基于小波变换模极大值的语音带宽扩展
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 语音带宽扩展的发展概况 | 第9-11页 |
| 1.3 本文主要工作和章节安排 | 第11-12页 |
| 2 语音产生过程及其模型 | 第12-17页 |
| 2.1 人体语音器官的构成和语音的产生过程 | 第12-13页 |
| 2.2 语音信号的数字模型 | 第13-15页 |
| 2.2.1 激励模型 | 第13-14页 |
| 2.2.2 声道模型 | 第14页 |
| 2.2.3 辐射模型 | 第14页 |
| 2.2.4 语音信号的数字模型 | 第14-15页 |
| 2.3 语音信号的预处理 | 第15-17页 |
| 2.3.1 采样量化 | 第15页 |
| 2.3.2 分帧处理及加窗 | 第15-16页 |
| 2.3.3 预加重处理 | 第16-17页 |
| 3 语音信号的分析 | 第17-39页 |
| 3.1 时域分析 | 第17-18页 |
| 3.2 倒谱分析 | 第18-19页 |
| 3.3 线性预测分析 | 第19-21页 |
| 3.4 语音信号的小波分析 | 第21-27页 |
| 3.4.1 小波分析理论 | 第21-22页 |
| 3.4.2 连续小波变换 | 第22-23页 |
| 3.4.3 离散小波变换 | 第23-24页 |
| 3.4.4 多分辨率分析 | 第24-25页 |
| 3.4.5 Mallat快速算法 | 第25-26页 |
| 3.4.6 小波变换模极大值 | 第26-27页 |
| 3.5 矢量量化 | 第27-35页 |
| 3.5.1 VQ的基本原理 | 第28-29页 |
| 3.5.2 VQ的一般方法 | 第29页 |
| 3.5.3 VQ的失真测度 | 第29-31页 |
| 3.5.4 最佳矢量量化器和码本的设计 | 第31-34页 |
| 3.5.5 搜索策略 | 第34-35页 |
| 3.6 人工神经网络 | 第35-39页 |
| 3.6.1 人工神经网络的基本概念 | 第35-36页 |
| 3.6.2 BP算法的多层神经网络 | 第36-37页 |
| 3.6.3 BP神经网络算法过程 | 第37-39页 |
| 4 基于小波变换模极大值算法的带宽扩展 | 第39-47页 |
| 4.1 系统设计概述 | 第39-40页 |
| 4.2 升采样和小波分析滤波器组 | 第40-41页 |
| 4.3 模极大值的提取和修正后的模极大值的估计 | 第41-42页 |
| 4.4 映射函数和小波合成滤波器组 | 第42-44页 |
| 4.5 本文提出的WTMM算法的主要特性 | 第44-45页 |
| 4.6 带宽扩展参数映射 | 第45-47页 |
| 4.6.1 码书映射 | 第45-46页 |
| 4.6.2 基于神经网络的映射 | 第46-47页 |
| 5 仿真结果和性能分析 | 第47-54页 |
| 5.1 码书映射和基于神经网络映射的性能比较 | 第47-48页 |
| 5.2 算法的客观测试 | 第48-51页 |
| 5.3 算法的主观测试 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
