnani reprezentace signalu pomoci fourierovy transformace a natrenovaneho slovniku. Je zde popspana tvorba databaze hudebnich zvuku.
|
|
| |
|
|
Učení slovníku pro rekonstrukci řídkého signálu
Ozdobinski, Roman ; Rajmic, Pavel (oponent) ; Mach, Václav (vedoucí práce)
Tato bakalářská práce se zabývá učením slovníku pro rekonstrukci signálu na základě řídkých reprezentací. Jsou zde popsány způsoby tvorby statických a přizpůsobených slovníkových matic, které jsou užité s aproximativním algoritmem Orthogonal Matching Pursuit k rekonstrukci skupiny chybějících vzorků ve zvukovém signálu. Je zde teoreticky rozebrán algoritmus pro učení K-SVD slovníku společně s jeho implementací v prostředí Matlab. Dále jsou vybrané slovníky porovnávány na různých typech zvukového signálu.
|
host ::
RSS.