| 表目录 | 第1-8页 |
| 图目录 | 第8-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题研究的背景和意义 | 第13-17页 |
| ·论文主要工作 | 第17-18页 |
| ·论文结构安排 | 第18-19页 |
| 第二章 短波语音增强相关理论 | 第19-25页 |
| ·语音和噪声的特点 | 第19-21页 |
| ·语音信号的特点 | 第19-21页 |
| ·噪声特点及分类 | 第21页 |
| ·短波语音及窄带干扰特点 | 第21-23页 |
| ·短波语音背景噪声基本特征 | 第22页 |
| ·短波语音窄带干扰的特点 | 第22-23页 |
| ·短波语音增强方法及要解决的关键问题 | 第23-24页 |
| ·短波语音增强基本方法 | 第23页 |
| ·关键技术分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于小波能量熵的语音端点检测算法 | 第25-39页 |
| ·引言 | 第25页 |
| ·语音预处理 | 第25-27页 |
| ·语音信号预加重 | 第26页 |
| ·加窗分帧 | 第26-27页 |
| ·基于能零比 EZR（Energy Zero Ratio）的端点检测算法 | 第27-29页 |
| ·理论基础 | 第27-28页 |
| ·EZR 端点检测算法实现 | 第28-29页 |
| ·基于能量熵的端点检测算法 | 第29-32页 |
| ·理论基础 | 第29-30页 |
| ·方法实现 | 第30-32页 |
| ·基于小波能量熵的端点检测算法 | 第32-35页 |
| ·理论基础 | 第32页 |
| ·小波能量熵 | 第32-33页 |
| ·自适应分层 | 第33-34页 |
| ·改进的自然加权因子 | 第34-35页 |
| ·仿真结果分析 | 第35-38页 |
| ·实验仿真分析 | 第35-38页 |
| ·结论 | 第38页 |
| ·本章小节 | 第38-39页 |
| 第四章 基于能量熵统计模型的语音增强算法 | 第39-51页 |
| ·引言 | 第39页 |
| ·传统统计模型语音增强算法 | 第39-43页 |
| ·理论基础 | 第39-40页 |
| ·方法实现 | 第40-43页 |
| ·基于能量熵统计模型语音增强算法 | 第43-45页 |
| ·理论基础 | 第43页 |
| ·算法实现 | 第43-45页 |
| ·仿真结果 | 第45页 |
| ·基于熵差的改进加权算法 | 第45-46页 |
| ·语音质量的客观评价 | 第46-48页 |
| ·信噪比 | 第46-47页 |
| ·分段信噪比 | 第47页 |
| ·频域失真测度 | 第47-48页 |
| ·实验仿真 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 子带语音干扰检测及自适应陷波算法 | 第51-66页 |
| ·引言 | 第51页 |
| ·子带语音干扰检测算法 | 第51-57页 |
| ·传统干扰检测 | 第51-54页 |
| ·语音谐波特性 | 第54-55页 |
| ·子带干扰检测算法 | 第55-57页 |
| ·基于IMCRA 噪声估计的自适应陷波算法 | 第57-61页 |
| ·传统陷波算法 | 第57页 |
| ·谱减平滑陷波算法 | 第57-58页 |
| ·IMCRA 噪声估计下的自适应陷波算法 | 第58-61页 |
| ·仿真结果比较分析 | 第61-65页 |
| ·实验数据仿真 | 第61-62页 |
| ·短波窄带干扰检测及陷波结果 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 短波语音增强系统设计 | 第66-75页 |
| ·引言 | 第66页 |
| ·去噪模型人工修正 | 第66-70页 |
| ·噪声残留度和语音损伤度的选择 | 第66-68页 |
| ·窄带干扰对于语音端点检测的影响 | 第68-69页 |
| ·系统模块组成及整体流程设计 | 第69-70页 |
| ·结果比较 | 第70-74页 |
| ·实验仿真数据结果比较 | 第70-72页 |
| ·真实短波信号处理结果 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 结束语 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 作者简历攻读硕士学位期间完成的主要工作 | 第79-80页 |
| 致谢 | 第80页 |