SOBOŇA, M. Restaurace poškozených zvukových signálů s využitím autoregresních modelů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Práce byla zaměřena na metody interpolace či extrapolace chybějících vzorků digitálního audiosignálu. Student nastudoval dvě metody založené na autoregresním modelování a zabýval se jejich implementací v prostředí MATLAB. Z hlediska splnění zadání vnímám ve výsledné práci nedostatky, student se zejména věnoval testování metod pro různé nastavení parametrů, již však nedošel k ucelenému vzájemnému srovnání. Kromě SNR navíc mohly být použity i jiné metriky pro hodnocení kvality rekonstrukce. Po formální stránce je práce na dobré úrovni, použitá literatura je řádně citována. Výhrady mám ke zvolené formě prezentace výsledků. Uvedení velkého množství grafů není přehledné, student měl spíše uvést charakteristický případ a doplnit obsáhlejší komentáře. Naopak vyzdvihnout musím aktivitu studenta během semestru a jeho svědomitý přístup. Celkově hodnotím práci 73 body, tedy stupněm C.
Bakalářská práce pana Matúše Soboni se věnuje restaurování chybějících částí audiosignálu. Práce je psána slovensky a rozkládá se na 42 stranách. Čte se dobře. Věty dávají smysl a navazují na sebe. Překlepů je minimum. Ke členění práce mám poznámku, že AR modelování mohlo být obecně popsáno ještě před tím, než se mluví o konkrétním algoritmu W. Ettera. Dále také nechápu občasné nezvyklé členění na odstavce (začátek Úvodu, začátek kap. 3). Typografie je obstojná, až např. na odvolávky na vztahy, kde student nepoužívá závorky, nekonzistentní značení jako např. v definici SNR, nebo špatné uvozovky. Po obsahové stránce je na tom práce výrazně hůře. Pravidelně se objevují věty, ze kterých vnímám, že student teorii příliš nerozumí. Chybějí některé definice nebo alespoň komentáře, jako např. střední hodnota str. 19, ale zejména chybějí souvislosti: např. odhad pro (2.8) je uveden v rovnici (3.2), ale student o tom nemluví. Za nedostatek považuji chybějící teorii a vysvětlení, proč se v algoritmu na str. 23 odhad řeší zrovna funkcí arburg(), a proč se odhad signálu dostane jao výsledek funkce filter(). U iteračního postupu dle Janssena není jasné, s jakými novými vstupními parametry se nové iterace odehrávají. Vyhodnocení výsledků zabírá 15 stran a je to 90 grafů. Nepovažuji zvolený způsob za právě vhodný. U některých grafů je navíc jiný rozsah osy, taže vizuálně jsou výsledky težké na porovnání. Grafy jsou natočené tak, že větší hodnoty zakrývají ty menší. Porovnat Janssenovu metodu s Etterovou by bylo elegantní, kdyby se vynesly grafy rozdílů příslušných SNR. Vyhodnocení výsledků autor pojal jako popis toho, co je vidět na grafech, aniž by ale poskytnul alespoň hypotézu proč experimenty dopadly tak jak dopadly. Zadání práce požaduje kromě SNR ještě dva další způsoby evaluace, ty však v práci chybí. Shruto, student naprogramoval s pomocí funkcí Matlabu dva zástupce restauračních metod, vypočítal, vykreslil a popsal hodnoty v grafech. Teorie měla být pochopena lépe a v souvislostech a také lépe přetavena do textové podoby.
eVSKP id 125877