Dictionary learning for sparse signal reconstruction

Tato bakalářská práce se zabývá učením slovníku pro rekonstrukci signálu na základě řídkých reprezentací. Jsou zde popsány způsoby tvorby statických a přizpůsobených slovníkových matic, které jsou užité s aproximativním algoritmem Orthogonal Matching Pursuit k rekonstrukci skupiny chybějících vzorků ve zvukovém signálu. Je zde teoreticky rozebrán algoritmus pro učení K-SVD slovníku společně s jeho implementací v prostředí Matlab. Dále jsou vybrané slovníky porovnávány na různých typech zvukového signálu.This bachelor thesis discusses the dictionary learning for the reconstruction of signal based on sparse representations. There are methods of static and optimized dictionary of matrices described that are used with approximative Orthogonal Matching Pursuit algorithm to reconstruct the missing groups of samples in the audio signal. There is theoretically analyzed algorithm for learning K-SVD dictionary together with its implementation in Matlab. Furthermore, the selected dictionaries are compared to the various types of audio signals.