| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 第1章 绪论 | 第16-32页 |
| ·课题研究背景及目的意义 | 第16-18页 |
| ·国内外研究现状 | 第18-20页 |
| ·语音信号检测研究现状 | 第18-19页 |
| ·语音增强研究现状 | 第19-20页 |
| ·语音信号检测及增强方法 | 第20-28页 |
| ·检测方法概述 | 第20-23页 |
| ·增强方法概述 | 第23-28页 |
| ·语音信号处理基础 | 第28-30页 |
| ·预加重 | 第28-29页 |
| ·加窗和分帧 | 第29-30页 |
| ·评价标准 | 第30页 |
| ·本文章节安排 | 第30-32页 |
| 第2章 基于希尔伯特-黄变换的低信噪比语音检测 | 第32-53页 |
| ·引言 | 第32页 |
| ·经验模态分解算法 | 第32-37页 |
| ·特征时间尺度 | 第34-35页 |
| ·固有模态函数 | 第35页 |
| ·经验模态分解过程 | 第35-37页 |
| ·希尔伯特谱分析 | 第37-39页 |
| ·Hilbert谱 | 第37-38页 |
| ·Hilbert谱的时频分辨特性 | 第38页 |
| ·Hilbert边际谱 | 第38-39页 |
| ·基于希尔伯特-黄变换的语音信号检测 | 第39-52页 |
| ·检测方法分析 | 第39-44页 |
| ·检测步骤 | 第44页 |
| ·实验结果及讨论 | 第44-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 基于希尔伯特-黄变换谱矩阵的低信噪比语音检测 | 第53-73页 |
| ·引言 | 第53页 |
| ·希尔伯特-黄变换谱矩阵 | 第53-54页 |
| ·基于HHTSM的语音信号检测 | 第54-72页 |
| ·检测方法分析 | 第54-62页 |
| ·检测步骤 | 第62页 |
| ·实验结果及讨论 | 第62-72页 |
| ·本章小结 | 第72-73页 |
| 第4章 基于极值域均值模式分解最大相似度的低信噪比语音增强 | 第73-98页 |
| ·引言 | 第73-74页 |
| ·经验模态分解存在的问题 | 第74-78页 |
| ·曲线拟合 | 第74-75页 |
| ·端点效应 | 第75页 |
| ·模态混迭 | 第75-76页 |
| ·筛选终止条件 | 第76-78页 |
| ·极值域均值模式分解算法 | 第78-85页 |
| ·自适应时变滤波法 | 第78-79页 |
| ·极值域均值模式分解算法 | 第79-82页 |
| ·消除端点效应方法 | 第82-84页 |
| ·实验结果及讨论 | 第84-85页 |
| ·基于极值域均值模式分解最大相似度语音增强算法研究 | 第85-97页 |
| ·增强方法分析 | 第86-90页 |
| ·增强步骤 | 第90页 |
| ·实验结果及讨论 | 第90-97页 |
| ·本章小结 | 第97-98页 |
| 第5章 基于极值域均值模式分解与独立分量分析的低信噪比语音增强 | 第98-113页 |
| ·引言 | 第98-99页 |
| ·独立分量分析 | 第99-100页 |
| ·盲信号问题描述 | 第99页 |
| ·独立分量分析基本问题 | 第99页 |
| ·独立分量分析主要思路 | 第99-100页 |
| ·基于极值域均值模式分解和独立分量分析的语音增强 | 第100-112页 |
| ·增强方法分析 | 第100-104页 |
| ·增强步骤 | 第104页 |
| ·实验结果及讨论 | 第104-112页 |
| ·本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-126页 |
| 致谢 | 第126-127页 |
| 个人简历 | 第127页 |
