| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 语音增强 | 第11-12页 |
| 1.2.1 语音增强定义 | 第11-12页 |
| 1.2.2 语音增强分类 | 第12页 |
| 1.3 语音增强方法 | 第12-15页 |
| 1.3.1 传统语音增强方法 | 第12-14页 |
| 1.3.2 基于监督的语音增强方法 | 第14-15页 |
| 1.4 论文的研究内容和结构安排 | 第15-19页 |
| 1.4.1 主要研究内容 | 第15-17页 |
| 1.4.2 论文结构安排 | 第17-19页 |
| 第2章 基于深度神经网络的语音增强方法 | 第19-24页 |
| 2.1 引言 | 第19页 |
| 2.2 深度神经网络框架 | 第19-20页 |
| 2.3 基于有监督学习的网络训练 | 第20-21页 |
| 2.4 深度神经网络的目标优化函数 | 第21-23页 |
| 2.4.1 基于特征映射的语音增强方法 | 第22-23页 |
| 2.4.2 基于时频掩蔽的语音增强方法 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于循环神经网络的语音分类方法 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 循环神经网络框架 | 第24-26页 |
| 3.3 基于有监督学习的网络训练 | 第26-28页 |
| 3.4 循环神经网络的优化方法 | 第28-29页 |
| 3.4.1 梯度爆炸和梯度消失 | 第28页 |
| 3.4.2 门控循环单元网络 | 第28-29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 基于深度神经网络和循环神经网络的语音增强方法 | 第31-40页 |
| 4.1 引言 | 第31页 |
| 4.2 系统框图 | 第31-33页 |
| 4.3 特征提取 | 第33-35页 |
| 4.3.1 频域特征 | 第33-35页 |
| 4.3.2 时域特征 | 第35页 |
| 4.4 增强模型训练 | 第35-37页 |
| 4.4.1 基于深度神经网络的增强模型训练 | 第35-36页 |
| 4.4.2 基于循环神经网络的分类模型训练 | 第36-37页 |
| 4.5 模型融合 | 第37-38页 |
| 4.6 本章小结 | 第38-40页 |
| 第5章 实验配置和结果分析 | 第40-45页 |
| 5.1 实验配置 | 第40-41页 |
| 5.1.1 样本数据配置 | 第40页 |
| 5.1.2 训练模型参数配置 | 第40-41页 |
| 5.2 结果分析 | 第41-45页 |
| 5.2.1 实验结果 | 第41-42页 |
| 5.2.2 数据分析 | 第42-45页 |
| 第6章 总结与展望 | 第45-49页 |
| 6.1 本文的主要研究工作和创新点 | 第45-47页 |
| 6.2 后续研究工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 发表论文与科研情况说明 | 第55页 |