| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 语音降噪算法研究现状 | 第14-19页 |
| 1.2.1 无监督语音降噪算法 | 第14-17页 |
| 1.2.2 有监督的单通道语音增强算法 | 第17-19页 |
| 1.3 本文研究的主要内容 | 第19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第2章 语音降噪基础 | 第21-37页 |
| 2.1 谱减法和最小均方估计法 | 第21-23页 |
| 2.1.1 谱减法 | 第21-22页 |
| 2.1.2 基于最小均方误差估计法语音降噪 | 第22-23页 |
| 2.2 神经元和神经网络 | 第23-32页 |
| 2.2.1 神经元 | 第24页 |
| 2.2.2 感知器和多层网络 | 第24-26页 |
| 2.2.3 激活函数 | 第26-28页 |
| 2.2.4 反向传播算法 | 第28-30页 |
| 2.2.5 自动编码器 | 第30-32页 |
| 2.3 深层神经网络 | 第32-34页 |
| 2.3.1 深度神经网络 | 第32-33页 |
| 2.3.2 卷积神经网络 | 第33-34页 |
| 2.4 语音质量评价标准 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于堆叠自动编码器的语音降噪 | 第37-56页 |
| 3.1 基于堆叠自动编码器的语音降噪算法设计 | 第37-38页 |
| 3.1.1 训练阶段 | 第38页 |
| 3.1.2 降噪阶段 | 第38页 |
| 3.2 特征提取 | 第38-40页 |
| 3.3 多帧输入的堆叠自动编码器设计 | 第40-45页 |
| 3.3.1 模型初始化 | 第41-42页 |
| 3.3.2 激活函数的选择 | 第42-43页 |
| 3.3.3 模型泛化 | 第43-45页 |
| 3.4 信号重建与窗函数设计 | 第45-47页 |
| 3.5 实验结果与分析 | 第47-55页 |
| 3.5.1 实验数据准备 | 第47-48页 |
| 3.5.2 语音降噪性能测试 | 第48-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 噪声自适应的SDSAE语音降噪算法 | 第56-70页 |
| 4.1 噪声识别算法设计 | 第56-62页 |
| 4.1.1 基于卷积神经网络的噪声识别算法设计 | 第57-60页 |
| 4.1.2 噪声识别结果与分析 | 第60-62页 |
| 4.2 噪声分类 | 第62-65页 |
| 4.3 基于噪声自适应的SDSAE语音降噪算法设计 | 第65-69页 |
| 4.3.1 实验结果与分析 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 未来工作展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读学位期间的研究成果 | 第77-78页 |
| 缩略语对照表 | 第78-80页 |
| 致谢 | 第80-81页 |