| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Table of Contents | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 语音端点检测技术的发展和研究现状 | 第14-15页 |
| 1.3 语音增强算法的发展及研究现状 | 第15-16页 |
| 1.4 本文的主要工作及安排 | 第16-19页 |
| 第二章 语音信号处理基础知识 | 第19-35页 |
| 2.1 语音信号的数字化与预处理 | 第19-22页 |
| 2.1.1 语音信号的预滤波 | 第19-20页 |
| 2.1.2 语音信号的采样与量化 | 第20页 |
| 2.1.3 语音信号的预加重 | 第20页 |
| 2.1.4 短时分帧加窗处理 | 第20-22页 |
| 2.2 语音信号处理中常用的音频特征 | 第22-30页 |
| 2.2.1 短时能量分析 | 第23页 |
| 2.2.2 短时平均过零率分析 | 第23-25页 |
| 2.2.3 短时平均幅度值分析 | 第25-26页 |
| 2.2.4 短时信息熵分析 | 第26-27页 |
| 2.2.5 语谱图分析 | 第27-29页 |
| 2.2.6 基音周期检测 | 第29-30页 |
| 2.3 影响语音信号端点检测的因素以及噪音分类 | 第30-33页 |
| 2.3.1 影响语音信号端点检测的因素 | 第30-31页 |
| 2.3.2 噪声的分类 | 第31-32页 |
| 2.3.3 人耳的感知特性 | 第32-33页 |
| 2.4 小结 | 第33-35页 |
| 第三章 语音增强算法研究 | 第35-49页 |
| 3.1 噪声功率谱估计 | 第35-39页 |
| 3.1.1 噪声估计算法概述 | 第35-36页 |
| 3.1.2 改进的噪声功率谱算法 | 第36-39页 |
| 3.2 维纳滤波语音增强算法 | 第39-45页 |
| 3.2.1 维纳滤波基本原理 | 第39-41页 |
| 3.2.2 先验信噪比的估计 | 第41-42页 |
| 3.2.3 基于非线性的谐波增强算法 | 第42-45页 |
| 3.3 语音增强算法的性能评价标准 | 第45-48页 |
| 3.3.1 语音质量主观评价 | 第45-46页 |
| 3.3.2 语音质量客观评价 | 第46-48页 |
| 3.4 小结 | 第48-49页 |
| 第四章 短时时频值端点检测算法研究 | 第49-57页 |
| 4.1 传统的语音端点检测概述 | 第49-50页 |
| 4.2 基于短时时频值的端点检测算法 | 第50-56页 |
| 4.2.1 语音信号的平滑处理 | 第50-52页 |
| 4.2.2 短时时频值的定义 | 第52页 |
| 4.2.3 短时时频值的提取过程 | 第52-54页 |
| 4.2.4 基于短时时频值的端点检测算法 | 第54-56页 |
| 4.3 小结 | 第56-57页 |
| 第五章 实验结果与分析 | 第57-67页 |
| 5.1 语音数据库建设 | 第57-59页 |
| 5.1.1 NOIZEUS带噪语音数据库 | 第57-58页 |
| 5.1.2 Android手机录制的语音数据 | 第58页 |
| 5.1.3 实际应用中整理出的语音数据 | 第58-59页 |
| 5.2 基于GMM-UBM的文本相关说话人识别系统 | 第59页 |
| 5.3 实验结果分析 | 第59-67页 |
| 5.3.1 语音增强算法的实验 | 第59-62页 |
| 5.3.2 端点检测算法的实验结果与分析 | 第62-67页 |
| 第六章 说话人识别的应用实例 | 第67-71页 |
| 6.1 说话人识别技术在移动终端上的应用 | 第67-69页 |
| 6.2 小结 | 第69-71页 |
| 第七章 工作总结及展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |