| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 语音质量评价方法及相关技术 | 第12-16页 |
| 1.2.1 语音质量主观评价方法 | 第12-13页 |
| 1.2.2 语音质量客观评价方法 | 第13-16页 |
| 1.3 论文研究内容及章节安排 | 第16-18页 |
| 第二章 基于PESQ的无参考源客观评价算法 | 第18-40页 |
| 2.1 降噪语音构造 | 第18-22页 |
| 2.1.1 MCRA算法 | 第18-21页 |
| 2.1.2 谱减法 | 第21-22页 |
| 2.2 有参考源的PESQ评分算法 | 第22-34页 |
| 2.2.1 幅度对齐 | 第22-23页 |
| 2.2.2 IRS滤波 | 第23页 |
| 2.2.3 时间对齐 | 第23-26页 |
| 2.2.4 感知模型 | 第26-34页 |
| 2.3 基于PESQ的无参考源语音质量客观评价算法 | 第34-39页 |
| 2.3.1 性能优化 | 第34-35页 |
| 2.3.2 实验及结果分析 | 第35-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 半监督学习的背景噪声、含噪语音及纯净语音分类器 | 第40-70页 |
| 3.1 高斯混合模型 | 第40-43页 |
| 3.1.1 GMM模型描述 | 第40-41页 |
| 3.1.2 GMM参数估计 | 第41-43页 |
| 3.2 支持向量机 | 第43-47页 |
| 3.2.1 线性支持向量机 | 第43-47页 |
| 3.2.2 非线性支持向量机 | 第47页 |
| 3.3 基于高斯重叠判决的GMM模型重构 | 第47-51页 |
| 3.3.1 高斯混元的自距离矩阵与互距离矩阵 | 第48-49页 |
| 3.3.2 高斯混元的邻域 | 第49-50页 |
| 3.3.3 GMM模型重构 | 第50-51页 |
| 3.4 SVM半监督学习 | 第51-57页 |
| 3.4.1 供专家标注的样本选择 | 第52-54页 |
| 3.4.2 数据平衡算法 | 第54-57页 |
| 3.5 GMMSVM半监督学习算法 | 第57-64页 |
| 3.5.1 初始GMM模型训练及其重构 | 第58-59页 |
| 3.5.2 SVM选用特征 | 第59-60页 |
| 3.5.3 VAD及分段 | 第60页 |
| 3.5.4 背景噪声GMM模型MAP自适应 | 第60-63页 |
| 3.5.5 背景噪声、含噪语音及纯净语音分类器 | 第63-64页 |
| 3.6 实验及结果分析 | 第64-69页 |
| 3.6.1 实验数据及性能指标 | 第64-65页 |
| 3.6.2 实验及结果分析 | 第65-69页 |
| 3.7 本章小结 | 第69-70页 |
| 第四章 适应环境的无参考源语音质量评价系统 | 第70-80页 |
| 4.1 评价系统的整体架构 | 第70-73页 |
| 4.1.1 时域规则 | 第71-72页 |
| 4.1.2 估算信噪比 | 第72-73页 |
| 4.2 系统的设计 | 第73-76页 |
| 4.2.1 GMMSVM半监督学习 | 第73-75页 |
| 4.2.2 语音质量客观评价系统 | 第75-76页 |
| 4.3 实验及结果分析 | 第76-79页 |
| 4.3.1 纯净语音客观评分的确定 | 第76-77页 |
| 4.3.2 各算法相关度对比实验 | 第77-78页 |
| 4.3.3 不同信噪比下的性能测试 | 第78页 |
| 4.3.4 短波通信下的性能测试 | 第78-79页 |
| 4.4 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 工作总结 | 第80-81页 |
| 5.2 工作展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-88页 |
| 致谢 | 第88-89页 |
| 附件 | 第89页 |