基于深度学习提高低速率语音编码质量方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 引言 | 第15页 |
| 1.2 语音编码背景及现状 | 第15-17页 |
| 1.3 深度神经网络发展历程 | 第17-18页 |
| 1.4 深度神经网络在语音方面应用 | 第18页 |
| 1.5 论文研究内容和章节安排 | 第18-21页 |
| 第二章 低速率语音编码概述 | 第21-29页 |
| 2.1 低速率语音编码方法概述 | 第21-22页 |
| 2.1.1 语音编码理论依据 | 第21页 |
| 2.1.2 语音编码方法概述 | 第21-22页 |
| 2.2 低速率语音编码关键模型 | 第22-27页 |
| 2.2.1 混合激励线性预测编码模型 | 第23-26页 |
| 2.2.2 正弦变换编码模型 | 第26页 |
| 2.2.3 码激励线性预测模型 | 第26-27页 |
| 2.3 影响低速率语音编码质量的因素 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 深度神经网络概述 | 第29-43页 |
| 3.1 神经网络基础知识 | 第29-32页 |
| 3.1.1 神经元模型 | 第29-31页 |
| 3.1.2 神经网络模型 | 第31-32页 |
| 3.2 深度学习关键技术 | 第32-35页 |
| 3.2.1 反向传播算法 | 第32-35页 |
| 3.2.2 梯度下降法 | 第35页 |
| 3.3 深度学习常用模型介绍 | 第35-41页 |
| 3.3.1 卷积神经网络 | 第35-36页 |
| 3.3.2 循环神经网络 | 第36-39页 |
| 3.3.3 自动编码机网络 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 栈自动编码机语音帧分类算法研究 | 第43-51页 |
| 4.1 语音帧分类的一般方法分析 | 第43-44页 |
| 4.2 现有方法存在问题 | 第44页 |
| 4.3 基于栈自动编码机语音帧分类算法设计 | 第44-46页 |
| 4.3.1 语音参数提取 | 第45页 |
| 4.3.2 深度神经网络实现 | 第45-46页 |
| 4.3.3 过拟合问题处理 | 第46页 |
| 4.4 实验及结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 前馈神经网络带宽扩展算法研究 | 第51-61页 |
| 5.1 语音带宽扩展一般方法分析 | 第51-52页 |
| 5.2 现有方法存在的问题 | 第52页 |
| 5.3 基于前馈神经网络带宽扩展算法设计 | 第52-55页 |
| 5.3.1 算法原理 | 第52-53页 |
| 5.3.2 算法实现 | 第53-55页 |
| 5.4 设计算法性能改进 | 第55-57页 |
| 5.4.1 随机学习和批量学习 | 第56页 |
| 5.4.2 输入数据标准化 | 第56-57页 |
| 5.4.3 参数的初始化 | 第57页 |
| 5.5 性能评价 | 第57-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文完成工作 | 第61页 |
| 6.2 遗留问题及后续工作的考虑 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
