噪声环境下的语音检测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-15页 |
| 1.3 本文的主要贡献与创新 | 第15页 |
| 1.4 本论文的章节安排 | 第15-17页 |
| 第二章 语音检测技术基础 | 第17-32页 |
| 2.1 语音信号产生的数字模型 | 第17-20页 |
| 2.1.1 激励模型 | 第17-19页 |
| 2.1.2 声道模型 | 第19页 |
| 2.1.3 辐射模型 | 第19-20页 |
| 2.2 语音信号的特征分析 | 第20-27页 |
| 2.2.1 语音信号的预处理 | 第20-22页 |
| 2.2.2 语音信号的时域分析 | 第22-25页 |
| 2.2.3 语音信号的频域分析 | 第25-27页 |
| 2.3 语音检测技术 | 第27-30页 |
| 2.3.1 基于统计模型的语音检测 | 第27-29页 |
| 2.3.2 基于信号分类的语音检测 | 第29-30页 |
| 2.4 语音数据库准备 | 第30-31页 |
| 2.4.1 语音数据库 | 第30页 |
| 2.4.2 参考标签 | 第30-31页 |
| 2.5 性能评价标准 | 第31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于鲁棒特征的加权学习语音检测 | 第32-54页 |
| 3.1 基于Hmfreq-MOLRT的语音检测 | 第32-35页 |
| 3.2 问题提出 | 第35-37页 |
| 3.3 鲁棒的Hmfreq-LTSP联合特征 | 第37-42页 |
| 3.3.1 无偏最小均方误差噪声估计 | 第37-38页 |
| 3.3.2 Hmfreq-LTSP联合特征 | 第38-42页 |
| 3.4 改进的决策规则 | 第42-45页 |
| 3.5 实验结果 | 第45-53页 |
| 3.5.1 噪声估计效果 | 第45-47页 |
| 3.5.2 语音检测效果 | 第47-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于噪声和信号分类的语音检测 | 第54-73页 |
| 4.1 MFCC-SVM的语音检测方法 | 第54-61页 |
| 4.1.1 MFCC特征提取 | 第55-58页 |
| 4.1.2 SVM分类器 | 第58-61页 |
| 4.2 基于噪声和信号分类的语音检测 | 第61-67页 |
| 4.2.1 算法思想 | 第61-62页 |
| 4.2.2 系统框图 | 第62-63页 |
| 4.2.3 噪声分类方法 | 第63-65页 |
| 4.2.4 信号分类方法 | 第65-67页 |
| 4.3 实验结果 | 第67-71页 |
| 4.3.1 噪声分类效果 | 第67-68页 |
| 4.3.2 信号分类效果 | 第68-70页 |
| 4.3.3 语音检测效果 | 第70-71页 |
| 4.4 本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 工作总结 | 第73页 |
| 5.2 工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
