| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-25页 |
| ·研究背景 | 第11-15页 |
| ·盲信号处理的概念及分类 | 第11-14页 |
| ·语音信号的分离决定要采用盲分离技术 | 第14-15页 |
| ·盲分离技术研究现状 | 第15-24页 |
| ·论文结构及内容安排 | 第24-25页 |
| 第二章 盲分离的基本知识 | 第25-42页 |
| ·盲分离模型 | 第25-32页 |
| ·瞬时混合模型 | 第25-27页 |
| ·卷积混合模型 | 第27-29页 |
| ·非线性混合模型 | 第29-32页 |
| ·盲分离的假设条件 | 第32-33页 |
| ·对信源的假设 | 第32页 |
| ·对滤波器H，W和G=W*H的假设 | 第32-33页 |
| ·对数据x(k)预处理特性的假设 | 第33页 |
| ·对噪声v(k)的假设 | 第33页 |
| ·盲分离的模糊性及本质相等矩阵 | 第33-36页 |
| ·白化处理 | 第36-37页 |
| ·盲分离的优化准则及对比函数 | 第37-42页 |
| ·极大似然估计对比函数 | 第37-39页 |
| ·互信息对比函数 | 第39-40页 |
| ·负熵对比函数 | 第40页 |
| ·正交对比函数 | 第40-42页 |
| 第三章 卷积混合语音盲分离 | 第42-47页 |
| ·引言 | 第42-43页 |
| ·语音信号的基本特征 | 第43-45页 |
| ·语音信号的频谱分量比较集中 | 第43页 |
| ·语音是一个时变的非平稳的随机过程 | 第43页 |
| ·语音可以分为清音和浊音两大类 | 第43-44页 |
| ·作为一个随机过程，语音信号可以用统计分析特性来描述 | 第44-45页 |
| ·语音感知对语音分析有重要作用 | 第45页 |
| ·卷积混合盲分离的主要方法 | 第45-47页 |
| ·H-J算法的扩展 | 第45-46页 |
| ·累积量算法的扩展 | 第46页 |
| ·信息理论算法扩展 | 第46页 |
| ·基于FIR多项式矩阵代数的分离矩阵的频域训练算法 | 第46-47页 |
| 第四章 基于时域联合对角化的卷积混合盲分离算法 | 第47-54页 |
| ·引言 | 第47页 |
| ·问题描述 | 第47-48页 |
| ·时域联合对角化方法 | 第48-52页 |
| ·分离信号、观测信号与源信号空时相关矩阵之间的关系 | 第48-49页 |
| ·代价函数 | 第49-51页 |
| ·迭代算法 | 第51-52页 |
| ·实验仿真 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 卷积混合语音信号时域联合块对角化盲分离算法 | 第54-64页 |
| ·引言 | 第54页 |
| ·问题描述 | 第54-55页 |
| ·卷积混合的瞬时表示 | 第55-56页 |
| ·盲分离算法 | 第56-60页 |
| ·白化 | 第56-58页 |
| ·联合块对角化 | 第58-59页 |
| ·估计初始语音源 | 第59-60页 |
| ·实验仿真 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·本文所做主要工作 | 第64-65页 |
| ·今后研究工作 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 作者在学期间取得的学术成果 | 第74-75页 |
