| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 相关研究的现状 | 第10-12页 |
| 1.2.1 语音合成技术 | 第10-11页 |
| 1.2.2 音频干扰 | 第11页 |
| 1.2.3 随机数产生技术 | 第11-12页 |
| 1.2.4 神经网络 | 第12页 |
| 1.3 论文研究内容及章节安排 | 第12-15页 |
| 第2章 基于二次压缩的随机语音信号合成 | 第15-43页 |
| 2.1 概述 | 第15-16页 |
| 2.2 二次压缩语音参数库的设计 | 第16-30页 |
| 2.2.1 一次压缩方法研究 | 第16-27页 |
| 2.2.1.1 语音信号的线性预测分析 | 第16-21页 |
| 2.2.1.2 语音合成分析 | 第21-27页 |
| 2.2.2 语音筛选 | 第27页 |
| 2.2.3 二次压缩方法研究 | 第27-30页 |
| 2.3 随机语音合成方法设计 | 第30-32页 |
| 2.3.1 产生随机起点 | 第30页 |
| 2.3.2 产生随机长度 | 第30页 |
| 2.3.3 随机语音信号合成 | 第30-32页 |
| 2.4 随机算法的仿真与测试 | 第32-42页 |
| 2.4.1 神经网络训练 | 第32-34页 |
| 2.4.2 训练参数的还原 | 第34-35页 |
| 2.4.3 语音评价方法的设计 | 第35-39页 |
| 2.4.4 随机合成测试结果 | 第39-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于二次压缩的随机语音合成算法的实现 | 第43-57页 |
| 3.1 算法实现与仿真 | 第43-45页 |
| 3.1.1 算法的实现框架 | 第43-44页 |
| 3.1.2 实现流程 | 第44页 |
| 3.1.3 仿真与测试 | 第44-45页 |
| 3.2 算法的代码转换 | 第45-50页 |
| 3.3 算法的C语言实现 | 第50-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 基于共振峰参数的随机语音信号合成 | 第57-85页 |
| 4.1 共振峰语音信号合成模型 | 第57-59页 |
| 4.2 基于共振峰参数的随机语音信号合成 | 第59-68页 |
| 4.2.1 共振峰参数可调性范围统计分析 | 第59-62页 |
| 4.2.2 基于共振峰参数的随机合成方法的提出 | 第62-64页 |
| 4.2.3 随机共振峰合成语音测试 | 第64-68页 |
| 4.3 基于共振峰参数比值的随机语音信号合成 | 第68-77页 |
| 4.3.1 比值随机范围的统计 | 第69-70页 |
| 4.3.2 比值降低精度实验 | 第70页 |
| 4.3.3 比值的选择 | 第70-72页 |
| 4.3.4 随机合成方法的确定 | 第72-74页 |
| 4.3.5 测试效果与分析 | 第74-77页 |
| 4.4 基于语谱图判决和共振峰参数比值相结合的随机语音信号合成 | 第77-84页 |
| 4.4.1 基于统计规则的语谱图判决算法 | 第78-81页 |
| 4.4.2 基于神经网络的语谱图判决改进算法 | 第81-84页 |
| 4.4.3 最终结果 | 第84页 |
| 4.5 本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 1 工作总结 | 第85页 |
| 2 工作展望 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间发表的学术成果 | 第91-93页 |
| 致谢 | 第93页 |