| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第13-15页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 历史发展与研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 第二章 语音信号处理的知识基础 | 第15-24页 |
| 2.1 人体发声系统 | 第15-17页 |
| 2.1.1 语音信号的产生 | 第15页 |
| 2.1.2 清、浊音 | 第15-16页 |
| 2.1.3 基音 | 第16页 |
| 2.1.4 短时平稳性 | 第16-17页 |
| 2.2 人耳听觉感知系统 | 第17-20页 |
| 2.2.1 听觉系统 | 第17-19页 |
| 2.2.2 掩蔽效应 | 第19-20页 |
| 2.3 噪声的特性 | 第20-21页 |
| 2.4 语音分离效果评价 | 第21-23页 |
| 2.4.1 主观评价 | 第21-22页 |
| 2.4.2 客观评价 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 传统单通道语音分离技术 | 第24-30页 |
| 3.1 基于无监督学习的语音分离技术 | 第24-27页 |
| 3.1.1 谱减法 | 第24-25页 |
| 3.1.2 维纳滤波 | 第25页 |
| 3.1.3 自适应滤波算法 | 第25-26页 |
| 3.1.4 计算听觉场景分析 | 第26-27页 |
| 3.2 基于有监督学习语音的分离技术 | 第27-29页 |
| 3.2.1 基于HMM的语音分离算法 | 第27-28页 |
| 3.2.2 基于NMF语音分离算法 | 第28页 |
| 3.2.3 基于浅层人工神经网络语音分离算法 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 联合非负矩阵分解和深度神经网络的语音分离方法研究 | 第30-44页 |
| 4.1 基于神经网络的语音分离 | 第30-32页 |
| 4.1.1 深度神经网络 | 第30-31页 |
| 4.1.2 基于神经网络的语音分离算法 | 第31-32页 |
| 4.2 基于非负矩阵分解的语音分离 | 第32-35页 |
| 4.2.1 非负矩阵分解 | 第32-34页 |
| 4.2.2 基于非负矩阵分解的语音分离算法 | 第34-35页 |
| 4.3 基于卷积非负矩阵分解的语音分离 | 第35-38页 |
| 4.3.1 卷积非负矩阵分解 | 第35-37页 |
| 4.3.2 基于卷积非负矩阵分解的语音分离算法 | 第37-38页 |
| 4.4 联合非负矩阵分解和深度神经网络的语音分离 | 第38-40页 |
| 4.4.1 算法流程 | 第39页 |
| 4.4.2 前向传播 | 第39-40页 |
| 4.4.3 反向传播 | 第40页 |
| 4.5 联合卷积非负矩阵分解和深度神经网络的语音分离 | 第40-43页 |
| 4.5.1 算法流程 | 第40-41页 |
| 4.5.2 前向传播 | 第41-42页 |
| 4.5.3 反向传播 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 实验 | 第44-51页 |
| 5.1 实验数据 | 第44页 |
| 5.2 数据处理 | 第44-45页 |
| 5.2.1 特征提取 | 第44-45页 |
| 5.2.2 波形重构 | 第45页 |
| 5.3 实验配置 | 第45-47页 |
| 5.3.1 对比模型选择 | 第45-46页 |
| 5.3.2 参数选择 | 第46-47页 |
| 5.4 实验结果及分析 | 第47-50页 |
| 5.4.1 对改进算法DNN-NMF实验分析 | 第47-49页 |
| 5.4.2 对改进算法DNN-CNMF实验分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与期望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表的学术论文 | 第57页 |