摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景及意义 | 第11页 |
1.2 语音降噪技术国内外发展现状 | 第11-14页 |
1.3 研究目标与章节安排 | 第14-16页 |
第二章 带噪语音信号特征描述及分析 | 第16-23页 |
2.1 语音信号 | 第16-17页 |
2.1.1 语音信号的产生 | 第16页 |
2.1.2 语音信号的特性 | 第16-17页 |
2.2 噪声的特征及分类 | 第17-20页 |
2.2.1 激光器引起的噪声 | 第17-18页 |
2.2.2 湍流信道中的噪声 | 第18-19页 |
2.2.3 电噪声 | 第19-20页 |
2.2.4 含噪信号分析 | 第20页 |
2.3 语音降噪算法的性能评价 | 第20-22页 |
2.4 本章小结 | 第22-23页 |
第三章 常规带噪语音信号去噪方法设计及工作原理 | 第23-34页 |
3.1 经典滤波法 | 第23页 |
3.2 基于谱减法的语音降噪算法 | 第23-24页 |
3.3 基于卡尔曼滤波的语音降噪算法 | 第24-25页 |
3.4 基于小波变换的语音降噪算法 | 第25-30页 |
3.4.1 小波变换 | 第25-26页 |
3.4.2 小波变换的特点 | 第26-27页 |
3.4.3 连续小波变换 | 第27-28页 |
3.4.4 离散小波变换 | 第28-29页 |
3.4.5 小波基的选取标准 | 第29-30页 |
3.5 小波变换的MALLAT算法 | 第30-33页 |
3.5.1 小波分解算法 | 第31-32页 |
3.5.2 小波重构算法 | 第32-33页 |
3.5.3 滤波器之间的关系 | 第33页 |
3.6 本章小结 | 第33-34页 |
第四章 基于自适应小波的语音信号快速去噪方案设计及分析 | 第34-55页 |
4.1 去噪方案总体设计 | 第34-35页 |
4.2 WAV文件的格式及编码 | 第35-37页 |
4.2.1 WAV文件格式 | 第35-36页 |
4.2.2 WAV文件的编码 | 第36-37页 |
4.3 基于小波变换的语音信号降噪 | 第37-38页 |
4.3.1 原理 | 第37页 |
4.3.2 小波降噪的传统算法 | 第37-38页 |
4.4 自适应小波阈值降噪算法 | 第38-46页 |
4.4.1 小波阈值降噪算法的原理和步骤 | 第38-39页 |
4.4.2 小波基的选取 | 第39-42页 |
4.4.3 小波分解层数的选取 | 第42-43页 |
4.4.4 阈值函数的选取 | 第43-45页 |
4.4.5 自适应阈值的计算 | 第45-46页 |
4.5 基于GPU的CUDA异构编程 | 第46-54页 |
4.5.1 GPU通用计算 | 第46-47页 |
4.5.2 CPU与GPU | 第47-49页 |
4.5.3 CUDA异构编程 | 第49-50页 |
4.5.4 CUDA的线程层次 | 第50-52页 |
4.5.5 CUDA流处理架构 | 第52-54页 |
4.6 本章小结 | 第54-55页 |
第五章 基于自适应小波的语音快速降噪实现与验证 | 第55-73页 |
5.1 基于CPU和GPU编程的开发环境的搭建 | 第55-57页 |
5.1.1 开发环境的基本介绍 | 第55页 |
5.1.2 CUDA的安装与配置 | 第55-56页 |
5.1.3 VS2010的配置 | 第56-57页 |
5.1.4 CUDA应用程序的调试方法 | 第57页 |
5.2 WAV文件的编解码与函数实现 | 第57-61页 |
5.2.1 WAV文件读取写入模块设计 | 第57-58页 |
5.2.2 WAV文件解码模块设计 | 第58-59页 |
5.2.3 WAV文件编码模块设计 | 第59页 |
5.2.4 具体实现 | 第59-61页 |
5.3 小波变换的实现 | 第61-64页 |
5.3.1 获取滤波器组 | 第61页 |
5.3.2 小波变换的分解和重构 | 第61-62页 |
5.3.3 具体实现 | 第62-64页 |
5.4 GPU编程的实现 | 第64-66页 |
5.4.1 去噪算法的CUDA并行优化 | 第64-65页 |
5.4.2 具体实现 | 第65-66页 |
5.5 自适应阈值降噪的实现 | 第66-69页 |
5.5.1 阈值函数自适应系数的确定 | 第66-67页 |
5.5.2 自适应阈值的计算 | 第67-68页 |
5.5.3 具体实现 | 第68-69页 |
5.6 系统测试验证 | 第69-72页 |
5.6.1 降噪性能测试 | 第69-71页 |
5.6.2 时间性能测试 | 第71-72页 |
5.7 本章小结 | 第72-73页 |
第六章 总结和展望 | 第73-74页 |
6.1 论文总结 | 第73页 |
6.2 后续展望 | 第73-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-77页 |