| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 基于幅度谱估计的语音增强方法 | 第12-17页 |
| 1.2.2 基于相位谱估计的语音增强方法 | 第17-18页 |
| 1.3 研究目的 | 第18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 论文结构 | 第19-21页 |
| 第2章 基于码书驱动的语音增强算法 | 第21-39页 |
| 2.1 用于码书驱动语音增强的特征参数 | 第21-27页 |
| 2.1.1 倒谱特征参数估计 | 第21-23页 |
| 2.1.2 AR特征参数估计 | 第23-27页 |
| 2.2 基于ML的码书驱动算法 | 第27-32页 |
| 2.2.1 原理框图 | 第28页 |
| 2.2.2 算法原理 | 第28-32页 |
| 2.3 基于Bayesian的码书驱动算法 | 第32-35页 |
| 2.3.1 原理框图 | 第32-33页 |
| 2.3.2 算法原理 | 第33-35页 |
| 2.4 特征参数与语音增强效果的关系 | 第35-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于语音存在不确定度的码书驱动语音增强算法 | 第39-59页 |
| 3.1 算法框图 | 第39-41页 |
| 3.2 基于语音存在不确定度的Bayesian参数估计 | 第41-45页 |
| 3.3 MCRA噪声估计算法 | 第45-47页 |
| 3.4 纯净语音相位估计算法 | 第47-49页 |
| 3.5 算法性能测试 | 第49-58页 |
| 3.5.1 三种客观测试方法介绍 | 第49-50页 |
| 3.5.2 测试结果及分析 | 第50-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第4章 基于贝叶斯AR参数估计的码书驱动语音增强算法 | 第59-79页 |
| 4.1 隐马尔可夫模型 | 第59-62页 |
| 4.1.1 Markov链 | 第59-60页 |
| 4.1.2 HMM的基本元素 | 第60-61页 |
| 4.1.3 HMM的基本算法 | 第61-62页 |
| 4.2 算法框图 | 第62-63页 |
| 4.3 AR参数的Bayesian估计 | 第63-67页 |
| 4.4 修正的维纳滤波器 | 第67-70页 |
| 4.4.1 基于固定先验似然比的改进后验语音存在概率估计 | 第67-69页 |
| 4.4.2 修正维纳滤波器 | 第69-70页 |
| 4.5 算法性能测试 | 第70-78页 |
| 4.5.1 测试项及参考算法 | 第70-71页 |
| 4.5.2 测试结果及分析 | 第71-78页 |
| 4.6 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间所发表的学术论文 | 第87-89页 |
| 攻读硕士学位期间参加的科研项目 | 第89-91页 |
| 致谢 | 第91页 |
