语音时频及非线性增强处理方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·语音数字处理概述 | 第7页 |
| ·研究语音抗噪声技术的必要性 | 第7-9页 |
| ·语音增强技术的发展现状 | 第9-10页 |
| ·课题来源 | 第10页 |
| ·课题任务、本文工作及各章节安排 | 第10-11页 |
| ·试验结果评价标准 | 第11-13页 |
| 第二章 语音特性、人耳感知特性及噪声特性 | 第13-18页 |
| ·语音和人耳感知特性 | 第13-14页 |
| ·语音主要特性的简单概括 | 第13-14页 |
| ·人耳的感知特性 | 第14页 |
| ·噪声特性 | 第14-18页 |
| 第三章 语音增强算法概述 | 第18-21页 |
| ·谱减法 | 第18-19页 |
| ·自适应梳状滤波器 | 第19页 |
| ·wiener滤波器 | 第19-20页 |
| ·语音模型增强算法 | 第20-21页 |
| 第四章 自适应小波变换的应用 | 第21-38页 |
| ·引言 | 第21-22页 |
| ·小波变换与信号的奇异性检测 | 第22-28页 |
| ·一维信号的多尺度边缘重构 | 第28-32页 |
| ·基于多尺度的信号去噪与端点检测 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 基于二维空间的语音分形处理算法 | 第38-52页 |
| ·二维的傅立叶变换 | 第39-40页 |
| ·语音信号的混沌特性 | 第40-47页 |
| ·相空间重构与Lyapunov指数 | 第40-43页 |
| ·语音信号时域波形的分形特征 | 第43-45页 |
| ·语音信号网格分形 | 第45-47页 |
| ·基于分形维的二维谱减 | 第47-49页 |
| ·试验与讨论 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 自相关噪声处理中神经模糊推理系统 | 第52-68页 |
| ·模糊神经网络结构形式 | 第52-54页 |
| ·逻辑模糊神经网络 | 第53-54页 |
| ·算术模糊神经网络 | 第54页 |
| ·混合模糊神经网络 | 第54页 |
| ·神经模糊控制系统 | 第54-61页 |
| ·Takagi-Sugeno推理的神经模糊控制器 | 第55-61页 |
| ·自适应神经模糊网络(ANFIS) | 第61-64页 |
| ·ANFIS结构 | 第61-63页 |
| ·神经络的学习算法 | 第63页 |
| ·数据预处理阶段 | 第63-64页 |
| ·ANFIS在自相关噪声处理中的应用 | 第64-65页 |
| ·结果与讨论 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第七章 基于谱频率矢量量化的语音形态滤波 | 第68-82页 |
| ·数学形态学 | 第68-71页 |
| ·数学形态学基本原理 | 第69-71页 |
| ·形态学滤波器设计算法 | 第71-74页 |
| ·对数频谱幅度估计器 | 第74-76页 |
| ·基于线性频谱矢量量化的噪声压缩 | 第76-77页 |
| ·线性频谱矢量量化 | 第76-77页 |
| ·算法设计与结果分析 | 第77-80页 |
| ·本章小结 | 第80-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-93页 |
| 攻读博士论文期间完成的论文 | 第93-94页 |
| 致谢 | 第94页 |
