驾驶环境下低信噪比语音增强与分离算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 语音增强与盲源分离发展及研究现状 | 第12-14页 |
| 1.2.2 驾驶环境下研究现状 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 2 语音增强与盲源分离算法模型 | 第17-36页 |
| 2.1 语音增强算法介绍 | 第17-23页 |
| 2.1.1 语音及噪声特点 | 第17-18页 |
| 2.1.2 语音增强算法的分类 | 第18-23页 |
| 2.2 噪声估计基本算法 | 第23-27页 |
| 2.2.1 语音活动性检测 | 第23-24页 |
| 2.2.2 最小值跟踪 | 第24-25页 |
| 2.2.3 MCRA及IMCRA算法 | 第25-27页 |
| 2.3 盲源分离算法介绍 | 第27-31页 |
| 2.3.1 盲源分离基础理论 | 第27-30页 |
| 2.3.2 盲源分离主要算法 | 第30-31页 |
| 2.4 语音质量评价标准 | 第31-34页 |
| 2.4.1 语音质量的主观评价 | 第31-32页 |
| 2.4.2 语音质量的客观评价 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3 驾驶环境下低信噪比语音增强算法研究 | 第36-53页 |
| 3.1 驾驶环境下的噪声特点 | 第36-37页 |
| 3.2 信号预处理 | 第37-41页 |
| 3.2.1 噪声分析 | 第37-38页 |
| 3.2.2 低频抑制 | 第38-41页 |
| 3.3 一阶递归平滑噪声估计及其改进算法 | 第41-48页 |
| 3.3.1 一阶递归平滑噪声估计算法 | 第41-42页 |
| 3.3.2 平滑因子优化算法 | 第42-45页 |
| 3.3.3 偏差补偿 | 第45-48页 |
| 3.4 实验结果与分析 | 第48-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 低信噪比下基于噪声估计的盲源分离算法优化 | 第53-66页 |
| 4.1 独立分量分析 | 第53-55页 |
| 4.2 FastICA算法 | 第55-56页 |
| 4.3 基于负熵的FastICA优化算法 | 第56-60页 |
| 4.3.1 基于负熵的FastICA算法 | 第56-58页 |
| 4.3.2 改进的基于负熵的FastICA算法 | 第58-60页 |
| 4.4 实验结果与分析 | 第60-65页 |
| 4.5 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
