语音增强及鲁棒特征提取方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 语音识别的发展历程和研究现状 | 第11-13页 |
| 1.2.1 语音识别技术的发展历程和研究现状 | 第11-12页 |
| 1.2.2 语音识别技术的研究难点 | 第12-13页 |
| 1.3 本论文研究的主要内容 | 第13-14页 |
| 第2章 语音产生及其预处理 | 第14-25页 |
| 2.1 语音的产生 | 第14-15页 |
| 2.2 人耳声音感知理论 | 第15-17页 |
| 2.2.1 声音感知的生理原理 | 第15-16页 |
| 2.2.2 声音的掩蔽效应 | 第16-17页 |
| 2.3 语音预处理 | 第17-19页 |
| 2.4 语音端点检测算法 | 第19-24页 |
| 2.4.1 基于双门限的端点检测 | 第19-22页 |
| 2.4.2 频带方差端点检测 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于自编码神经网络语音增强 | 第25-39页 |
| 3.1 传统的谱减法语音增强 | 第25-27页 |
| 3.2 改进LMS自适应滤波器语音增强算法 | 第27-31页 |
| 3.3 自编码神经网络语音增强的设计 | 第31-38页 |
| 3.3.1 自编码神经网络 | 第31-33页 |
| 3.3.2 自编码神经网络降噪和仿真分析 | 第33-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 语音特征提取及DNN-HMM声学模型 | 第39-51页 |
| 4.1 Mel倒谱系数MFCC及其变换 | 第39-45页 |
| 4.1.1 MFCC参数提取 | 第41-42页 |
| 4.1.2 LDA变换 | 第42-43页 |
| 4.1.3 MLLT变换 | 第43-45页 |
| 4.1.4 说话人自适应变换(SAT) | 第45页 |
| 4.2 DNN-HMM声学模型 | 第45-48页 |
| 4.2.1 HMM原理 | 第46-47页 |
| 4.2.2 DNN和HMM的混合声学模型 | 第47-48页 |
| 4.3 仿真结果及分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 小波包变换的声纹特征提取实现 | 第51-59页 |
| 5.1 小波包变换 | 第51-52页 |
| 5.2 DWPT声纹特征提取 | 第52-54页 |
| 5.3 LBG-VQ-DWPT识别算法 | 第54-56页 |
| 5.4 实验结果与分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表的学术成果 | 第64-65页 |
| 致谢 | 第65页 |
