This Master's Thesis deals with the issue of audio clipping and the application of sparse represenations model for the task of declipping. First, a general theory of clipping is described, followed by a brief overview of existing methods and a description of the general theory concerning sparse representations of signals and bases, respectively frames. Subsequently, two methods solving declipping problem based on sparse representations are intruduced. The first method uses the Generic proximal algorithm for convex optimization, the second one uses the Douglas-Rachford algorithm. The above mentioned methods have been programmed in the Matlab environment. The results of the declipping methods are evaluated according to SNR, PEMO-Q and also by subjective listening tests.

Diplomová práce se zabývá problematikou audio clippingu a aplikací modelu řídkých reprezentací pro úlohu declippingu. Nejprve je popsána obecná teorie clippingu, na kterou navazuje stručný přehled stávajících metod a popis obecné teorie, zabývající se řídkými reprezentacemi signálů a bázemi, resp. framy. Následně jsou představeny dvě metody, které řeší úlohu declippingu na základě řídkých reprezentací. První metoda používá Obecný proximální algoritmus pro konvexní optimalizaci, druhá pak Douglas-Rachfordův algoritmus. Zmíněné metody byly naprogramovány v prostředí Matlab. Výsledky metod jsou vyhodnoceny podle ukazatelů SNR, PEMO-Q a také podle subjektivních poslechových testů.

A