BEŇO, T. Restaurace signálu s omezenou okamžitou hodnotou s použitím psychoakustického modelu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Student Tomáš Beňo ve své diplomové práci věnuje algoritmům pro rekonstrukci signálů s využitím psychoakustického modelu. Student detailně popsal teorii clippingu, seznámil se se současnými metodami rekonstrukce a podrobně popsal veškerou potřebnou teorii. Dále naimplementoval a popsal pět variant rekonstrukčního algoritmu lišících se použitým psychoakustickým modelem a typem zpracování signálu (v celku nebo po blocích). Zadání práce tedy bylo splněno. Formálně je práce na velmi dobré úrovni. Student pracoval průběžně a pravidelně konzultoval. Se samotnou implementací algoritmů v Matlabu student trošku bojoval. Bylo patrné, že tématu neporozuměl dostatečně do hloubky, z čehož plynuly některé zbytečné chyby, např. počítání DFT celého signálu nebo řešení problémů metodou pokus-omyl. Mírně negativně také hodnotím kontrolu svého kódu, kdy student naimplementoval funkci, ale nedostatečně si ověřil, jestli opravdu dělá to, co má. Vlivem drobného zpoždění při implementaci Condatova algoritmu a časové náročnosti výpočtu se bohužel nestihla doladit varianta algoritmu zpracovávající signál po blocích. I přes výše zmíněné nedostatky týkající se především implementace práci doporučuji k obhajobě s hodnocením 83/B.
Pan Bc. Tomáš Beňo zpracovával práci na téma deklipování audiosignálu. Práce se čte dobře, autor se vyjadřuje jasně, jen semtam je typografická chyba, zřídka překlep. Jazykově bych ale ocenil místo "dá se" použít "lze", místo "hodí se" použít "je vhodný" v takovémto typu textu. Student dobře pracuje s literaturou a cituje. Ideální čtení se však začne od kap. 5 a 6 kazit. Kapitoly 5, 6, 7 jsou víceméně převzaté (což je pochopitelné, neboť jsou obtížné), nicméně je už cítit, že student přepisuje a ne úplně rozumí. Kapitola 8, která popisuje samotnou realizaci, má na předchozí základ navazovat, avšak relevantní odkazy do teoretické části chybějí. Konkrétněji: Algoritmy DR a CP jsou zcela nadbytečné, nikde se nepoužijí. Vztahy (8.4) a (8.5) postrádají definici prvků na zbývajících, "reliable" pozicích. Zápis důležité funkce pro měkké prahování (8.6) je úplně špatně, a to na pravé i levé straně rovnítka. Gradient (8.7) je špatně. Na str. 46 se student velmi plete ohledně nastavení gama. Nerozlišuje mezi parametry modelu a parametry algoritmu, což je důležité. Parametry algoritmu nemohou mít vliv na gama, které určuje uživatel! Algoritmus je pouze uveden, nikoliv odvozen. Není uveden proximální operátor pro váhovanou l1-normu. Není zcela jasně odděleno, co je studentova práce a co je z literatury [29], jejíž výsledky se vlastně snaží replikovat. MUSHRA je popsána příliš stručně. Vyhodnocení už je o stupeň lepší, je vidět, že autor dokáže získané výsledky interpretovat. Nicméně, jeden ze způsobů vizualizace výsledků, kdy se do grafu zprůměrují SDR přes různé klipovací úrovně, je metodologicky úplně špatně. Dále, na str. 65 se diskutuje výpočetní náročnost, které se měří počtem iterací; to je také špatně, protože iterace různých metod nejsou shodně náročné! Lineární způsob převodu škály 0 až 100 do perceptuální škály 4 až 0 je pochybný. Není navíc jasné, kdo to vymyslel. Bylo by více než vhodné srovnat výsledky s nějakou zavedenou metodou.
eVSKP id 118139