| 前言 | 第1-13页 |
| 0．1 本课题研究的背景与意义 | 第10-12页 |
| 0．2 论文完成工作 | 第12页 |
| 0．3 本论文的组织 | 第12-13页 |
| 第一章 增益滤波器及应用算法 | 第13-20页 |
| 1．1 增益滤波器 | 第13-14页 |
| 1．2 LPC系数的计算 | 第14-16页 |
| 1．3 Levinson_Durbin算法 | 第16-18页 |
| 1．4 应用于增益滤波器的各种算法 | 第18-20页 |
| 第二章 最小二乘自适应算法 | 第20-33页 |
| 2．1 信号处理算法简介 | 第20页 |
| 2．2 最小二乘算法 | 第20-33页 |
| 2．2．1 最小二乘法收敛性证明 | 第21-24页 |
| 2．2．2 增长记忆算法及其证明 | 第24-26页 |
| 2．2．3 增长记忆算法的初始化和权值的选择 | 第26-27页 |
| 2．2．4 有限记忆算法及其证明 | 第27-29页 |
| 2．2．5 有限记忆算法中记忆长度的选择 | 第29页 |
| 2．2．6 算法公式整理 | 第29-30页 |
| 2．2．7 增益滤波器阶数的选择 | 第30页 |
| 2．2．8 有限记忆算法与卡尔曼滤波的比较 | 第30-33页 |
| 第三章 基于BP网络的自适应预测 | 第33-47页 |
| 3．1 基于BP网络的非线性预测模型 | 第33-42页 |
| 3．1．1 人工神经网络的发展 | 第33-34页 |
| 3．1．2 神经网络在语音处理中的应用现状 | 第34-35页 |
| 3．1．3 BP神经网络 | 第35-40页 |
| 3．1．4 BP网络传输函数 | 第40-42页 |
| 3．2 BP增益预测模型的各种算法方案 | 第42-47页 |
| 3．2．1 BP网络的输入数据 | 第42-43页 |
| 3．2．2 BP网络的结构选择 | 第43-44页 |
| 3．2．3 BP网络算法中各种参数的选择 | 第44-45页 |
| 3．2．4 BP网络权值的自适应 | 第45-47页 |
| 第四章 算法总结与分析 | 第47-64页 |
| 4．1 评判标准的演变和改进 | 第47-50页 |
| 4．1．1 信噪比的估计 | 第48-50页 |
| 4．2 Levinson_Durbin算法试验结果 | 第50页 |
| 4．3 加权增长记忆算法试验结果 | 第50-54页 |
| 4．4 有限记忆算法试验结果 | 第54-55页 |
| 4．5 BP神经网络试验结果 | 第55-61页 |
| 4．6 各种算法在G728中的试验结果 | 第61-62页 |
| 4．7 各种算法的试验复杂度 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间发表论文 | 第71页 |