Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Optimizing dictionary learning parameters for solving Audio Inpainting problem

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F13%3APU101473" target="_blank" >RIV/00216305:26220/13:PU101473 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.ijates.org/index.php/ijates/article/view/34/32" target="_blank" >http://www.ijates.org/index.php/ijates/article/view/34/32</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Optimizing dictionary learning parameters for solving Audio Inpainting problem

  • Popis výsledku v původním jazyce

    Recovering missing or distorted audio signal samples has been recently improved by solving an Audio Inpainting problem. This paper aims to connect this problem with K-SVD dictionary learning to improve reconstruction error for missing signal insertion problem. Our aim is to adapt an initial dictionary to the reliable signal to be more accurate in missing samples estimation. This approach is based on sparse signals reconstruction and optimization problem. In the paper two staple algorithms, connection between them and emerging problems are described. We tried to find optimal parameters for efficient dictionary learning.

  • Název v anglickém jazyce

    Optimizing dictionary learning parameters for solving Audio Inpainting problem

  • Popis výsledku anglicky

    Recovering missing or distorted audio signal samples has been recently improved by solving an Audio Inpainting problem. This paper aims to connect this problem with K-SVD dictionary learning to improve reconstruction error for missing signal insertion problem. Our aim is to adapt an initial dictionary to the reliable signal to be more accurate in missing samples estimation. This approach is based on sparse signals reconstruction and optimization problem. In the paper two staple algorithms, connection between them and emerging problems are described. We tried to find optimal parameters for efficient dictionary learning.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/NT13499" target="_blank" >NT13499: Řeč, její poruchy a kognitivní funkce u Parkinsonovy nemoci</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    International Journal of Advances in Telecommunications, Electrotechnics, Signals and Systems

  • ISSN

    1805-5443

  • e-ISSN

  • Svazek periodika

    2

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    6

  • Strana od-do

    40-45

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus