| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 数学符号说明 | 第17-19页 |
| 主要符号 | 第17-18页 |
| 运算符 | 第18-19页 |
| 缩略词 | 第19-21页 |
| 第一章 绪论 | 第21-33页 |
| 1.1 课题背景、研究意义和动机 | 第21-24页 |
| 1.1.1 课题背景 | 第21-22页 |
| 1.1.2 研究意义 | 第22-23页 |
| 1.1.3 研究动机 | 第23-24页 |
| 1.2 国内外研究现状 | 第24-31页 |
| 1.2.1 语音水印的国内外研究现状 | 第24-28页 |
| 1.2.2 语音增强的国内外研究现状 | 第28-31页 |
| 1.3 论文的研究内容和章节安排 | 第31-33页 |
| 第二章 语音信号处理的理论基础 | 第33-49页 |
| 2.1 信号的参数化模型 | 第33-34页 |
| 2.1.1 信号模型的分类 | 第33页 |
| 2.1.2 确定性信号的模型 | 第33-34页 |
| 2.2 噪声的随机过程模型 | 第34-36页 |
| 2.2.1 一般噪声模型 | 第35页 |
| 2.2.2 白色高斯噪声 | 第35-36页 |
| 2.2.3 有色高斯噪声 | 第36页 |
| 2.3 分析-合成框架 | 第36-37页 |
| 2.3.1 傅里叶变换 | 第36-37页 |
| 2.3.2 短时傅立叶变换 | 第37页 |
| 2.4 模式分类 | 第37-39页 |
| 2.4.1 贝叶斯分类 | 第37-38页 |
| 2.4.2 均匀代价函数和最小误差率 | 第38-39页 |
| 2.5 参数估计 | 第39-45页 |
| 2.5.1 贝叶斯估计 | 第39-40页 |
| 2.5.2 MMSE和MAP估计 | 第40-42页 |
| 2.5.3 ML估计 | 第42页 |
| 2.5.4 无偏线性MMSE估计 | 第42-43页 |
| 2.5.5 估计子的性能评估 | 第43-45页 |
| 2.6 评估算法性能的指标 | 第45-49页 |
| 2.6.1 信噪比 | 第45页 |
| 2.6.2 听觉效果 | 第45-46页 |
| 2.6.3 鲁棒性 | 第46页 |
| 2.6.4 无差错传输时的水印容量 | 第46页 |
| 2.6.5 噪声消除因子 | 第46-47页 |
| 2.6.6 期望信号失真指数 | 第47-49页 |
| 第一部分 语音水印算法的研究 | 第49-87页 |
| 第三章 基于扩频和感知滤波的PSTN声带语音水印算法 | 第51-71页 |
| 3.1 引言 | 第51-53页 |
| 3.2 PSTN声带信道攻击的分析 | 第53-55页 |
| 3.3 水印算法 | 第55-62页 |
| 3.3.1 生成水印信号 | 第56-57页 |
| 3.3.2 生成带水印信号 | 第57-61页 |
| 3.3.3 提取水印信号 | 第61-62页 |
| 3.4 水印系统容量分析 | 第62-65页 |
| 3.4.1 Costa算法的理论容量 | 第62-63页 |
| 3.4.2 香农理论容量 | 第63页 |
| 3.4.3 本章水印系统的理论容量 | 第63-65页 |
| 3.5 实验结果 | 第65-69页 |
| 3.5.1 实验参数设置 | 第65页 |
| 3.5.2 系统性能评估 | 第65-69页 |
| 3.5.3 讨论 | 第69页 |
| 3.6 结论 | 第69-71页 |
| 第四章 基于子带替换和谱包络约束的窄带语音水印算法 | 第71-87页 |
| 4.1 介绍 | 第71-72页 |
| 4.2 窄带语音水印算法 | 第72-77页 |
| 4.2.1 嵌入隐藏消息序列 | 第72-76页 |
| 4.2.2 提取隐藏消息序列 | 第76-77页 |
| 4.3 性能评估 | 第77-81页 |
| 4.3.1 子带替换频率范围的确定 | 第77-79页 |
| 4.3.2 水印系统的容量 | 第79-81页 |
| 4.4 实验 | 第81-85页 |
| 4.4.1 子带替换的频率范围 | 第81-82页 |
| 4.4.2 水印容量 | 第82-83页 |
| 4.4.3 水印鲁棒性 | 第83-84页 |
| 4.4.4 带水印信号的听觉测试 | 第84-85页 |
| 4.5 结论 | 第85-87页 |
| 第二部分 语音增强算法的研究 | 第87-137页 |
| 第五章 语音增强中基于带噪自回归模型的谱估计 | 第89-103页 |
| 5.1 介绍 | 第89-90页 |
| 5.2 语音增强的原理 | 第90-92页 |
| 5.3 AR模型参数估计的克莱姆-劳下界 | 第92-94页 |
| 5.4 参数的最大似然估计与迭代维纳滤波 | 第94-96页 |
| 5.4.1 参数的最大似然估计 | 第94-95页 |
| 5.4.2 迭代维纳滤波 | 第95-96页 |
| 5.4.3 初值选择 | 第96页 |
| 5.5 数值仿真 | 第96-101页 |
| 5.5.1 参数估计的MSE性能 | 第96-97页 |
| 5.5.2 参数估计的对数似然比性能 | 第97-98页 |
| 5.5.3 参数谱估计 | 第98-99页 |
| 5.5.4 维纳滤波和语音增强 | 第99-101页 |
| 5.6 结论 | 第101-103页 |
| 第六章 基于自回归模型和线谱频率跟踪的语音增强 | 第103-121页 |
| 6.1 介绍 | 第103-104页 |
| 6.2 语音增强的框架 | 第104-109页 |
| 6.2.1 预处理 | 第105页 |
| 6.2.2 语音的线性预测模型 | 第105-106页 |
| 6.2.3 语音LSF的动态跟踪 | 第106页 |
| 6.2.4 卡尔曼滤波 | 第106-107页 |
| 6.2.5 离线训练 | 第107-109页 |
| 6.3 算法有效性验证 | 第109-113页 |
| 6.3.1 谱增益估计的鲁棒性 | 第109页 |
| 6.3.2 离线训练的实际设计 | 第109-112页 |
| 6.3.3 谱包络跟踪 | 第112页 |
| 6.3.4 计算复杂度 | 第112-113页 |
| 6.4 性能评估 | 第113-119页 |
| 6.4.1 客观评价 | 第113-118页 |
| 6.4.2 主观评价 | 第118-119页 |
| 6.5 总结 | 第119-121页 |
| 第七章 语音增强中基于实谐多正弦模型的谱估计 | 第121-135页 |
| 7.1 介绍 | 第121-122页 |
| 7.2 谱估计原理 | 第122-123页 |
| 7.3 实谐多正弦模型参数估计的克莱姆-劳下界 | 第123-125页 |
| 7.4 基于梳状滤波器的预处理算法 | 第125-128页 |
| 7.4.1 周期的估计 | 第125-127页 |
| 7.4.2 梳状滤波 | 第127-128页 |
| 7.5 数值仿真 | 第128-134页 |
| 7.5.1 算法性能与CRLB的比较 | 第128-130页 |
| 7.5.2 时域波形与谱估计 | 第130-134页 |
| 7.6 总结 | 第134-135页 |
| 第八章 总结与展望 | 第135-137页 |
| 参考文献 | 第137-149页 |
| 攻读博士期间发表的论文和专利 | 第149-151页 |
| 攻读博士期间参加的项目 | 第151-153页 |
| 致谢 | 第153页 |