RAŠKA, A. Giant FFT a její využití pro postupnou změnu vzorkovacího kmitočtu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Bc. Adam Raška měl ve své diplomové práci za úkol využít GiantFFT pro účely postupné změny vzorkovacího kmitočtu. Zvládl nastudovat samotnou metodu Giant FFT a rozchodit její (existující) implementaci pro Matlab. Při návrhu cílového algoritmu však narazil na problémy, které dokázal vyřešit pouze s vydatnou pomocí vedoucího. V řadě případů se přitom jednalo o základní partie z vysokoškolské matematiky jako je integrování nebo řešení rovnic. V důsledku student zvládl pouze nejzákladnější podobu úlohy, tedy lineární zpomalování rychlosti přehrávání nahrávky, čimž splnil pouze část zadání. Na druhou stranu je třeba vyzdvihnout, že implementaci úlohy v Matlabu a subjektivní testování včetně statistického vyhodnocení zvládl samostatně. Student konzultoval pravidelně. Také text práce má některé nedostatky. Například část 7.5 je velice únavná a čtenáři není pomoženo ani obrázkem ani výpisem kódu. Některé obrázky jsou v nízké kvalitě a jsou bitmapové. Formátování seznamu literatury je nekonzistentí, nejenom že není dle normy, ale hlavně u zdrojů chybí důležité údaje.
Zadání diplomové práce považuji za splněné jen z části, protože student implementovat pouze zpomalení nahrávky. V zadání je však uvedena obecná změna vzorkovacího kmitočtu, zpomalení je uvedeno jen jako příklad. Text závěrečné práce je rozdělen do 8 hlavních kapitol. V prvních dvou kapitolách je vysvětlen princip vzorkování a změny vzorkovacího kmitočtu. Následně jsou popsány některé komerčně dostupné implementace.V kapitole 4 je popsáno použití metody Giant FFT pro změnu vzorkovacího kmitočtu a v následující kapitole výsledky pro umělé signály. V kapitole 6 je popsána původně navrhovaný algoritmus využívající po částech skokovou změnu vzorkovacího kmitočtu a v kapitole 7 pak finální algoritmus s plynulou změnou. Kapitola 8 obsahuje statistické vyhodnocení s využitím MUSHRA-like testů. Rozsah práce splňuje požadavky na diplomovou práci, i když abstrakt by měl být rozsáhlejší. V práci chybí seznam použitých zkratek a symbolů. Pro lepší srozumitelnost by bylo vhodné provést několik úprav. Např. v části 4.1 je zmíněn pojem “tapering” bez bližšího vysvětlení nebo aspoň odkazu na část 4.5, kde je teprve vysvětlen. V části 7.2 se najednou odvozuje dráha pohybujícího se tělesa v závislosti na rychlosti bez vysvětlení, že rychlost je pravděpodobně analogie pro vzorkovací kmitočet atd. Část 7.5 popisující implementaci v Matlabu obsahuje pouze souvislý text bez alespoň krátkých příkladů kódu, které by zvýšily srozumitelnost. Grafická úprava textu je na dobré úrovni. Bohužel jazyková úroveň je mnohem nižší. V textu velmi často chybí interpunkční znaménka u vedlejších vět, není dodržena shoda podmětu s přísudkem, a obsahuje několik překlepů. Konstanty jako imaginární jednotka j nebo diferenciál d jsou psány kurzívou a nikoliv stojatě. Práce obsahuje seznam přiměřeného počtu informačních zdrojů, které jsou průběžně v práci citovány. U elektronických zdrojů však často chybí datum poslední kontroly citace. Při porovnání s umělými signály délky 10 a 50 sekund není jasné, že jestli rozmítaný signál chirp v obou případech měnil kmitočet od 20 Hz do 10 kHz. V případě kratšího signálu by pak rychlost rozmítání musela být mnohem rychlejší. Podle popisu v textu to spíše vypadá, že došlo ke zkrácení signálu. Pak ale nesouhlasí popisek v tabulce 5.1 a 5.2 a výsledky nejsou porovnatelné. Při změně vzorkovacího kmitočtu jen v části signálu nebyly řešeny okrajového podmínky, takže na začátku a konci úseku může docházet k nespojitostem, což student v závěru přiznává. V elektronické příloze jsou uloženy testovací nahrávky a výsledky MUSHRA-like testů a 7 celkem rozsáhlých souborů spustitelných v prostředí Matlab. Jeden z nich student přiznaně převzal od předchůdce. Pro další využívání nebo rozšiřovaní by bylo vhodnější je rozdělit na menší funkce, které se snáze udržují.
eVSKP id 167245