| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-18页 |
| 1.1.1 盲信号处理概述 | 第14-16页 |
| 1.1.2 盲信号处理的分类 | 第16页 |
| 1.1.3 盲源分离技术在语音信号处理中的应用 | 第16-18页 |
| 1.2 卷积盲源分离发展历史和研究现状 | 第18-20页 |
| 1.3 本文的主要内容及其章节安排 | 第20-22页 |
| 第2章 语音信号卷积盲源分离基础 | 第22-46页 |
| 2.1 引言 | 第22页 |
| 2.2 瞬时盲源分离 | 第22-29页 |
| 2.2.1 盲源分离系统模型 | 第22页 |
| 2.2.2 主分量分析理论 | 第22-24页 |
| 2.2.3 独立分量分析理论 | 第24-25页 |
| 2.2.4 瞬时盲源分离理论基础 | 第25-28页 |
| 2.2.5 ICA的几种基本寻优准则 | 第28-29页 |
| 2.3 盲源分离算法分类 | 第29-34页 |
| 2.3.1 批处理算法 | 第29-30页 |
| 2.3.2 盲自适用处理算法 | 第30-33页 |
| 2.3.3 ICA的评价准则 | 第33-34页 |
| 2.4 卷积盲源分离 | 第34-45页 |
| 2.4.1 卷积盲源分离基本模型 | 第34-35页 |
| 2.4.2 卷积盲源分离时域算法 | 第35-37页 |
| 2.4.3 卷积盲源分离频域算法 | 第37-43页 |
| 2.4.4 性能评价 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 基于多频段能量相关排序的语音卷积混合盲源分离 | 第46-58页 |
| 3.1 引言 | 第46页 |
| 3.2 算法流程 | 第46-47页 |
| 3.3 排序不确定和幅度不确定问题 | 第47页 |
| 3.4 幅度相关排序算法 | 第47-49页 |
| 3.5 波达方向排序算法 | 第49页 |
| 3.6 基于多频段能量排序算法 | 第49-52页 |
| 3.7 实验结果与分析 | 第52-56页 |
| 3.7.1 实验数据 | 第52-55页 |
| 3.7.2 分离结果评估与比较 | 第55-56页 |
| 3.8 本章小结 | 第56-58页 |
| 第4章 基于频点校正的语音卷积混合盲源分离算法 | 第58-72页 |
| 4.1 引言 | 第58页 |
| 4.2 卷积混合语音信号短时傅立叶变换特性 | 第58-61页 |
| 4.3 利用频点间的相似性解决排列不确定性问题 | 第61-64页 |
| 4.3.1 算法描述 | 第61-62页 |
| 4.3.2 算法实现 | 第62-64页 |
| 4.3.3 相关排序算法存在的问题 | 第64页 |
| 4.4 基于频点校正的排序算法 | 第64-66页 |
| 4.5 实验结果与数据分析 | 第66-71页 |
| 4.5.1 性能分离评估 | 第66页 |
| 4.5.2 实验数据 | 第66-70页 |
| 4.5.3 计算复杂度分析 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 基于特征排序熵度量的语音卷积混合盲源分离算法 | 第72-83页 |
| 5.1 引言 | 第72页 |
| 5.2 特征排序的熵度量 | 第72-75页 |
| 5.3 基于熵度量排序算法的语音卷积混合盲源分离 | 第75-76页 |
| 5.3.1 算法描述 | 第75-76页 |
| 5.4 实验结果与数据分析 | 第76-81页 |
| 5.4.1 性能分离评估 | 第76-77页 |
| 5.4.2 实验数据 | 第77-81页 |
| 5.5 算法计算复杂度分析 | 第81-82页 |
| 5.6 本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-86页 |
| 6.1 本论文工作总结 | 第83-84页 |
| 6.2 未来工作展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 攻读硕士期间参与项目及取得的成果 | 第93页 |