基于信号稀疏特性的语音增强算法研究
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
常用数学符号 | 第10-14页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景及意义 | 第14-16页 |
1.2 国内外研究现状 | 第16-20页 |
1.3 本文主要研究内容及结构安排 | 第20-22页 |
第二章 单通道语音增强技术基础 | 第22-49页 |
2.1 引言 | 第22页 |
2.2 时域语音增强算法 | 第22-28页 |
2.2.1 维纳滤波算法 | 第23页 |
2.2.2 卡尔曼滤波算法 | 第23-26页 |
2.2.3 信号子空间算法 | 第26-28页 |
2.3 频域语音增强算法 | 第28-34页 |
2.3.1 谱减法 | 第28-32页 |
2.3.2 MMSE-STSA估计器 | 第32-33页 |
2.3.3 log-MMSE算法 | 第33-34页 |
2.4 自适应学习算法 | 第34-40页 |
2.4.1 非负矩阵分解模型 | 第34-36页 |
2.4.2 稀疏字典学习模型 | 第36-38页 |
2.4.3 理想二值掩码模型 | 第38-40页 |
2.5 时频稀疏性在语音修复中的应用 | 第40-48页 |
2.5.1 基于稀疏性的分离技术 | 第40-41页 |
2.5.2 最大后验波形估计 | 第41-43页 |
2.5.3 稳健时频分解模型 | 第43-45页 |
2.5.4 基于RTFD模型的语音修复 | 第45-48页 |
2.6 本章小结 | 第48-49页 |
第三章 多通道语音增强技术基础 | 第49-64页 |
3.1 引言 | 第49页 |
3.2 基于波束形成技术的空域滤波算法 | 第49-57页 |
3.2.1 问题描述 | 第49-50页 |
3.2.2 延迟求和技术 | 第50-53页 |
3.2.3 固定波束形成器的设计 | 第53-54页 |
3.2.4 MVDR滤波器 | 第54-56页 |
3.2.5 广义旁瓣对消器 | 第56-57页 |
3.3 基于均方误差的空时处理算法 | 第57-62页 |
3.3.1 问题描述及衡量指标 | 第57-59页 |
3.3.2 多通道维纳滤波算法 | 第59页 |
3.3.3 多通道子空间算法 | 第59-61页 |
3.3.4 空时预测算法 | 第61-62页 |
3.4 本章小结 | 第62-64页 |
第四章 基于双线性矩阵滤波的多通道语音增强 | 第64-82页 |
4.1 引言 | 第64页 |
4.2 维纳意义的双线性滤波算法 | 第64-73页 |
4.2.1 问题提出 | 第64-67页 |
4.2.2 算法描述 | 第67-72页 |
4.2.3 仿真实验 | 第72-73页 |
4.3 双线性系统的辨识算法 | 第73-81页 |
4.3.1 双线性系统辨识的两种算法 | 第73-76页 |
4.3.2 两种辨识算法的NLMS实现 | 第76-78页 |
4.3.3 算法仿真与性能验证 | 第78-81页 |
4.4 本章小结 | 第81-82页 |
第五章 基于多线性张量滤波的多通道语音增强 | 第82-99页 |
5.1 引言 | 第82-83页 |
5.2 高阶子空间算法 | 第83-92页 |
5.2.1 问题提出 | 第83页 |
5.2.2 算法描述 | 第83-87页 |
5.2.3 仿真实验 | 第87-92页 |
5.3 改进的高阶子空间算法 | 第92-97页 |
5.3.1 高阶子空间算法的最优解 | 第92-94页 |
5.3.2 对HOSA的改进措施 | 第94-96页 |
5.3.3 仿真实验 | 第96-97页 |
5.4 本章小结 | 第97-99页 |
第六章 基于多线性张量分解的多通道语音增强 | 第99-122页 |
6.1 引言 | 第99-101页 |
6.2 正则化高阶奇异值分解 | 第101-108页 |
6.3 有监督和无监督的基矩阵 | 第108-117页 |
6.4 仿真和实验结果 | 第117-121页 |
6.5 本章小结 | 第121-122页 |
第七章 总结与展望 | 第122-125页 |
7.1 全文内容总结 | 第122-124页 |
7.2 研究展望 | 第124-125页 |
参考文献 | 第125-132页 |
致谢 | 第132-133页 |
在读期间发表的学术论文与取得的其他研究成果 | 第133页 |