Bachelor's Thesis

Classification of speakers from highly noisy signals

Final Thesis 2.52 MB Appendix 14.96 MB

Author of thesis: Bc. Kamil Teodor Hvolka

Acad. year: 2025/2026

Supervisor: Ing. Ondřej Mokrý, Ph.D.

Reviewer: Ing. Petr Dejdar, Ph.D.

Abstract:

This thesis deals with voice activity detection, speaker recognition, and speaker diarization in highly noisy and filtered recordings. The theoretical introduction describes the preprocessing of a speech signal. It then presents and describes the features used in the implemented methods and the way they are thresholded. Furthermore, freely available neural-network-based detectors and methods used for speaker classification are discussed. The thesis also describes the database, how it was created and expanded, and then describes the signal obtained by sensing an optical fibre. In the thesis, classical speech detection methods were compared with a modern approach based on training a model using neural networks. The final part of the thesis was to test the trained model for speaker recognition and diarization on artificially created recordings that have characteristics similar to recordings obtained from optical fibres.

Keywords:

Speech detector, noise backround, classification, optical fibres

Date of defence

18.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaBznamka

Grading

B

Process of defence

Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta. Jaké hlavní faktory podle Vás nejvíce ovlivňují úspěšnost rozpoznávání řečníků v signálech získaných z optických vláken? Jaký mezní kmitočet má použité vlákno? Student dostatečně vystvětlil otázky.

Language of thesis

Czech

Faculty

Fakulta elektrotechniky a komunikačních technologií

Department

Department of Telecommunications

Study programme

Audio Engineering (BPC-AUD)

Specialization

Audio Production and Recording (AUDB-ZVUK)

Composition of Committee

prof. Ing. Jiří Mekyska, Ph.D. (předseda)
RNDr. Lubor Přikryl (místopředseda)
Ing. Ladislav Káňa (člen)
Ing. Benjamin Nimmerrichter (člen)
Ing. Štěpán Miklánek, Ph.D. (člen)

Supervisor’s report
Ing. Ondřej Mokrý, Ph.D.

Student v rámci řešení bakalářské práce sestavil databázi optovláknových nahrávek (skutečných i simulovaných) a implementoval, naučil a otestoval několik modelů pro detekci řeči a řečníků. V průběhu řešení postupoval samostatně a pracoval průběžně. Drobnou výhradou je chybějící statistické vyhodnocení výsledů, jinak považuji zadání za splněné.

Z praktického pohledu se jedná o kvalitní práci. Text je však průměrný z pohledu sazby a jazykově spíše slabý – často je používán neodborný až hovorový jazyk s množstvím stylistických i gramatických chyb. Grafické výstupy jsou nejednotné a ne vždy vhodně volené.

S přihlédnutím k samostatnosti a iniciativě v průběhu řešení i praktické využitelnosti výsledků doporučuji práci k obhajobě s hodnocením 85 bodů. Points proposed by supervisor: 85

Grade proposed by supervisor: B

Reviewer’s report
Ing. Petr Dejdar, Ph.D.

Bakalářská práce se zabývá detekcí řečové aktivity, rozpoznáváním a diarizací řečníků v silně zašuměných signálech získaných pomocí optických vláken. Jedná se o zajímavé a aktuální téma využívající metody zpracování řečových signálů a strojového učení.

Autor v teoretické části přehledně shrnuje základní principy detekce řeči a klasifikace řečníků. Praktická část obsahuje návrh a implementaci několika metod VAD, jejich porovnání s moderními přístupy založenými na neuronových sítích a následné využití při rozpoznávání a diarizaci řečníků. Oceňuji zejména rozsah provedených experimentů a vytvoření vlastní databáze nahrávek včetně její následné úpravy a rozšíření.

Práce je po odborné stránce na dobré úrovni a dosažené výsledky potvrzují splnění stanovených cílů. Po formální stránce se však vyskytují jazykové a stylistické nedostatky. Některé výsledky mohly být podrobněji diskutovány a práci by prospělo použití kvalitnějších obrázků. V textu se rovněž nachází větší množství překlepů, zápis rovnic není zcela konzistentní a seznam literatury kombinuje několik různých citačních stylů.

Přes uvedené výhrady práce splňuje požadavky kladené na bakalářské práce. Práci doporučuji k obhajobě a navrhuji hodnocení B / 80 bodů. Topics for thesis defence:
  1. Jaké hlavní faktory podle Vás nejvíce ovlivňují úspěšnost rozpoznávání řečníků v signálech získaných z optických vláken?
Points proposed by reviewer: 80

Grade proposed by reviewer: B

Responsibility: Mgr. et Mgr. Hana Odstrčilová