| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 名词中英文对照表 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 语音活动检测研究现状 | 第14-16页 |
| 1.2.2 隐马尔科夫模型和支持向量机研究现状 | 第16-17页 |
| 1.3 课题研究内容 | 第17-18页 |
| 1.4 论文结构 | 第18-19页 |
| 第2章 语音活动检测概述 | 第19-30页 |
| 2.1 前言 | 第19页 |
| 2.2 语音活动检测原理 | 第19-21页 |
| 2.3 语音信号的声学模型 | 第21-22页 |
| 2.4 语音信号的预处理 | 第22-23页 |
| 2.4.1 预加重 | 第22页 |
| 2.4.2 分帧 | 第22页 |
| 2.4.3 加窗 | 第22-23页 |
| 2.5 语音信号的特征 | 第23-27页 |
| 2.5.1 短时能量 | 第23-24页 |
| 2.5.2 基音周期 | 第24页 |
| 2.5.3 短时平均过零率 | 第24-25页 |
| 2.5.4 自相关系数 | 第25页 |
| 2.5.5 线性预测倒谱系数 | 第25-26页 |
| 2.5.6 Mel 频率倒谱系数 | 第26-27页 |
| 2.6 经典的语音活动检测算法 | 第27-29页 |
| 2.6.1 门限阀值判决法 | 第27-28页 |
| 2.6.2 多特征检测法 | 第28页 |
| 2.6.3 模式匹配法 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 基于 HMM 的语音活动检测 | 第30-39页 |
| 3.1 前言 | 第30页 |
| 3.2 隐马尔科夫模型的定义 | 第30-31页 |
| 3.2.1 马尔科夫链 | 第30页 |
| 3.2.2 隐马尔科夫模型基本概念 | 第30-31页 |
| 3.2.3 隐马尔科夫模型的定义 | 第31页 |
| 3.3 隐马尔科夫模型的三个基本问题 | 第31-35页 |
| 3.3.1 评估问题 | 第32-33页 |
| 3.3.2 估计问题 | 第33-34页 |
| 3.3.3 模型参数最优化问题 | 第34-35页 |
| 3.4 基于 HMM 的语音活动算法 | 第35-38页 |
| 3.4.1 特征提取 | 第35-36页 |
| 3.4.2 HMM 模型设计 | 第36-37页 |
| 3.4.3 HMM 模型训练 | 第37-38页 |
| 3.4.4 HMM 语音活动检测判决 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于 HMM/SVM 框架的 VAD 算法 | 第39-56页 |
| 4.1 前言 | 第39-40页 |
| 4.2 机器学习理论 | 第40-42页 |
| 4.2.1 机器学习理论基本概念 | 第40-41页 |
| 4.2.2 机器学习的目标 | 第41页 |
| 4.2.3 复杂性和推广性 | 第41-42页 |
| 4.3 统计机器学习理论 | 第42-46页 |
| 4.3.1 学习过程的一致性条件 | 第43-44页 |
| 4.3.2 VC 维 | 第44页 |
| 4.3.3 推广性的界 | 第44页 |
| 4.3.4 结构风险最小化 | 第44-46页 |
| 4.4 支持向量机模型 | 第46-50页 |
| 4.4.1 最优分类面 | 第46-48页 |
| 4.4.2 广义最优分类面 | 第48-49页 |
| 4.4.3 规范化超平面集的子集结构 | 第49页 |
| 4.4.4 核函数 | 第49-50页 |
| 4.5 SVM 分类方法 | 第50-52页 |
| 4.5.1 一对多分类方法 | 第50-51页 |
| 4.5.2 一对一分类方法 | 第51页 |
| 4.5.3 线性规划方法 | 第51页 |
| 4.5.4 决策有向无环图方法 | 第51-52页 |
| 4.5.5 分类树方法 | 第52页 |
| 4.6 基于 HMM/SVM 的语音活动检测算法 | 第52-55页 |
| 4.6.1 整体框架 | 第52-53页 |
| 4.6.2 HMM 模型设计 | 第53-54页 |
| 4.6.3 网络模型设计 | 第54页 |
| 4.6.4 分类器设计 | 第54-55页 |
| 4.6.5 HMM 概率到 SVM 特征向量的转换 | 第55页 |
| 4.7 本章小结 | 第55-56页 |
| 第5章 HMM/SVM-VAD 实验验证 | 第56-62页 |
| 5.1 实验环境 | 第56页 |
| 5.2 核函数实验 | 第56-58页 |
| 5.3 VAD 算法性能比较 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录 A 攻读学位期间主要研究成果 | 第67页 |