| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 盲源分离简介 | 第11页 |
| 1.2 研究背景和意义 | 第11-12页 |
| 1.3 国内外的研究现状 | 第12-14页 |
| 1.4 面临的挑战及其展望 | 第14-15页 |
| 1.5 本文主要工作 | 第15-17页 |
| 第二章 语音信号处理相关理论 | 第17-27页 |
| 2.1 语音信号的混合模型及其分离模型 | 第17-19页 |
| 2.1.1 瞬时线性混合模型及其分离模型 | 第17页 |
| 2.1.2 卷积混合模型及其分离模型 | 第17-18页 |
| 2.1.3 非线性混合模型及其分离模型 | 第18-19页 |
| 2.2 语音信号的时域和频域特性 | 第19页 |
| 2.2.1 语音信号的时域特性 | 第19页 |
| 2.2.2 语音信号的频域特性 | 第19页 |
| 2.3 语音信号的短时频域处理 | 第19-24页 |
| 2.3.1 短时傅里叶变换 | 第20-21页 |
| 2.3.2 语音分析中窗函数的选择 | 第21-23页 |
| 2.3.3 语音信号中的分帧技术 | 第23-24页 |
| 2.4 语音信号的稀疏特性 | 第24-25页 |
| 2.4.1 语音信号的稀疏性 | 第24-25页 |
| 2.4.2 W-正交分离性 | 第25页 |
| 2.5 语音信号盲声源分离的评估标准 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 欠定盲声源分离算法 | 第27-38页 |
| 3.1 欠定盲声源混合模型 | 第27-28页 |
| 3.2 混合矩阵估计方法 | 第28-32页 |
| 3.2.1 K均值聚类算法 | 第29-30页 |
| 3.2.2 势函数法 | 第30-31页 |
| 3.2.3 Winner-takes-all训练聚类算法 | 第31-32页 |
| 3.2.4 其他混合矩阵估计算法 | 第32页 |
| 3.3 源信号重建方法 | 第32-37页 |
| 3.3.1 L_p-范数原则 | 第32-33页 |
| 3.3.2 最短路径法 | 第33-34页 |
| 3.3.3 二值时频掩蔽技术 | 第34-35页 |
| 3.3.4 压缩感知方法 | 第35-36页 |
| 3.3.5 其他源信号重建方法 | 第36-37页 |
| 3.4 ICA算法 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于“两步法”的欠定盲声源分离 | 第38-65页 |
| 4.1 稀疏性增强处理 | 第38-46页 |
| 4.1.1 单源点的检测方法 | 第38-42页 |
| 4.1.2 仿真结果及分析 | 第42-44页 |
| 4.1.3 存在问题及解决方案 | 第44-45页 |
| 4.1.4 改进方案仿真及分析 | 第45-46页 |
| 4.2 估计混合矩阵 | 第46-54页 |
| 4.2.1 势函数算法估计幅值比和时延差 | 第46-49页 |
| 4.2.2 混合矩阵的估计 | 第49页 |
| 4.2.3 仿真结果及分析 | 第49-54页 |
| 4.3 重建源信号 | 第54-64页 |
| 4.3.1 源信号重建的理论知识 | 第54-57页 |
| 4.3.2 最短路径法 | 第57-58页 |
| 4.3.3 存在问题及解决方案 | 第58-59页 |
| 4.3.4 仿真结果及分析 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于ICA算法的欠定盲声源分离 | 第65-79页 |
| 5.1 ICA算法介绍 | 第65-68页 |
| 5.1.1 独立分量分析(ICA)基础 | 第65页 |
| 5.1.2 ICA算法的预处理 | 第65-66页 |
| 5.1.3 ICA算法的估计准则 | 第66-68页 |
| 5.2 ICA算法的欠定盲声源分离 | 第68-72页 |
| 5.2.1 核心程序 | 第69-70页 |
| 5.2.2 分离阶段 | 第70-71页 |
| 5.2.3 合并阶段 | 第71-72页 |
| 5.2.4 倒谱平滑处理 | 第72页 |
| 5.3 DUET算法介绍 | 第72-73页 |
| 5.4 停止准则和评价标准 | 第73-75页 |
| 5.5 仿真结果及分析 | 第75-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |