Návrh signálů pro modelování nelineárních systémů

Abstract

Diplomová práce se zabývá trénovacími signály pro modelování nelineárních systémů pomocí hlubokého učení. Je zde popsán teoretický úvod k této problematice včetně úvodního popisu signálů a nelineárních zvukových zkreslovacích efektů. Cílem práce je navržení sady umělých trénovacích signálů, které mají sloužit k vytvoření modelů zkreslovacích kytarových efektů nebo elektronkových kytarových zesilovačů. Navržená sada umělých trénovacích signálů je poté zpracována kytarovými a baskytarovými efekty a pomocí rekurentní neuronové sítě jsou natrénovány jejich modely. Kvalita výsledných modelů je následně srovnána s kvalitou modelů vytvořených pomocí referenčního trénovacího signálu, složeného ze záznamů hry na elektrickou kytaru, a signálů z komerčně dostupných zařízení. Srovnání je provedeno dle objektivních metrik a subjektivního hodnocení pomocí poslechového testu MUSHRA.This Master’s thesis is focused on training signals for nonlinear system modeling using deep learning. A theoretical introduction to the problem is described, including an initial description of signals and nonlinear distortion audio effects. The goal of the thesis is to design a set of artificial training signals for creating models of distortion guitar effects or tube guitar amplifiers. The designed set of artificial training signals is then processed, utilizing guitar and bass guitar effects, and using a recurrent neural network their models are trained. The quality of the resulting models is afterwards compared with the quality of the models trained with the help of a reference training signal, composed of electric guitar recordings, and signals from commercially available devices. The comparison is carried out in accordance to objective metrics and with subjective evaluation by the MUSHRA listening test.