| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 语音增强研究的意义和应用 | 第11-12页 |
| 1.2 语音信号的相关特性 | 第12-13页 |
| 1.2.1 语音特性 | 第12页 |
| 1.2.2 人耳感知特性 | 第12页 |
| 1.2.3 噪声特性 | 第12-13页 |
| 1.3 语音增强研究的历史和现状 | 第13-19页 |
| 1.4 语音增强算法的分类 | 第19-20页 |
| 1.5 本文主要研究内容 | 第20-23页 |
| 第2章 子空间语音增强算法概述 | 第23-35页 |
| 2.1 引言 | 第23-24页 |
| 2.2 子空间基本原理 | 第24-25页 |
| 2.3 基于子空间的语音增强算法 | 第25-30页 |
| 2.3.1 时域约束估计器 | 第25-27页 |
| 2.3.2 频域约束估计器 | 第27-28页 |
| 2.3.3 传统自适应子空间语音增强算法 | 第28-29页 |
| 2.3.4 广义子空间语音增强算法 | 第29-30页 |
| 2.4 语音增强算法性能的评价方法 | 第30-33页 |
| 2.5 小结 | 第33-35页 |
| 第3章 一种低复杂度的语音增强算法 | 第35-49页 |
| 3.1 本文算法解决的问题 | 第35页 |
| 3.2 本文算法原理 | 第35-38页 |
| 3.2.1 Σ(n) 的特征值和特征向量的迭代估计 | 第35-37页 |
| 3.2.2 新的语音增强算法 | 第37-38页 |
| 3.3 算法仿真和结果分析 | 第38-47页 |
| 3.4 小结 | 第47-49页 |
| 第4章 基于自适应DCT的子空间语音增强算法 | 第49-61页 |
| 4.1 本文算法解决的问题 | 第49页 |
| 4.2 算法原理 | 第49-52页 |
| 4.2.1 新的特征值和特征向量的自适应估计 | 第49-51页 |
| 4.2.2 自适应语音增强算法 | 第51-52页 |
| 4.3 算法仿真和结果分析 | 第52-59页 |
| 4.4 小结 | 第59-61页 |
| 第5章 基于最大似然自适应子空间估计的语音增强算法 | 第61-75页 |
| 5.1 引言 | 第61-62页 |
| 5.2 算法原理 | 第62-66页 |
| 5.2.1 基于MALASE的特征值估计 | 第62-64页 |
| 5.2.2 本文提出的语音增强算法 | 第64-66页 |
| 5.3 算法仿真和结果分析 | 第66-72页 |
| 5.4 小结 | 第72-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-91页 |
| 作者简介及在学期间所取得的科研成果 | 第91-92页 |
| 致谢 | 第92页 |