基于BP神经网络的语音增强研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪言 | 第8-19页 |
| ·引言 | 第8-9页 |
| ·语音增强的意义与研究现状 | 第9-12页 |
| ·语音增强的目的 | 第9页 |
| ·语音增强的意义 | 第9-11页 |
| ·国内外语音增强研究现状 | 第11页 |
| ·语音增强的算法概述 | 第11-12页 |
| ·神经网络的研究现状及发展趋势 | 第12-17页 |
| ·神经网络的概念和特征 | 第12-13页 |
| ·人工神经网络的发展 | 第13-14页 |
| ·神经网络的优越性及应用 | 第14-16页 |
| ·神经网络的未来发展方向 | 第16-17页 |
| ·论文的安排 | 第17-19页 |
| 第二章 语音信号的特征提取 | 第19-32页 |
| ·语音信号生成的数学模型 | 第19-20页 |
| ·语音信号的特性 | 第20-21页 |
| ·人耳感知特性 | 第21页 |
| ·噪声特性 | 第21-23页 |
| ·语音端点检测算法概述 | 第23-24页 |
| ·双门限语音端点检测方法 | 第24-26页 |
| ·语音信号的特征提取 | 第26页 |
| ·MEL倒谱系数提取 | 第26-32页 |
| ·MEL倒谱系数 | 第27-28页 |
| ·Mel倒谱参数的提取过程 | 第28-30页 |
| ·MEL倒谱参数的计算步骤 | 第30-32页 |
| 第三章 神经网络的基本原理 | 第32-45页 |
| ·神经网络简介 | 第32页 |
| ·人工神经元模型 | 第32-36页 |
| ·神经网络结构及工作方式 | 第36-38页 |
| ·BP神经网络 | 第38-40页 |
| ·BP神经网络的学习算法 | 第40-45页 |
| ·学习样本的收集 | 第41页 |
| ·学习样本的整理 | 第41-42页 |
| ·量化共轭梯度BP算法 | 第42-45页 |
| 第四章 系统设计研究 | 第45-59页 |
| ·信噪比的计算方法 | 第45页 |
| ·基于BP神经网络的语音增强系统 | 第45-47页 |
| ·去噪BP神经网络的构建 | 第47-48页 |
| ·语音信号的预处理 | 第48-50页 |
| ·基于神经网络含噪语音的特征提取 | 第50-51页 |
| ·时间规整网络的结构原理和算法 | 第51-52页 |
| ·仿真 | 第52-59页 |
| 第五章 回顾及展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录:发表论文 | 第65-66页 |
