| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 研究背景与意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.2.1 欠定卷积混合语音分离的研究现状 | 第7-8页 |
| 1.2.2 单通道语音分离的研究现状 | 第8-9页 |
| 1.3 本文主要研究内容以及章节安排 | 第9-10页 |
| 2 欠定盲源分离的基本概念和基本原理 | 第10-17页 |
| 2.1 欠定语音分离的数学建模 | 第10-12页 |
| 2.1.1 欠定卷积混合模型 | 第10-11页 |
| 2.1.2 单通道混合语音分离的数学模型 | 第11-12页 |
| 2.2 语音信号的特性分析 | 第12-14页 |
| 2.3 深度学习的基本概念 | 第14-15页 |
| 2.4 语音分离的性能评价体系 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
3 基于l_q(0| 第17-31页 | |
| 3.1 稀疏约束的形式 | 第18-21页 |
| 3.1.1 时频分析的标记 | 第18页 |
| 3.1.2 频域窄带稀疏与宽带稀疏 | 第18-20页 |
| 3.1.3 Analysis与Sythesis目标函数 | 第20-21页 |
| 3.2 给出方法的问题建模 | 第21-23页 |
3.2.1 l_q(0| 第21-22页 | |
| 3.2.2 低秩约束 | 第22-23页 |
| 3.2.3 建立目标函数 | 第23页 |
| 3.3 目标函数的优化算法 | 第23-28页 |
3.3.1 l_q(0| 第24-25页 | |
| 3.3.2 基于Proximity算子的对偶优化方法 | 第25-28页 |
| 3.4 计算机仿真实验结果与分析 | 第28-30页 |
| 3.4.1 实验设置 | 第28-29页 |
| 3.4.2 实验结果与分析 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于时域卷积神经网络的单路语音分离方法 | 第31-47页 |
| 4.1 系统整体框架 | 第31-32页 |
| 4.2 时域卷积神经网络解决语音分离的理论依据 | 第32-37页 |
| 4.2.1 神经网络及其反向传播算法 | 第32-35页 |
| 4.2.2 卷积神经网络 | 第35-36页 |
| 4.2.3 时域卷积神经网络解决语音分离的理论依据 | 第36-37页 |
| 4.3 基于时域卷积神经网络的单路语音分离方法 | 第37-40页 |
| 4.3.1 时域卷积神经网络结构 | 第37-38页 |
| 4.3.2 混合误差目标函数 | 第38-39页 |
| 4.3.3 时频模板滤波 | 第39-40页 |
| 4.4 计算机仿真实验与分析 | 第40-46页 |
| 4.4.1 实验设置 | 第40页 |
| 4.4.2 数据的整理 | 第40-42页 |
| 4.4.3 实验结果与分析 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-56页 |
