Rekonstrukcja zdegradowanych fragmentów nagrań dźwiękowych

• Autorzy: Grad L.

Warianty tytułu

EN

Reconstruction of degraded parts of audio signals

• Języki publikacji: PL

Abstrakty

PL

W artykule zostało przedstawione zagadnienie rekonstrukcji zdegradowanych przedziałów w nagraniach dzwiękowych. Przedstawiono krótki przegląd stosowanych metod oraz wyniki badań zastosowania modeli autoregresji AR oraz nieliniowego modelu predykcji (z wykorzystaniem sieci neuronowej). Zbadano także zastosowanie analizy pasmowej w rekonstrukcji utraconych próbek.

EN

The paper presents an issue of neural networks use for reconstruction of audio signals. Various models of neural networks were tested. The use of sub-band reconstruction was examined.

Słowa kluczowe

PL

rekonstrukcja nagrań; sieci neuronowe; restauracja nagrań dźwiękowych

EN

interpolation; neural networks; audio restoration

• Wydawca: Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Instytutu Automatyki i Robotyki
• Rocznik: 2011
• Tom: R. 17, nr 31
• Strony: 79--90
• Opis fizyczny: Bibliogr. 14 poz., wykr.

Twórcy

autor

Grad L.

• Instytut Teleinformatyki i Automatyki WAT, ul. Gen. S. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] Biscainho L. W. P., Diniz P. S. R, Esquel P. A. A., A Model for an ARMA Process Split in Sub-Bands, Proc. 2000 IEEE Intern. Symposium on Circuits and Systems, Vol. III, IEEE May 2000, pp. 97 - 100.
• [2] Biscainho L. W. P., Diniz P. S. R., Esquel P. A. A., ARMA Process in Sub-Bands with Application to Audio Restoration, Proceedings of IEEE International Symposium on Circuits and Systems, Sydney, Vol. 2 (2001), pp. 157 - 160.
• [3] Beerends J. G., Stemerding J. A., A perceptual audio quality measure based on a psychoacoustic sound representation, J.Audio Eng. Soc., Vol. 40, Dec. 1992, pp. 963 - 978.
• [4] Cocchi G., Uncini A., Subbands Audio Signal Recovering using Neural Nonlinear Prediction, Proceedings ICASSP 2001, Vol. 2, 7-11 May 2001, pp. 1289 - 1292.
• [5] Czyżewski A., Dźwięk cyfrowy, Wybrane zagadnienia teoretyczne, technologia, zastosowania, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001.
• [6] Czyżewski A., Learning Algorithms for Audio Signal Enhancement, Part 1: Neural Network Implementation for the Removal of Impulse Distortions, Journ. Of Audio Engineering Society, Vol. 45, No. 10, Oct. 1996, pp. 815 - 831.
• [7] Grad L., Zastosowania liniowego i nieliniowego modelu predykcji w analizie sygnałów mowy, „Biuletyn IAiR”, nr 10/1999, str. 25 - 40.
• [8] Grad L., Restauracja nagran dźwiękowych - usuwanie zakłóceń impulsowych, „Biuletyn IAiR”, nr 27/2009, str. 85 - 95.
• [9] Lin H., Godsill S. J., The Multi-channel AR Model for Real-time Audio Restoration, IEEE Workshop on Applications of Signal Processing to Audio and Acoustics, Oct. 2005, pp. 335 - 338.
• [10] Lu L., Mao Y., Wenyin L., Zhang H. J., Audio Restoration by Constrained audio Texture Synthesis, Proceedings ICASSP 2003, July 2003, Vol. 3, pp. 405 - 408.
• [11] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2000.
• [12] Seng K. P., Hui L. E., Ming T. K., Multimedia Signal Processing Using AI, Communications, APPC 2003 Asia-Pacific Conference, Vol. 2, pp. 825 - 829.
• [13] Wolf P. J., Godsill S. J., Interpolation of missing data value for audio signal restoration using a Gabor regression model, Proceedings ICASSP 2005, IEEE, Vol. 5, pp. 517 - 520.
• [14] Urada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa, 1996.