数字助听器听觉场景识别和自动增益控制算法研究及实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 听觉感知机理 | 第9-11页 |
| 1.2.1 听觉系统 | 第10页 |
| 1.2.2 听觉障碍原理 | 第10-11页 |
| 1.3 数字助听器研究现状与分析 | 第11-15页 |
| 1.3.1 助听器的分类 | 第12-13页 |
| 1.3.2 数字助听器算法研究现状 | 第13-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 第2章 数字助听器的关键算法概述 | 第16-25页 |
| 2.1 语音增强算法 | 第16-19页 |
| 2.1.1 单通道语音增强算法 | 第17-18页 |
| 2.1.2 麦克风阵列语音增强算法 | 第18-19页 |
| 2.2 宽动态压缩算法 | 第19-23页 |
| 2.3 回声消除算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于GMM的听觉场景识别算法 | 第25-42页 |
| 3.1 算法概述 | 第25-26页 |
| 3.2 语音信号预处理和特征提取 | 第26-31页 |
| 3.2.1 语音信号预处理 | 第26-27页 |
| 3.2.2 MFCC特征参数提取 | 第27-31页 |
| 3.3 传统的GMM训练算法 | 第31-34页 |
| 3.3.1 GMM高斯混合模型 | 第31-32页 |
| 3.3.2 GMM参数估计方法 | 第32-33页 |
| 3.3.3 听觉场景GMM模型训练 | 第33-34页 |
| 3.4 改进的GMM训练算法 | 第34-36页 |
| 3.5 GMM分类识别算法 | 第36-37页 |
| 3.6 算法性能验证与分析 | 第37-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于VAD的自动增益控制算法 | 第42-52页 |
| 4.1 语音活动帧检测算法 | 第42-47页 |
| 4.1.1 基于长时特征的VAD算法 | 第42-44页 |
| 4.1.2 基于统计概率模型的VAD算法 | 第44-47页 |
| 4.2 自动增益控制算法 | 第47页 |
| 4.3 基于VAD算法的自动增益控制算法 | 第47-48页 |
| 4.4 算法性能验证与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
