| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 常用双耳助听器语音增强算法 | 第15-18页 |
| 1.3.1 固定波束形成算法 | 第15-16页 |
| 1.3.2 自适应波束形成算法 | 第16-18页 |
| 1.4 研究内容 | 第18页 |
| 1.5 论文结构 | 第18-21页 |
| 第2章 基于 Gammatone 滤波器分解的HRTF和GMM 融合的低复杂度双耳声源定位算法 | 第21-35页 |
| 2.1 基于麦克风阵列的声源定位算法原理 | 第21-25页 |
| 2.1.1 基于最大输出功率的可控波束形成技术 | 第21-22页 |
| 2.1.2 基于到达时间差的定位技术 | 第22-24页 |
| 2.1.3 基于高分辨率谱估计的定位技术 | 第24-25页 |
| 2.2 声源定位算法的原理与实现 | 第25-30页 |
| 2.2.1 基于Gammatone滤波器组分解的数据缩减 | 第26-28页 |
| 2.2.2 基于头相关函数的声源定位特征提取 | 第28页 |
| 2.2.3 基于高斯混合模型(GMM)的声源定位 | 第28-30页 |
| 2.3 实验结果与分析 | 第30-33页 |
| 2.3.1 运算复杂度测试 | 第30页 |
| 2.3.2 不同信噪比下的声源定位性能研究 | 第30-32页 |
| 2.3.3 不同噪声环境下声源定位性能研究 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于特征融合和加权最小距离分类的数字助听器听觉场景匹配算法 | 第35-45页 |
| 3.1 本章所提算法原理和实现 | 第35-36页 |
| 3.2 端点检测算法 | 第36页 |
| 3.3 特征提取 | 第36-39页 |
| 3.3.1 分带谱熵 | 第36-37页 |
| 3.3.2 临界带能量比 | 第37-38页 |
| 3.3.3 自适应过零率 | 第38-39页 |
| 3.4 加权最小距离分类器 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-43页 |
| 3.5.1 计算复杂度比较 | 第40-41页 |
| 3.5.2 分类仿真 | 第41页 |
| 3.5.3 分类匹配精度 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 不同噪声环境下最佳语音增强算法的选择 | 第45-55页 |
| 4.1 常用单声道语音增强算法 | 第45-51页 |
| 4.1.1 谱减法 | 第45-47页 |
| 4.1.2 子空间方法 | 第47-48页 |
| 4.1.3 维纳滤波法 | 第48-49页 |
| 4.1.4 加权欧式距离失真测度法 | 第49页 |
| 4.1.5 二值掩蔽法 | 第49-51页 |
| 4.2 最佳语音增强算法的选取 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 基于场景匹配的双耳助听器语音增强系统 | 第55-69页 |
| 5.1 本文算法的原理及实现 | 第55-56页 |
| 5.2 实验结果及分析 | 第56-67页 |
| 5.2.1 客观性能评价 | 第56-64页 |
| 5.2.2 主观性能评价 | 第64-66页 |
| 5.2.3 算法复杂度分析 | 第66-67页 |
| 5.3 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间所发表的学术论文 | 第75-77页 |
| 攻读硕士学位期间参加的科研项目 | 第77-79页 |
| 致谢 | 第79页 |
