基于卷积神经网络的语音分离方法研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第12-15页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 论文的主要内容 | 第13-15页 |
| 第二章 语音分离的基本理论 | 第15-25页 |
| 2.1 语音分离基础 | 第15-16页 |
| 2.1.1 混合语音的产生 | 第15页 |
| 2.1.2 语音分离 | 第15-16页 |
| 2.1.3 单通道与多通道 | 第16页 |
| 2.2 常见的单通道语音分离技术 | 第16-19页 |
| 2.2.1 基于CASA的语音分离技术 | 第16-17页 |
| 2.2.2 基于频谱分解法的语音分离技术 | 第17-18页 |
| 2.2.3 基于模型的语音分离技术 | 第18-19页 |
| 2.3 常见的多通道语音分离技术 | 第19-24页 |
| 2.3.1 固定波束形成技术 | 第19-21页 |
| 2.3.2 自适应波束形成技术 | 第21-22页 |
| 2.3.3 后置滤波技术 | 第22-23页 |
| 2.3.4 信号子空间技术 | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 卷积神经网络基本原理 | 第25-31页 |
| 3.1 卷积神经网络概念 | 第25页 |
| 3.2 卷积神经网络的常用结构 | 第25-26页 |
| 3.3 卷积神经网络的特征 | 第26-28页 |
| 3.4 卷积神经网络的训练过程 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 系统描述 | 第31-36页 |
| 4.1 系统结构框架 | 第31页 |
| 4.2 时频分解 | 第31-32页 |
| 4.3 特征选择 | 第32页 |
| 4.4 目标 | 第32-33页 |
| 4.5 模型 | 第33-35页 |
| 4.5.1 深度神经网络DNN实验设置 | 第33-34页 |
| 4.5.2 卷积神经网络CNN实验设置 | 第34-35页 |
| 4.6 波形合成 | 第35页 |
| 4.7 本章小结 | 第35-36页 |
| 第五章 实验结果及分析 | 第36-43页 |
| 5.1 单通道语音分离 | 第36-40页 |
| 5.1.1 数据描述 | 第36页 |
| 5.1.2 实验输入与输出 | 第36-37页 |
| 5.1.3 实验评估 | 第37页 |
| 5.1.4 实验结果与分析 | 第37-40页 |
| 5.2 多通道语音分离 | 第40-42页 |
| 5.2.1 数据描述 | 第40页 |
| 5.2.2 实验输入与输出 | 第40-41页 |
| 5.2.3 实验评估 | 第41页 |
| 5.2.4 实验结果与分析 | 第41-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 总结与期望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |
