| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 技术背景 | 第10-11页 |
| 1.2 频带扩展的发展历史与研究现状 | 第11-15页 |
| 1.3 论文主要研究工作与组织结构 | 第15-16页 |
| 2 语音信号的数字建模与数字分析 | 第16-33页 |
| 2.1 语音产生的机理 | 第16-20页 |
| 2.1.1 发音器官 | 第16-17页 |
| 2.1.2 语音信号的数字模型 | 第17-20页 |
| 2.3 语音信号的预处理 | 第20-22页 |
| 2.3.1 采样与量化 | 第20页 |
| 2.3.2 预加重处理 | 第20-21页 |
| 2.3.3 语音分帧和加窗处理 | 第21-22页 |
| 2.4 相关分析方法 | 第22-33页 |
| 2.4.1 时域分析 | 第23-24页 |
| 2.4.2 倒谱分析 | 第24-26页 |
| 2.4.3 线性预测分析 | 第26-33页 |
| 3 语音特征信息的表示方法 | 第33-43页 |
| 3.1 基音周期 | 第33-36页 |
| 3.1.1 基音周期提取的预处理 | 第33-35页 |
| 3.1.2 短时自相关的基音检测 | 第35-36页 |
| 3.2 线性预测倒谱系数 | 第36-37页 |
| 3.3 美尔频率倒谱系数 | 第37-43页 |
| 3.3.1 美尔滤波器组 | 第38-40页 |
| 3.3.2 美尔频率倒谱系数特征参数提取 | 第40-43页 |
| 4 频带扩展算法的实现方案 | 第43-54页 |
| 4.1 宽带频谱包络的扩展方法 | 第43-51页 |
| 4.1.1 码书映射 | 第43-44页 |
| 4.1.2 高斯混合模型 | 第44-46页 |
| 4.1.3 隐马尔可夫模型 | 第46-49页 |
| 4.1.4 基于语音特征分组和高斯混合模型的谱包络扩展 | 第49-51页 |
| 4.2 宽带激励信号的产生 | 第51-54页 |
| 4.2.1 简单信号合成法 | 第51页 |
| 4.2.2 频谱平移 | 第51-52页 |
| 4.2.3 激励信号产生方法的改进 | 第52-54页 |
| 5 频带扩展算法的仿真实验 | 第54-59页 |
| 5.1 整体流程设计 | 第54-55页 |
| 5.2 基于语音特征分组的高斯混合模型训练 | 第55页 |
| 5.3 分段宽带激励合成方法的实现 | 第55-57页 |
| 5.4 宽带语音的人工合成 | 第57-59页 |
| 6 实验评测与结论 | 第59-67页 |
| 6.1 客观评测方法 | 第59-60页 |
| 6.2 评测方案 | 第60-65页 |
| 6.3 结论 | 第65-67页 |
| 7 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 学位论文数据集表 | 第74-75页 |