基于深度学习的有监督语音分离方法研究
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及研究意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 语音分离技术的发展和研究现状 | 第14-18页 |
| 1.2.1 语音分离技术的发展历史 | 第14-16页 |
| 1.2.2 基于深度学习的语音分离技术的研究现状 | 第16-18页 |
| 1.3 本文的主要研究内容 | 第18页 |
| 1.4 本文的组织结构 | 第18-21页 |
| 第二章 语音分离基础知识 | 第21-39页 |
| 2.1 有监督语音分离系统描述 | 第21-30页 |
| 2.1.1 数据预处理 | 第22-24页 |
| 2.1.2 特征提取和选择 | 第24-26页 |
| 2.1.3 目标计算 | 第26-30页 |
| 2.1.4 波形合成 | 第30页 |
| 2.2 基于CASA的语音分离技术 | 第30-31页 |
| 2.3 基于模型的语音分离技术 | 第31-38页 |
| 2.3.1 浅层模型 | 第31-33页 |
| 2.3.2 深层模型 | 第33-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于DNN的语音分离方法的实现和改进 | 第39-51页 |
| 3.1 深度神经网络的基本原理 | 第39-42页 |
| 3.1.1 感知器算法 | 第39-40页 |
| 3.1.2 深度神经网络基本结构 | 第40页 |
| 3.1.3 深度神经网络训练过程 | 第40-42页 |
| 3.2 基于改进的DNN的语音分离方法 | 第42-43页 |
| 3.2.1 问题和缺陷 | 第42页 |
| 3.2.2 C-DNN系统描述 | 第42-43页 |
| 3.3 实验设计 | 第43-46页 |
| 3.3.1 数据预处理 | 第43-45页 |
| 3.3.2 参数设置 | 第45页 |
| 3.3.3 评价指标 | 第45-46页 |
| 3.4 实验结果和分析 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 基于CNN的语音分离方法研究及实现 | 第51-63页 |
| 4.1 卷积神经网络的基本原理 | 第51-53页 |
| 4.1.1 卷积层 | 第51-53页 |
| 4.1.2 池化层 | 第53页 |
| 4.2 基于CNN的语音分离系统描述 | 第53-54页 |
| 4.3 实验设计 | 第54-55页 |
| 4.3.1 数据预处理 | 第54-55页 |
| 4.3.2 参数设置 | 第55页 |
| 4.3.3 评价指标 | 第55页 |
| 4.4 实验结果和分析 | 第55-60页 |
| 4.4.1 基于IBM的实验结果 | 第55-58页 |
| 4.4.2 基于IRM的实验结果 | 第58-60页 |
| 4.5 本章小结 | 第60-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 硕士期间发表的论文 | 第75-76页 |
| 学位论文评阅及答辩情况表 | 第76页 |
