基于独立分量分析的语音盲分离算法研究
| 第一章 绪论 | 第1-17页 |
| ·研究背景和意义 | 第8页 |
| ·独立分量分析 | 第8-11页 |
| ·独立分量分析以及语音信号盲分离的发展及现状 | 第11-14页 |
| ·语音信号盲分离研究存在的问题 | 第14-16页 |
| ·本文主要研究内容 | 第16页 |
| ·本文章节安排 | 第16-17页 |
| 第二章 盲信号分离的基本理论 | 第17-37页 |
| ·瞬时混合信号的盲分离 | 第17-25页 |
| ·数学模型 | 第17-18页 |
| ·盲分离问题的基本假设 | 第18页 |
| ·盲分离问题的可分离性 | 第18-19页 |
| ·基于高阶累积量的盲分离问题的分离原则 | 第19-21页 |
| ·基于独立分量分析的盲分离问题的分离原则 | 第21-25页 |
| ·卷积混合信号盲分离 | 第25-28页 |
| ·数学模型 | 第25-26页 |
| ·可分离性讨论 | 第26-28页 |
| ·信息论的相关理论 | 第28-33页 |
| ·熵 | 第28-30页 |
| ·K-L 散度 | 第30-31页 |
| ·互信息 | 第31-32页 |
| ·负熵 | 第32-33页 |
| ·信号的预处理 | 第33-35页 |
| ·信号去均值 | 第33页 |
| ·信号的白化 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 瞬时混合语音信号盲分离 | 第37-63页 |
| ·独立性判据 | 第37-43页 |
| ·线性系统输入输出信号间有关信息特征参数的关系 | 第37-40页 |
| ·互信息最小化判据 | 第40页 |
| ·信息最大化判据 | 第40-41页 |
| ·负熵最大化判据 | 第41-42页 |
| ·极大似然估计判据 | 第42-43页 |
| ·常用优化算法 | 第43-51页 |
| ·梯度算法 | 第43-45页 |
| ·自然梯度算法 | 第45-47页 |
| ·广义自然梯度算法 | 第47页 |
| ·等变量自适应分离算法 | 第47-51页 |
| ·分离效果的评价准则 | 第51-53页 |
| ·基于混合-分离矩阵的评价准则 | 第51-52页 |
| ·基于信号波形的评价准则 | 第52-53页 |
| ·密度函数模型 | 第53-56页 |
| ·语音信号概率密度函数的模型 | 第53-54页 |
| ·修正的双曲正割函数的平方概率密度模型 | 第54-55页 |
| ·仿真实验 | 第55-56页 |
| ·一种改进的等变自适应盲分离算法 | 第56-62页 |
| ·步长参数的选择 | 第56-57页 |
| ·几种步长参数以及本文提出的步长参数 | 第57-58页 |
| ·仿真实验 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第四章 卷积混合语音信号盲分离 | 第63-86页 |
| ·时域语音信号盲分离 | 第63-71页 |
| ·卷积混合及分离模型 | 第63-65页 |
| ·前向反馈模型的分离算法 | 第65-67页 |
| ·后向反馈模型的分离算法 | 第67-69页 |
| ·仿真实验 | 第69-71页 |
| ·频域语音信号盲分离 | 第71-79页 |
| ·卷积混合及分离模型 | 第71-73页 |
| ·存在问题分析 | 第73-76页 |
| ·帧长对分离效果的影响 | 第76页 |
| ·仿真实验 | 第76-79页 |
| ·频域盲分离的两种简化方法 | 第79-85页 |
| ·利用两个频率芯 | 第79-83页 |
| ·利用一个频率芯 | 第83-84页 |
| ·仿真实验 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 总结与展望 | 第86-88页 |
| ·工作总结 | 第86页 |
| ·展望 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 中文摘要 | 第94-97页 |
| 英文摘要 | 第97-100页 |
| 致谢 | 第100-101页 |
| 导师及作者简介 | 第101页 |
