MIKULÁŠKOVÁ, A. Moderní metody rekonstrukce saturovaných audio signálů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.

Posudky

Posudek vedoucího

Rajmic, Pavel

Bc. Aneta Mikulášková se věnovala rekonstrukci řídkých audiosignálů po průchodu různými typy nelineárních zkreslení. Tento posudek se týká dopracované verze diplomové práce, kterou studentka původně neobhájila v červnu 2022. Během června a července 2022 se mnou autorka relativně intenzivně komunikovala a práci oproti původnímu stavu postupně vylepšovala. Zlepšení se týkalo jak formální, tak obsahové složky. Práce se tak dostala na akceptovatelnou úroveň. Mezi hlavní problémy práce nicméně stále počítám následující dva: * Rozdíl mezi kvalitou textu teoretické a praktické části. První část obsahuje hodně materiálu přejatého z literatury, je poměrně obsáhlá a přijatelně čitelná. Naproti tomu druhá část je poměrně stručná, s občasnými chybami a chybějícími informacemi. To koresponduje s mým dojmem, že studentka problematice rozumí spíše povrchně. * Design experimentů učinila studentka sama. Jsou tak málo rozsáhlé, jejich zpracování není vždy dotažené. Ne vždy je zdůvodněna volba určitého parametru experimentu. Členění práce na kapitoly je zvoleno vhodně. Práce je psána v angličtině, která je na celkem dobré úrovni, ale obsahuje prvky „czenglish“ a překlepy. Text obsahuje řadu typografických nedostatků. Kódy jsou z velké části přejaty, nicméně jsou pečlivě uvedeny jejich zdroje. Studentka se orientuje v tom, co kódy vykonávají. Případnému čtenáři tato diplomová práce mnoho nedá. Teoretická část je výtahem z literatury a výsledky v praktické části jsou příliš rozsahově omezené, aby bylo možno učinit spolehlivé závěry.

Navrhovaná známka
D
Body
60

Posudek oponenta

Mokrý, Ondřej

Studentka se ve své práci zabývá rekonstrukcí audio signálů poškozených saturací a kvantizací vzorků, přičemž zobecňuje jednoduchý algoritmus pro rekonstrukci tzv. tvrdé saturace. Původní algoritmus i jeho modifikace jsou v práci odvozeny, implementovány v Matlabu a úspěšnost rekonstrukce je vyhodnocena na simulovaném signálu i reálných nahrávkách. Práce je psána v anglickém jazyce převážně na dobré úrovni. Po formální stránce práce obsahuje větší množství nedostatků: Rovnice mnohdy nejsou (interpunkčně) součástí textu, obsahují nekonzistentní či špatné značení (např. rovnice (2.1), (3.1), (3.6)). Některé obrázky jsou překreslené z citovaného zdroje, ale přitom zbytečně rastrové a v nízkém rozlišení (1.7, 1.8). Častější jsou nekonzistence v sazbě termínů (např. v 3.3 se vyskytne „Soft Declipping“, „soft-declipping“ i „soft-declip“). Hojně se vyskytují typografické nedostatky. Odvození optimalizačního algoritmu není úplně přehledné. Zavedení řídkých reprezentací je z literatury převzato v (nadbytečné) obecnosti, ovšem naopak množství značení není zavedeno (např. skalární součin v rovnici (3.4) či vektorové prostory a prostory funkcí v části 3.2.2). Výsledky praktické části jsou zajímavé a jejich prezentace dostatečná. Navíc bych ocenil alespoň základní statistické vyhodnocení, zda jsou pozorované výsledky statisticky významné (to však nebylo explicitně součástí zadání). Celkově práce splňuje zadání, ačkoliv v minimálním rozsahu, a hodnotím ji 65 body.

Navrhovaná známka
D
Body
65

Otázky

eVSKP id 145352