Detekce impulzních vad v záznamu zvuku na gramofonových deskách

Abstract

Tato práce se zabývá problematikou detekce impulsních vad u mechanického záznamu zvuku. V práci jsou představeny tři detekční metody, které byly převzaty z diplomové práce Ing. M. Bolka (2016). Jedná se o autoregresivní metodu, rozšíření této metody o matched filtr a metodu vlnkové transformace. Metody jsou aplikovány na poškozené vzorky získané z reálných desek a na vzorky s namodelovanými clicky, které byly vytvořeny v rámci této práce. Součástí práce bylo provedení poslechových testů na testovaných vzorcích z důvodu získání objektivního kritéria pro vyhodnocení výsledků detekce. V této práci je zkoumán vliv jednotlivých parametrů detekčních algoritmů na jejich efektivitu. V závěru je navrženo a implementováno vylepšení jedné z metod, které zaručuje lepší výsledky detekce. Testování detekčních metod provedené v této práci ukazuje, že nejlepších výsledků bylo dosaženou pomocí metody založené na vlnkové transformaci a vyvrací korektnost aplikace detekčních metod popsaných v DP Ing. M. Bolka, kde byly výsledky podstatně horší.

This thesis deals with impulse noise detection in mechanical sound recording. There are three detection methods presented in this paper, which were adopted from M. Bolek´s master's thesis (2016). The methods specifically are an autoregressive model, its extension with matched filter and a wavelet transform model. These detection algorithms are applied to a set of corrupted samples retrieved from real gramophone records and a set of samples with modelled impulse degradations. A part of this paper describes subjective listening tests conducted on all the tested samples. Due to these listening tests an objective criteria for evaluating the results was created. This thesis analyses the impact of separate detection method parameters on the effectiveness of the detection. An improvement of one of the methods which provides better efficiency of impulse noise detection is suggested and implemented in the final part. The tests conducted in this paper prove that detection method based on wavelet transform provides the best results. They also disprove the implication correctness of the detection methods presented in Mr. Bolek´s thesis, where the detection results were considerably worse.