基于人耳听觉系统的盲声源分离方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 盲源分离简介 | 第10页 |
| 1.2 研究背景及研究意义 | 第10-11页 |
| 1.3 研究现状及发展趋势 | 第11-14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第二章 语音信号处理相关理论 | 第16-28页 |
| 2.1 人耳听觉系统简介 | 第16-18页 |
| 2.1.1 人耳听觉模型 | 第16-17页 |
| 2.1.2 基底膜分频理论 | 第17-18页 |
| 2.2 盲声源分离算法理论 | 第18-19页 |
| 2.2.1 超定盲声源分离算法 | 第18页 |
| 2.2.2 欠定盲声源分离算法 | 第18-19页 |
| 2.2.3 特殊欠定盲声源分离算法 | 第19页 |
| 2.3 语音信号处理基础理论 | 第19-26页 |
| 2.3.1 语音信号混合模型 | 第19-20页 |
| 2.3.2 独立分量分析 | 第20-21页 |
| 2.3.3 稀疏性 | 第21-22页 |
| 2.3.4 W-正交分离性 | 第22-24页 |
| 2.3.5 Gammatone滤波器 | 第24-25页 |
| 2.3.6 麦克风间距约束 | 第25-26页 |
| 2.4 盲声源分离算法性能评价 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 双麦克风盲声源分离算法 | 第28-38页 |
| 3.1 语音信号前期处理方法 | 第28-30页 |
| 3.2 BLUES算法 | 第30-32页 |
| 3.3 两步法双麦克风盲声源分离算法 | 第32-37页 |
| 3.3.1 混合矩阵估计 | 第33-36页 |
| 3.3.2 源信号重建 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 两步法之混合矩阵估计 | 第38-54页 |
| 4.1 单源主导区域提取算法 | 第38-46页 |
| 4.1.1 单源区域方差极小方法 | 第39-40页 |
| 4.1.2 其它单源主导区间提取算法 | 第40-41页 |
| 4.1.3 存在问题分析 | 第41页 |
| 4.1.4 改进方案 | 第41-42页 |
| 4.1.5 仿真结果及分析 | 第42-46页 |
| 4.2 混合矩阵估计算法 | 第46-52页 |
| 4.2.1 特征量提取方法 | 第47页 |
| 4.2.2 势函数估计算法 | 第47-50页 |
| 4.2.3 其他混合矩阵估计算法 | 第50-52页 |
| 4.3 本章小结 | 第52-54页 |
| 第五章 两步法之源信号重建 | 第54-69页 |
| 5.1 源信号重建理论 | 第54页 |
| 5.2 最短路径法 | 第54-57页 |
| 5.3 二值时频掩蔽方法及其优化 | 第57-59页 |
| 5.4 基于隶属度的时频掩蔽方法 | 第59-60页 |
| 5.5 改进方案 | 第60页 |
| 5.6 仿真结果及对比分析 | 第60-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
