| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 注释表 | 第13-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 语音增强技术的发展与研究现状 | 第15-19页 |
| 1.2.1 主流语音增强算法 | 第15-18页 |
| 1.2.2 其他语音增强方法与思路 | 第18-19页 |
| 1.2.3 语音增强算法的硬件实现 | 第19页 |
| 1.3 本文主要内容和结构安排 | 第19-21页 |
| 第二章 基本MMSE幅度谱估计语音增强算法原理 | 第21-37页 |
| 2.1 语音和噪声 | 第21-24页 |
| 2.1.1 语音信号的产生 | 第21-23页 |
| 2.1.2 噪声信号 | 第23-24页 |
| 2.2 基于MMSE幅度谱估计的语音增强算法原理 | 第24-35页 |
| 2.2.1 MMSE幅度谱估计算法基本原理 | 第24-27页 |
| 2.2.2 先验信噪比估计 | 第27-28页 |
| 2.2.3 语音端点检测 | 第28-33页 |
| 2.2.4 噪声估计 | 第33-35页 |
| 2.3 算法的评价手段 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于MMSE幅度谱估计器的语音增强算法研究改进 | 第37-64页 |
| 3.1 本文所提先验信噪比估计DDBSE | 第37-42页 |
| 3.1.1 信息熵的概念与描述 | 第37-38页 |
| 3.1.2 带噪语音频谱能量分析 | 第38-39页 |
| 3.1.3 DDBSE算法步骤 | 第39-42页 |
| 3.2 本文所提语音端点检测算法 | 第42-45页 |
| 3.2.1 基于统计模型VAD算法的改进 | 第42-43页 |
| 3.2.2 本文所提VAD判决方法 | 第43-45页 |
| 3.2.3 本文所提VAD算法 | 第45页 |
| 3.3 本文所提噪声估计UMVAD算法 | 第45-47页 |
| 3.4 本文所提噪声环境分类与参数优化方法 | 第47-50页 |
| 3.4.1 特征提取 | 第47-49页 |
| 3.4.2 噪声分类 | 第49-50页 |
| 3.5 算法仿真实验与分析 | 第50-63页 |
| 3.5.1 实验环境 | 第50页 |
| 3.5.2 先验信噪比估计算法性能评估 | 第50-52页 |
| 3.5.3 语音端点检测算法性能评估 | 第52-56页 |
| 3.5.4 噪声方差估计算法性能评估 | 第56-57页 |
| 3.5.5 整体算法性能评价 | 第57-59页 |
| 3.5.6 基于噪声分类的参数优化 | 第59-63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 语音增强算法的DSP实现 | 第64-75页 |
| 4.1 硬件以及软件开发平台 | 第64-66页 |
| 4.1.1 硬件开发平台 | 第64-65页 |
| 4.1.2 软件开发平台 | 第65-66页 |
| 4.2 音频采集处理播放系统研究设计 | 第66-71页 |
| 4.2.1 音频采集播放系统基本结构 | 第66-67页 |
| 4.2.2 音频采集播放系统相关驱动程序编写 | 第67-71页 |
| 4.3 本文算法优化及移植 | 第71-74页 |
| 4.3.1 算法定点化 | 第71-73页 |
| 4.3.2 算法优化与移植 | 第73-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 总结和展望 | 第75-77页 |
| 5.1 本文主要工作 | 第75页 |
| 5.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |