基于麦克风阵列的语音增强算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 课题背景和意义 | 第8页 |
| 1.2 语音增强发展历史和现状 | 第8-9页 |
| 1.3 本文主要研究内容及论文结构 | 第9-10页 |
| 1.4 小结 | 第10-11页 |
| 2 麦克风阵列语音增强处理模型及相关技术 | 第11-26页 |
| 2.1 语音信号特性 | 第11-13页 |
| 2.1.1 语音的声学特性 | 第11页 |
| 2.1.2 语音的时间波形和频谱特性 | 第11-12页 |
| 2.1.3 语音信号的统计特性 | 第12-13页 |
| 2.1.4 人耳感知特性 | 第13页 |
| 2.2 阵列信号与语音信号模型 | 第13-18页 |
| 2.2.1 语音信号产生的信号模型 | 第13-15页 |
| 2.2.2 麦克风阵列拓扑结构 | 第15-16页 |
| 2.2.3 空间采样原理 | 第16-17页 |
| 2.2.4 声源模型 | 第17页 |
| 2.2.5 麦克风阵列信号模型 | 第17-18页 |
| 2.3 噪声与噪声场 | 第18-20页 |
| 2.3.1 噪声 | 第19页 |
| 2.3.2 噪声场 | 第19-20页 |
| 2.4 评价标准 | 第20-22页 |
| 2.4.1 主观评价 | 第20-21页 |
| 2.4.2 客观评价方法 | 第21-22页 |
| 2.5 经典算法 | 第22-25页 |
| 2.5.1 固定波束形成算法 | 第23页 |
| 2.5.2 自适应波束形成算法 | 第23-24页 |
| 2.5.3 维纳滤波算法 | 第24页 |
| 2.5.4 盲源分离算法 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 3 系统中的时延估计技术 | 第26-34页 |
| 3.1 时延估计的主要方法 | 第26页 |
| 3.2 自适应时延估计法 | 第26-27页 |
| 3.3 广义互相关时延估计方法 | 第27-29页 |
| 3.4 高阶统计量时延估计方法 | 第29-30页 |
| 3.5 基于广义互相关时延估计的改进方法 | 第30-33页 |
| 3.5.1 提取语音建立信号 | 第30-31页 |
| 3.5.2 噪声功率谱估计 | 第31页 |
| 3.5.3 改进的广义互相关时延估计方法 | 第31-32页 |
| 3.5.4 实验结果 | 第32-33页 |
| 3.6 小结 | 第33-34页 |
| 4 基于 GSC 结构的改进算法 | 第34-43页 |
| 4.1 固定波束形成算法 | 第34-35页 |
| 4.2 GSC 自适应算法 | 第35-39页 |
| 4.3 采用维纳滤波器的后置滤波语音增强算法 | 第39-41页 |
| 4.4 基于 GSC 的改进算法 | 第41-42页 |
| 4.5 小结 | 第42-43页 |
| 5 仿真实验与分析 | 第43-50页 |
| 5.1 仿真环境 | 第43页 |
| 5.2 仿真结果与分析 | 第43-46页 |
| 5.3 语音质量的评价 | 第46-49页 |
| 5.3.1 主观评价 | 第47页 |
| 5.3.2 客观评价 | 第47-49页 |
| 5.4 小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读学位期间的研究成果 | 第55页 |
