基于计算听觉场景分析和深度神经网络的混响语音分离
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10页 |
| ·研究现状 | 第10-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 混响的基本知识 | 第16-26页 |
| ·房间混响 | 第16-18页 |
| ·混响的影响 | 第17页 |
| ·混响的特征参数 | 第17-18页 |
| ·混响的特点 | 第18页 |
| ·混响的模型 | 第18-21页 |
| ·数学模型 | 第18-20页 |
| ·仿真模型 | 第20-21页 |
| ·混响语音分离质量的评测指标 | 第21-24页 |
| ·主观评测指标 | 第22-23页 |
| ·客观评测指标 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于计算听觉场景分析的混响语音分离 | 第26-44页 |
| ·引言 | 第26页 |
| ·算法框架 | 第26-38页 |
| ·听觉外围处理 | 第27-29页 |
| ·特征提取 | 第29-31页 |
| ·多基音检测 | 第31-34页 |
| ·时频单元标记 | 第34-36页 |
| ·听觉分割和听觉重组 | 第36-38页 |
| ·语音合成 | 第38页 |
| ·实验结果与分析 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于深度神经网络的混响语音分离 | 第44-62页 |
| ·深度神经网络 | 第44-46页 |
| ·深度神经网络的结构 | 第44-45页 |
| ·深度神经网络的训练 | 第45-46页 |
| ·基于DNN学习的单声道混响语音分离 | 第46-49页 |
| ·特征提取 | 第46-47页 |
| ·DNN的模型训练 | 第47-48页 |
| ·后期处理 | 第48-49页 |
| ·基于DNN分类的双声道混响语音分离 | 第49-57页 |
| ·算法原理 | 第50-51页 |
| ·特征提取 | 第51-55页 |
| ·DNN分类 | 第55-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的论文 | 第70页 |
