| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 语音增强的研宄背景 | 第15-18页 |
| 1.1.1 语音信号处理与语音增强的概况 | 第16-17页 |
| 1.1.2 语音增强的评价准则 | 第17-18页 |
| 1.2 神经网络的发展背景 | 第18-21页 |
| 1.2.1 有监督训练下的深度神经网络 | 第19-20页 |
| 1.2.2 复值神经网络的应用与发展 | 第20-21页 |
| 1.3 论文的内容安排 | 第21-23页 |
| 第二章 语音增强幅度谱估计方法 | 第23-37页 |
| 2.1 语音信号的时频域表达 | 第23-26页 |
| 2.1.1 短时傅立叶变换 | 第23-25页 |
| 2.1.2 语音的谐波模型和激励模型 | 第25-26页 |
| 2.1.3 梅尔倒谱系数 | 第26页 |
| 2.2 现代语音幅度谱增强技术 | 第26-32页 |
| 2.2.1 谱减法 | 第28页 |
| 2.2.2 维纳滤波器法 | 第28-30页 |
| 2.2.3 对数谱-最小均方误差算法 | 第30-32页 |
| 2.3 基于深度神经网络的语音增强 | 第32-37页 |
| 2.3.1 几种常用的用于网络训练的目标值 | 第33-37页 |
| 第三章 基于复值神经网络的语音増强方法 | 第37-55页 |
| 3.1 复变函数 | 第37-40页 |
| 3.1.1 复变函数的导数 | 第37-38页 |
| 3.1.2 Wirtinger算子求导 | 第38-39页 |
| 3.1.3 一些复变函数求导的性质 | 第39-40页 |
| 3.2 复值神经网络结构 | 第40-42页 |
| 3.2.1 复值神经网络权值共享的特性 | 第40-42页 |
| 3.3 复数反向传播算法 | 第42-46页 |
| 3.3.1 梯度项的求导 | 第43-44页 |
| 3.3.2 矩阵形式权值更新 | 第44-45页 |
| 3.3.3 复变激活函数 | 第45-46页 |
| 3.4 基于实部和虚部的语谱图增强实验 | 第46-53页 |
| 3.4.1 与对应实值神经网络的比较 | 第47-48页 |
| 3.4.2 复值神经网络训练收敛的分析 | 第48-53页 |
| 3.5 本章小节 | 第53-55页 |
| 第四章 考虑相位的语音增强算法以及多目标神经网络模型 | 第55-75页 |
| 4.1 相位信息及其变体 | 第55-59页 |
| 4.1.1 相位的瞬时频率 | 第56-59页 |
| 4.2 多目标的深度神经网络构建 | 第59-60页 |
| 4.2.1 神经网络的结构 | 第59-60页 |
| 4.2.2 神经网络的训练 | 第60页 |
| 4.3 基于相位变体以及幅度的相位重构算法 | 第60-66页 |
| 4.3.1 初始相位的估计 | 第63页 |
| 4.3.2 时间轴上的相位重构 | 第63-64页 |
| 4.3.3 频率轴上的相位重构 | 第64-66页 |
| 4.3.4 相位重构算法总结 | 第66页 |
| 4.4 基于幅度和相位的语谱图增强实验 | 第66-72页 |
| 4.4.1 采用实值神经网络的实验 | 第66-71页 |
| 4.4.2 采用复值神经网络的实验 | 第71-72页 |
| 4.5 本章小结 | 第72-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 主要工作与贡献 | 第75页 |
| 5.2 有待于进一步研究的问题 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 作者筒介 | 第85页 |