| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 语音特性和噪声特性 | 第13-16页 |
| 1.3.1 语音特性 | 第13页 |
| 1.3.2 噪声特性 | 第13-16页 |
| 1.4 语音增强算法性能评估 | 第16-20页 |
| 1.4.1 主观评价 | 第16-18页 |
| 1.4.2 客观评价 | 第18-20页 |
| 1.5 本文的主要工作 | 第20-21页 |
| 第二章 稀疏表示概述 | 第21-33页 |
| 2.1 稀疏表示 | 第21-23页 |
| 2.1.1 稀疏性度量指标 | 第21-22页 |
| 2.1.2 稀疏表示的唯一性 | 第22-23页 |
| 2.2 稀疏重构算法 | 第23-28页 |
| 2.2.1 BP算法 | 第23页 |
| 2.2.2 MP算法 | 第23-24页 |
| 2.2.3 OMP算法 | 第24-26页 |
| 2.2.4 LARC算法 | 第26-28页 |
| 2.3 字典构造 | 第28-33页 |
| 2.3.1 DCT变换 | 第28页 |
| 2.3.2 小波变换 | 第28-30页 |
| 2.3.3 MOD算法 | 第30页 |
| 2.3.4 K-SVD算法 | 第30-31页 |
| 2.3.5 算法性能测试 | 第31-33页 |
| 第三章 基于子空间域的自适应小字典学习的语音增强算法 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 信号子空间算法 | 第33-40页 |
| 3.2.1 信号的线性模型 | 第34页 |
| 3.2.2 信号与噪声子空间 | 第34-36页 |
| 3.2.3 时域约束估计 | 第36-37页 |
| 3.2.4 频域约束估计 | 第37-39页 |
| 3.2.5 子空间语音增强算法 | 第39-40页 |
| 3.3 基于子空间域的自适应小字典学习的语音增强算法 | 第40-43页 |
| 3.3.1 基于子空间域的小字典训练算法 | 第40-41页 |
| 3.3.2 改进的OMP算法 | 第41-42页 |
| 3.3.3 基于子空间域的自适应小字典学习的语音增强算法 | 第42-43页 |
| 3.4 仿真与实验 | 第43-52页 |
| 3.5 本章总结 | 第52-53页 |
| 第四章 基于区分性联合小字典学习的语音增强算法 | 第53-71页 |
| 4.1 引言 | 第53页 |
| 4.2 联合字典学习 | 第53-55页 |
| 4.3 基于区分性联合小字典学习的语音增强算法 | 第55-61页 |
| 4.4 仿真与实验 | 第61-69页 |
| 4.5 本章总结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
