| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文的研究内容与章节安排 | 第16-18页 |
| 第2章 背景知识 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 语音活动检测 | 第18-19页 |
| 2.3 稀疏表示 | 第19-23页 |
| 2.3.1 稀疏编码 | 第20-21页 |
| 2.3.2 字典学习 | 第21-23页 |
| 2.4 K-SVD | 第23-25页 |
| 2.5 形态成分分析算法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 变化的噪声下的语音活动检测方法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 具体步骤 | 第27-30页 |
| 3.2.1 特征提取 | 第27-29页 |
| 3.2.2 使用K–奇异值分解算法训练字典 | 第29页 |
| 3.2.3 使用GMM辨认噪声类型 | 第29-30页 |
| 3.2.4 用MCA算法进行稀疏编码和判定结果 | 第30页 |
| 3.3 实验说明和结果 | 第30-37页 |
| 3.3.1 ROC曲线及检测结果 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 在线更新噪声字典的的语音活动检测 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 具体步骤 | 第38-42页 |
| 4.2.1 特征提取 | 第38-40页 |
| 4.2.2 字典学习 | 第40页 |
| 4.2.3 噪声字典更新 | 第40-41页 |
| 4.2.4 字典拼接和用MCA稀疏编码 | 第41页 |
| 4.2.5 对每一帧的信号进行分类 | 第41-42页 |
| 4.3 实验说明和结果 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 字典优化 | 第48-62页 |
| 5.1 引言 | 第48页 |
| 5.2 本章作为对比的两种方法 | 第48-54页 |
| 5.2.1 基于统计模型的语音活动检测器的方法 | 第48-51页 |
| 5.2.2 使用多观测似然比检验的统计语音活动检测 | 第51-54页 |
| 5.3 字典优化算法 | 第54-57页 |
| 5.3.1 不重要的原子的去除 | 第54-56页 |
| 5.3.2 有害的原子的去除 | 第56-57页 |
| 5.4 实验说明和结果 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |