首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

语音信号的卷积盲源分离算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-15页
    1.1 研究的目的与意义第10页
    1.2 国内外研究现状第10-13页
    1.3 本文主要研究内容第13-15页
第2章 语音信号盲源分离问题基本理论第15-27页
    2.1 盲源分离的基本模型第15-19页
        2.1.1 线性瞬时混合模型第16-17页
        2.1.2 线性卷积混合模型第17-18页
        2.1.3 非线性混合模型第18-19页
    2.2 盲源分离信号的统计特征第19-22页
        2.2.1 矩函数第19-20页
        2.2.2 累积量第20页
        2.2.3 独立和不相关第20-22页
        2.2.4 K-L散度第22页
    2.3 盲源分离代价函数准则第22-24页
        2.3.1 互信息最小化准则第22-23页
        2.3.2 信息最大化准则第23-24页
        2.3.3 非高斯最大化准则第24页
    2.4 算法评价指标第24-26页
    2.5 本章小结第26-27页
第3章 频域卷积盲源分离算法第27-47页
    3.1 独立分量分析理论第27-30页
        3.1.1 信号预处理第27-28页
        3.1.2 非高斯性度量第28-30页
    3.2 卷积混合盲源分离算法第30-33页
        3.2.1 短时傅里叶变换第30-32页
        3.2.2 频域分离算法第32-33页
    3.3 不确定性问题分析第33-35页
    3.4 抑制频域排序不确定性的改进方法研究第35-42页
        3.4.1 基于频率间幅度相关性排序方法及其性能分析第35-40页
        3.4.2 基于频点矫正的排序算法第40-42页
    3.5 测试结果分析第42-46页
        3.5.1 确定信源分离效果测试对比第42-43页
        3.5.2 语音信源分离测试及分析第43-46页
    3.6 本章小结第46-47页
第4章 基于聚类的频域盲源分离算法第47-60页
    4.1 K-means聚类算法第47-49页
        4.1.1 K-means聚类算法概述第47页
        4.1.2 K-means聚类算法实现基本过程第47-49页
    4.2 K-means算法的度量方法第49-51页
        4.2.1 基于距离的度量方法第49-50页
        4.2.2 基于相似性系数的度量方法第50-51页
    4.3 基于K-means聚类的矩阵范数度量方法第51-53页
        4.3.1 矩阵范数的定义第51-52页
        4.3.2 基于K-means聚类的排序算法描述第52-53页
    4.4 基于K-means聚类和F-范式的频域排序算法效果及评价第53-59页
        4.4.1 K-means聚类有效性测试及分析第53-55页
        4.4.2 三种排序方式下分离效果对比分析第55-59页
    4.5 本章小结第59-60页
结论第60-61页
参考文献第61-64页
攻读学位期间发表的学术成果第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:基于能量反馈的单模光纤耦合算法研究
下一篇:基于STM32的无线保密通信应用研究