| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-13页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11-13页 |
| 1.2 压缩感知理论国内外的研究现状 | 第13-14页 |
| 1.3 压缩感知理论在语音信号处理中的研究现状 | 第14-16页 |
| 1.4 论文主要研究内容和后续章节安排 | 第16-18页 |
| 第二章 压缩感知理论及语音压缩感知 | 第18-40页 |
| 2.1 压缩感知与传统奈奎斯特采样的区别及联系 | 第18-19页 |
| 2.2 压缩感知理论框架 | 第19-27页 |
| 2.2.1 压缩感知的数学模型 | 第19-21页 |
| 2.2.2 稀疏表示 | 第21-23页 |
| 2.2.3 观测矩阵 | 第23-25页 |
| 2.2.4 重构算法 | 第25-26页 |
| 2.2.5 含噪信号压缩感知 | 第26-27页 |
| 2.3 基于压缩感知的语音信号处理 | 第27-38页 |
| 2.3.1 语音信号的稀疏表示 | 第27-29页 |
| 2.3.2 语音信号中的观测矩阵设计 | 第29-30页 |
| 2.3.3 语音信号重构算法选取 | 第30-31页 |
| 2.3.4 基于压缩感知的语音信号处理仿真 | 第31-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 基于过完备MFCC字典的语音压缩感知 | 第40-52页 |
| 3.1 引言 | 第40-41页 |
| 3.2 基于K-SVD算法训练过完备字典 | 第41-44页 |
| 3.2.1 K-means聚类算法介绍 | 第41-42页 |
| 3.2.2 K-SVD算法 | 第42-44页 |
| 3.3 基于MFCC参数字典的语音压缩感知 | 第44-50页 |
| 3.3.1 过完备MFCC字典的训练过程 | 第44-46页 |
| 3.3.2 实验仿真 | 第46-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 基于SL0算法的语音压缩重构模型 | 第52-65页 |
| 4.1 引言 | 第52页 |
| 4.2 语音压缩感知重构算法 | 第52-56页 |
| 4.3 基于平滑L0算法的语音压缩重构模型 | 第56-59页 |
| 4.4 实验结果及分析 | 第59-64页 |
| 4.4.1 基于SL0算法的语音重构性能验证 | 第59-63页 |
| 4.4.2 基于MFCC字典和SL0算法的语音重构性能验证 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 进一步研究方向展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 附录2 攻读硕士学位期间申请的专利 | 第72-73页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74页 |