| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 语音频带扩展的研究意义 | 第15-16页 |
| 1.2 语音频带扩展研究现状 | 第16-21页 |
| 1.2.1 基于规则或者简单映射的频带扩展 | 第17-18页 |
| 1.2.2 基于统计声学模型的频带扩展 | 第18-19页 |
| 1.2.3 基于高斯混合模型的频带扩展 | 第19-20页 |
| 1.2.4 基于神经网络的频带扩展 | 第20-21页 |
| 1.3 本论文的研究目标与研究内容 | 第21-23页 |
| 1.4 论文的结构安排 | 第23-25页 |
| 第2章 基于深度神经网络的频带扩展模型训练方法 | 第25-43页 |
| 2.1 基于产生式模型的神经网络频带扩展方法 | 第25-31页 |
| 2.1.1 受限玻尔兹曼机与双向关联记忆网络简介 | 第25-27页 |
| 2.1.2 回归深度神经网络简介 | 第27-28页 |
| 2.1.3 结合受限玻尔兹曼机的频带扩展方法 | 第28-29页 |
| 2.1.4 结合双向关联记忆网络的频带扩展方法 | 第29-30页 |
| 2.1.5 结合深度神经网络的频带扩展方法 | 第30-31页 |
| 2.2 基于多任务学习的深度神经网络频带扩展方法 | 第31-34页 |
| 2.2.1 多任务学习简介 | 第32-33页 |
| 2.2.2 结合音素状态分类的多任务学习频带扩展方法 | 第33-34页 |
| 2.3 实验 | 第34-41页 |
| 2.3.1 实验配置 | 第34-36页 |
| 2.3.2 实验结果与分析 | 第36-41页 |
| 2.4 本章小结 | 第41-43页 |
| 第3章 基于循环神经网络的频带扩展方法 | 第43-51页 |
| 3.1 基于循环神经网络与长短时记忆单元的频带扩展 | 第43-45页 |
| 3.1.1 循环神经网络与长短时记忆单元简介 | 第43-45页 |
| 3.1.2 利用深度循环神经网络的频带扩展 | 第45页 |
| 3.2 结合深瓶颈特征的频带扩展方法 | 第45-48页 |
| 3.2.1 深瓶颈特征的提取 | 第45-46页 |
| 3.2.2 深瓶颈特征在频带扩展中的应用 | 第46-48页 |
| 3.3 实验 | 第48-50页 |
| 3.3.1 实验配置 | 第48页 |
| 3.3.2 实验结果与分析 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于深层扩张卷积神经网络与波形建模的频带扩展方法 | 第51-73页 |
| 4.1 卷积神经网络简介 | 第51-53页 |
| 4.2 扩张卷积神经网络在波形生成中的应用 | 第53-58页 |
| 4.2.1 因果与非因果扩张卷积神经网络 | 第53-54页 |
| 4.2.2 残差学习模块 | 第54-56页 |
| 4.2.3 条件扩张卷积神经网络 | 第56-58页 |
| 4.3 基于深层扩张卷积神经网络的频带扩展 | 第58-59页 |
| 4.4 基于条件深层扩张卷积神经网络的频带扩展 | 第59-60页 |
| 4.5 递归扩张卷积神经网络频带扩展的效率优化方法 | 第60-62页 |
| 4.6 实验 | 第62-71页 |
| 4.6.1 基于扩张卷积神经网络频带扩展实验 | 第62-65页 |
| 4.6.2 基于条件扩张卷积神经网络频带扩展实验 | 第65-69页 |
| 4.6.3 递归扩张卷积网络频带扩展效率优化实验 | 第69-71页 |
| 4.7 本章小结 | 第71-73页 |
| 第5章 结合频带扩展的参数语音合成方法 | 第73-85页 |
| 5.1 融合频带扩展的语音合成研究意义 | 第73-74页 |
| 5.2 基于深度神经网络的语音合成方法 | 第74-76页 |
| 5.3 结合频带扩展的语音合成方法 | 第76-77页 |
| 5.4 实验 | 第77-83页 |
| 5.4.1 实验配置 | 第77-79页 |
| 5.4.2 实验结果与分析 | 第79-83页 |
| 5.5 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-89页 |
| 6.1 本研究的主要贡献与创新点 | 第85-86页 |
| 6.2 后续研究计划与展望 | 第86-89页 |
| 参考文献 | 第89-97页 |
| 致谢 | 第97-99页 |
| 在读期间发表的学术论文与取得的研究成果 | 第99-100页 |
