| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本课题研究的目的和意义 | 第10-11页 |
| ·盲源分离的研究与发展现状 | 第11-13页 |
| ·盲源分离在语音增强中的应用 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第二章 盲源分离基本理论及主要算法 | 第16-26页 |
| ·盲源分离的数学模型 | 第16-17页 |
| ·统计独立性和信息理论 | 第17-20页 |
| ·统计独立性 | 第17-18页 |
| ·信息理论 | 第18-20页 |
| ·语音盲分离算法性能评价准则 | 第20-21页 |
| ·主观评价MOS(Mean Opinion Score-MOS)得分 | 第20页 |
| ·信噪比(Signal-to-Noise Ration-SNR) | 第20页 |
| ·输出信号y_i的均方误差 | 第20-21页 |
| ·坂仓距离度量 | 第21页 |
| ·盲源分离主要算法 | 第21-25页 |
| ·基于高阶累积量的盲源分离算法 | 第21-23页 |
| ·基于信息理论的算法 | 第23-25页 |
| ·基于神经网络的盲源分离算法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于神经网络的语音盲分离算法 | 第26-39页 |
| ·前言 | 第26页 |
| ·神经网络理论 | 第26-29页 |
| ·感知器神经网络简介 | 第27-28页 |
| ·径向基函数(RBF)神经网络简介 | 第28-29页 |
| ·基于MLPs和RBF的信息后向传播 | 第29页 |
| ·RBF和MLPs两种神经网络用于语音盲分离效果的比较 | 第29-38页 |
| ·数据预处理 | 第30页 |
| ·Infomax算法 | 第30-32页 |
| ·改进的基于最小互信息和MLPs、RBF神经网络的ICA算法 | 第32-33页 |
| ·试验仿真结果及分析 | 第33-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于时—频分析的语音盲分离算法 | 第39-52页 |
| ·前言 | 第39页 |
| ·时—频分析工具—短时傅立叶变换(STFT) | 第39页 |
| ·时—频分析盲源分离算法 | 第39-41页 |
| ·试验仿真结果 | 第41-46页 |
| ·窗函数、窗长的选择对分离信号性能的影响 | 第46-51页 |
| ·各种窗函数性能比较 | 第46页 |
| ·各种窗函数下不同窗长对分离信号性能的影响 | 第46-51页 |
| ·小结 | 第51-52页 |
| 第五章 盲分离算法用于语音分离的实时性分析 | 第52-56页 |
| ·前言 | 第52页 |
| ·语音信号间统计独立性分析 | 第52-54页 |
| ·互信息分析数据集 | 第52-53页 |
| ·语音信号间帧长和互信息的关系 | 第53页 |
| ·和音信号对互信息的影响 | 第53-54页 |
| ·ICA算法应用于语音和帧长的关系 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
