Objektivní měření a potlačování šumu v hudebním signálu

Abstract

Tato disertační práce pojednává o objektivním měření a potlačování rušivého šumu na pozadí hudebního signálu. V této práci je navrhnut nový algoritmus pro objektivní měření slyšitelnosti tohoto typu šumu. Provedenými poslechovými testy bylo prokázáno, že tento nový algoritmus lépe predikuje slyšitelnost šumu na pozadí než stávající algoritmy. Výhodou navrženého algoritmu je skutečnost, že lze tento algoritmus využít i na obecný zvukový signál, kdy se hodnotí slyšitelnost jednoho zvuku na pozadí jiného. U tohoto typu signálu stávající algoritmy často selhávají. Dále je v této práci navrhnut nový způsob adaptivní segmentace pro dělení dlouhotrvajícího zvukového signálu na krátké segmenty s proměnlivou délkou. Bylo ukázáno, že při použití tohoto nového způsobu segmentace v systémech pro potlačení šumu na pozadí, má výstupní zvukový signál vyšší subjektivně vnímanou kvalitu než ostatní testované způsoby segmentace.

The dissertation thesis focuses on objective assessment and reduction of disturbing background noise in a musical signal. In this work, a new algorithm for the assessment of background noise audibility is proposed. The listening tests performed show that this new algorithm better predicts the background noise audibility than the existing algorithms do. An advantage of this new algorithm is the fact that it can be used even in the case of a general audio signal and not only musical signal, i.e. in the case when the audibility of one sound on the background of another sound is assessed. The existing algorithms often fail in this case. The next part of the dissertation thesis deals with an adaptive segmentation scheme for the segmentation of long-term musical signals into short segments of different lengths. A new adaptive segmentation scheme is then introduced here. It has been shown that this new adaptive segmentation scheme significantly improves the subjectively perceived quality of the musical signal from the output of noise reduction systems which use this new adaptive segmentation scheme. The quality improvement is better than that achieved by other segmentation schemes tested.