基于信号子空间的语音增强算法研究与实现
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 语音增强技术的发展历史 | 第14-17页 |
| 1.1.1 谱减法 | 第15-16页 |
| 1.1.2 基于统计模型的算法 | 第16页 |
| 1.1.3 子空间算法 | 第16-17页 |
| 1.2 子空间语音增强算法研究现状 | 第17-18页 |
| 1.3 本文的主要工作及安排 | 第18-20页 |
| 第二章 子空间算法的理论基础 | 第20-36页 |
| 2.1 语音信号模型 | 第20-21页 |
| 2.2 噪声分类 | 第21-25页 |
| 2.2.1 白噪声与有色噪声 | 第21-24页 |
| 2.2.2 加性噪声和乘性噪声 | 第24-25页 |
| 2.2.3 平稳噪声和非平稳噪声 | 第25页 |
| 2.3 噪声估计算法 | 第25-26页 |
| 2.4 增强算法的性能评估 | 第26-29页 |
| 2.4.1 音频质量的评估 | 第26-27页 |
| 2.4.2 音频可懂度的评估 | 第27页 |
| 2.4.3 音频评估的带噪语音库 NOIZEUS | 第27-29页 |
| 2.5 信号子空间算法的基础 | 第29-35页 |
| 2.5.1 子空间定义 | 第29-30页 |
| 2.5.2 投影矩阵 | 第30-33页 |
| 2.5.3 低秩近似模型 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于 EVD 的子空间降噪算法的研究 | 第36-52页 |
| 3.1 信号子空间模型 | 第37-42页 |
| 3.1.1 语音模型 | 第37-39页 |
| 3.1.2 噪声模型 | 第39页 |
| 3.1.3 带噪语音模型 | 第39-40页 |
| 3.1.4 变换矩阵模型 | 第40-42页 |
| 3.2 语音估计 | 第42-47页 |
| 3.2.1 最小二乘估计器 | 第42页 |
| 3.2.2 线性最小均方误差估计器 | 第42-44页 |
| 3.2.3 时域约束估计器 | 第44-46页 |
| 3.2.4 频域约束估计器 | 第46-47页 |
| 3.3 算法仿真 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 增强算法的改进与实现 | 第52-62页 |
| 4.1 改进的协方差估计方法 | 第52-55页 |
| 4.1.1 协方差估计方法 | 第52-53页 |
| 4.1.2 稳态窗共享的协方差估计方法 | 第53-55页 |
| 4.2 拉格朗日算子和纯净信号维数的估计 | 第55-59页 |
| 4.2.1 拉格朗日算法的估计方法 | 第55-57页 |
| 4.2.2 信号子空间维数估计 | 第57-59页 |
| 4.3 有色噪声问题 | 第59-61页 |
| 4.3.1 预白化处理有色噪声 | 第59-60页 |
| 4.3.2 内嵌预白化过程 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 性能分析和对比 | 第62-69页 |
| 5.1 改进后算法的实现 | 第62-63页 |
| 5.2 性能对比分析 | 第63-66页 |
| 5.3 实际语音识别系统中的应用 | 第66-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结和展望 | 第69-72页 |
| 6.1 主要结论 | 第69-70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间已发表或录用的论文 | 第77页 |
