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 |