改进的参数自适应的维纳滤波语音增强算法
| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容及论文结构 | 第15-19页 |
| 1.3.1 本文研究内容 | 第15-17页 |
| 1.3.2 论文结构 | 第17-19页 |
| 第二章 语音的相关介绍及问题分析 | 第19-33页 |
| 2.1 语音增强的基本理论 | 第19-22页 |
| 2.1.1 语音的主要特性 | 第19-20页 |
| 2.1.2 噪声的主要特性 | 第20-21页 |
| 2.1.3 含噪语音的信号模型 | 第21-22页 |
| 2.2 语音增强算法综述 | 第22-27页 |
| 2.2.1 谱减法 | 第22-24页 |
| 2.2.2 维纳滤波算法 | 第24-25页 |
| 2.2.3 最小均方误差估计法 | 第25-26页 |
| 2.2.4 子空间算法 | 第26-27页 |
| 2.3 经典算法存在的问题 | 第27-29页 |
| 2.4 噪声评估算法 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 语音性能评估方法 | 第33-41页 |
| 3.1 语音性能评价方法简介 | 第33页 |
| 3.2 语音性能的主观评价 | 第33-36页 |
| 3.2.1 语音质量的主观评价 | 第33-34页 |
| 3.2.2 语音可懂度的主观评价 | 第34-36页 |
| 3.3 语音性能的客观评价 | 第36-40页 |
| 3.3.1 语音质量的客观评价 | 第36-38页 |
| 3.3.2 语音可懂度的客观评价 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于深度置信网络的噪声分类算法 | 第41-51页 |
| 4.1 分类算法的基础理论 | 第41-43页 |
| 4.1.1 数据训练方法 | 第41-42页 |
| 4.1.2 梯度下降算法 | 第42-43页 |
| 4.2 分类算法综述及其缺点分析 | 第43-45页 |
| 4.2.1 分类算法综述 | 第43-45页 |
| 4.2.2 分类算法缺点分析 | 第45页 |
| 4.3 基于深度置信网络的噪声分类算法 | 第45-48页 |
| 4.3.1 噪声分类算法 | 第46-47页 |
| 4.3.2 算法的准确性评估 | 第47-48页 |
| 4.4 本章小结 | 第48-51页 |
| 第五章 参数自适应的维纳滤波语音增强算法 | 第51-69页 |
| 5.1 维纳滤波基础理论 | 第51-54页 |
| 5.2 基于先验信噪比的维纳滤波算法 | 第54-57页 |
| 5.2.1 维纳滤波算法简介 | 第54-55页 |
| 5.2.2 维纳滤波增强算法问题分析 | 第55-57页 |
| 5.3 基于噪声分类的参数自适应维纳滤波算法 | 第57-62页 |
| 5.3.1 参数自适应算法 | 第57-60页 |
| 5.3.2 先验信噪比的修正 | 第60-61页 |
| 5.3.3 参数自适应算法流程 | 第61-62页 |
| 5.4 仿真实验及结果分析 | 第62-67页 |
| 5.4.1 已知噪声仿真实验 | 第63-66页 |
| 5.4.2 未知噪声仿真实验 | 第66-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文研究内容的总结 | 第69-70页 |
| 6.2 存在的问题及展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
