MALUCHA, J. Určování a analýza periodicity v řečových signálech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.

Posudky

Posudek vedoucího

Sigmund, Milan

Zadání bakalářské práce bylo splněno. Student musel samostatně nastudovat problematiku zpracování řečových signálů, přičemž nejnovější poznatky v této oblasti jsou dostupné jen v anglicky psaných publikacích. Téma bakalářské práce ho zaujalo, pracoval průběžně a zcela samostatně vytvořil požadovaný program. Od poloviny března probíhaly konzultace jen po emailu, neboť v důsledku krizové situace nebylo osobní setkání možné. Po odborné stránce je práce na velmi dobré úrovni. Vytvořený program použil autor na analýzu vybraných řečových signálů a získané výsledky jsou názorně dokumentovány v práci. Výsledky experimentů vztahující se ke stresové řeči mají vědecký charakter. Pan Malucha prezentoval svůj program a s ním dosažené výsledky ve fakultní studentské soutěži EEICT 2020 a obsadil první místo ve své kategorii. Z vítězného příspěvku pak napsal anglickou publikaci. Vytvořený program je použitelný pro další výzkum řečových signálů. Po formální stránce má práce logickou a přehlednou strukturu. Bohužel v textu zůstalo několik překlepů (např. „existoje množství“ na str. 18, „mírně o liší o jednotky Hz“ na str. 45, dva různé obrázky mají pořadové číslo Obr. 4-6 apod.) a formálních nepřesností (např. v části 2.5 jsou používány zkratky metod, které jsou však zavedené až v následující kapitole 3). Některé veličiny nejsou psány šikmým písmem v textu ani v matematických vzorcích, např. (4) až (7). Přitom v poslední pracovní verzi bakalářské práce byly tyto vzorce napsány správným stylem. Vzhledem k vytvořenému programu a experimentálním výsledkům hodnotím práci 94 body.

Navrhovaná známka
A
Body
94

Posudek oponenta

Poměnková, Jitka

Předkládaná práce se zabývá určováním a analýzou periodicity v řečových signálech. Student si kladl za cíl nejprve prostudovat problematiku řečového signálu a metod pro jejich zpracování. Na základě rešerše literatury pak vybrat nejčastěji používané metody pro analýzu periodicity řeči a s přihlédnutím k rozšíření metod o možnost lineárního/nelineárního přizpůsobení časové osy naprogramovat tři zvolené algoritmy. Jako další úkol si student stanovil přidat do svého programu modul na shlukování řečových segmentů podle kritéria periodicity. Výsledný program ověřit na reálném signálu a porovnat s výsledky volně dostupných softwarových nástrojů. Práce zpracovává velmi zajímavé a velmi dobře využitelné téma. Práce na první pohled působí uceleným dojmem a graficky přehledně, obsahuje však řadu nepřesností. Student často používá termíny a zkratky dříve, než je vysvětlí nebo odkáže na relevantní zdroj literatury (stacionarita, kvaziperiodicita, perturbance, STE, ZCR, MDF apod.). Citování literatury je nejednotné. Zápis vzorců a citování proměnných v textu neodpovídá matematickým standardům. Není zřejmé: s. 21, ř. 14: „rovnice xy“…o jakou rovnici se jedná? s. 24, ř. 6: jedná se o klasický vzorec normované autokorelační funkce, nebo má součin „ד ve jmenovateli nějaký specifický význam? Zpracování grafů by rovněž zasloužilo větší pozornost. Např. Obr. 3-1: v textu je graf komentován jako histogram, avšak popis grafu hovoří o distribuci. Chybí i vysvětlení čar v grafu. Obr. 3-6: chybí legenda; popis osy se překrývá s titulem grafu Obr. 4-7: popisy se vzájemné překrývají Obr. 4-9 d): chybí legenda, některé složky (sv. zelená) jsou špatně viditelné Obr. 4-13: vysvětlující popis tohoto přebraného grafu je nedostačující. Velmi obtížně se z něj chápe, co chce student vyjádřit a jaký je výsledek srovnání výstupu programu Praat s výstupem z vlastního programu. Samotný popis grafu v textu je slabý. Obr. 4-15: Jedná-li se o histogram s vyjádřením v relativní četnosti, pak bych předpokládala, že plocha histogramu je rovna jedné. Z prezentovaného grafického vyjádření pro klidový a stresový histogram však toto nevypadá. U předložené práce mohu konstatovat, že zadání bylo z velké části splněno. Student pěkně popsal problematiku řečových signálů. Popis metod pro jejich zpracování je však cílen primárně na metody, které následně student zpracovává. Bylo by vhodné, aby v práci student v souladu se zadáním prezentoval rešerši základních přístupů a následně zvolil metody pro svou práci a jejich volbu zdůvodnil. Jako slabší výsledek práce hodnotím srovnání s existujícím softwarem Praat. Očekávala bych srovnání křivek dosažených studentovým programem a existujícím software, což zde chybí.

Navrhovaná známka
B
Body
80

Otázky

eVSKP id 126097