基于深度学习与并行计算的语音增强系统
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第12-14页 |
| 1.1 研究内容和主要工作 | 第13页 |
| 1.2 论文组织结构 | 第13-14页 |
| 第二章 语音增强 | 第14-19页 |
| 2.1 语音频域分析 | 第14-15页 |
| 2.2 语音特征 | 第15页 |
| 2.3 二值掩蔽 | 第15-16页 |
| 2.4 平均意见值与感知语音质量 | 第16-17页 |
| 2.5 常见语音增强方法 | 第17-18页 |
| 2.5.1 谐波增强法 | 第17页 |
| 2.5.2 时域谱方法 | 第17-18页 |
| 2.5.3 谱减法 | 第18页 |
| 2.5.4 维纳滤波法 | 第18页 |
| 2.5.5 MMSE增强算法等 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 深度学习与人工神经网络 | 第19-24页 |
| 3.1 多层感知器与反向传导算法 | 第20-21页 |
| 3.2 Batch Normalization | 第21-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 系统描述 | 第24-35页 |
| 4.1 数据预处理 | 第24-25页 |
| 4.1.1 分帧加窗 | 第24-25页 |
| 4.1.2 FFT | 第25页 |
| 4.1.3 帧扩展 | 第25页 |
| 4.2 架构设计 | 第25-28页 |
| 4.2.1 噪声分类 | 第26-27页 |
| 4.2.2 多模型匹配 | 第27页 |
| 4.2.3 系统架构 | 第27-28页 |
| 4.3 具体模型 | 第28-32页 |
| 4.3.1 模型1：基本模型 | 第29-30页 |
| 4.3.2 模型2：基于二值掩蔽的模型 | 第30-31页 |
| 4.3.3 模型3：基于二值掩蔽与重构误差的模型 | 第31-32页 |
| 4.4 模型训练技术 | 第32-34页 |
| 4.4.1 使用GPU进行加速 | 第32-33页 |
| 4.4.2 动态噪声叠加算法 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 实验及其结论 | 第35-40页 |
| 5.1 数据集描述 | 第35页 |
| 5.2 实验描述与结果分析 | 第35-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-46页 |
