| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-15页 |
| 1.1 概述 | 第10-12页 |
| 1.1.1 语音增强的研究背景及意义 | 第10-11页 |
| 1.1.2 研究现状及发展趋势 | 第11-12页 |
| 1.1.3 低信噪比语音增强研究现状 | 第12页 |
| 1.2 国内外语音增强的应用 | 第12-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 2 语音增强的基本理论 | 第15-26页 |
| 2.1 语音信号特点和感知特性 | 第15-17页 |
| 2.1.1 语音信号特点 | 第16-17页 |
| 2.1.2 人耳感知特性 | 第17页 |
| 2.2 噪声特性及分类 | 第17-18页 |
| 2.3 增强算法概述 | 第18页 |
| 2.4 小波阈值语音增强 | 第18-21页 |
| 2.4.1 小波变换的特点 | 第18-19页 |
| 2.4.2 小波去噪原理 | 第19-20页 |
| 2.4.3 小波阈值规则 | 第20-21页 |
| 2.5 语音增强效果评价方法 | 第21-24页 |
| 2.5.1 主观评价 | 第22-23页 |
| 2.5.2 客观评价 | 第23-24页 |
| 2.6 实验仿真数据 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 基于经验模态分解的小波阈值语音增强 | 第26-35页 |
| 3.1 经验模态分解语音增强方法 | 第26-29页 |
| 3.1.1 本征模态函数 | 第26-27页 |
| 3.1.2 EMD算法基本原理 | 第27-28页 |
| 3.1.3 时空滤波分析 | 第28-29页 |
| 3.2 结合小波阈值方法的EMD语音增强方法 | 第29-31页 |
| 3.2.1 算法原理 | 第29-31页 |
| 3.3 实验结果及分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 结合小波阈值与MMSE-LSA的语音增强方法 | 第35-45页 |
| 4.1 MMSE-LSA算法原理 | 第35-37页 |
| 4.2 结合小波阈值的MMSE-LSA语音增强算法 | 第37-41页 |
| 4.2.1 算法原理 | 第38-40页 |
| 4.2.2 先验信噪比和后验信噪比 | 第40-41页 |
| 4.2.3 噪声估计 | 第41页 |
| 4.3 实验结果及分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 结合MMSE-LSA小波阈值和卡尔曼滤波的语音增强算法 | 第45-58页 |
| 5.1 卡尔曼滤波算法原理 | 第45-48页 |
| 5.1.1 卡尔曼滤波理论 | 第45-47页 |
| 5.1.2 卡尔曼滤波器 | 第47-48页 |
| 5.2 结合MMSE-LSA小波阈值和卡尔曼滤波 | 第48-55页 |
| 5.2.1 卡尔曼滤波器在语音增强中的应用 | 第49-50页 |
| 5.2.2 AR模型参数的提取 | 第50-51页 |
| 5.2.3 优化的卡尔曼滤波语音增强算法原理 | 第51-55页 |
| 5.3 实验结果及分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63页 |