| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 语音端点检测研究背景及意义 | 第7-11页 |
| 1.2 语音端点检测研究现状和发展 | 第11-12页 |
| 1.3 本论文的主要工作 | 第12-14页 |
| 第2章 语音端点检测的影响因素 | 第14-30页 |
| 2.1 特征提取与使用 | 第14-22页 |
| 2.1.1 语音短时特征 | 第15-20页 |
| 2.1.2 语音长时特征 | 第20-22页 |
| 2.2 分类模型选择 | 第22-27页 |
| 2.2.1 门限比较分类模型 | 第22-23页 |
| 2.2.2 统计分类模型 | 第23-27页 |
| 2.3 数据与环境 | 第27-28页 |
| 2.3.1 带噪语音数据库 | 第27页 |
| 2.3.2 干净语音数据库 | 第27-28页 |
| 2.3.3 特殊语音数据库 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 自适应语音端点检测算法 | 第30-39页 |
| 3.1 基线系统 | 第30-32页 |
| 3.1.1 传统基于能量的语音端点检测 | 第30-31页 |
| 3.1.2 使用谱减法的基于能量的语音端点检测 | 第31页 |
| 3.1.3 自适应语音端点检测 | 第31-32页 |
| 3.2 自适应语音端点检测改进 | 第32-35页 |
| 3.2.1 算法提出动机 | 第32-33页 |
| 3.2.2 算法框架 | 第33页 |
| 3.2.3 基于K-means的平均能量聚类 | 第33-34页 |
| 3.2.4 中值滤波 | 第34-35页 |
| 3.3 实验 | 第35-38页 |
| 3.3.1 实验设计 | 第35页 |
| 3.3.2 基线系统结果 | 第35-36页 |
| 3.3.3 基于K-means的平均能量聚类的实验结果 | 第36页 |
| 3.3.4 基于中值滤波的实验结果 | 第36-38页 |
| 3.3.5 结果对比 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于深度神经网络语音端点检测方法 | 第39-51页 |
| 4.1 基于深度神经网络的语音端点检测 | 第39-40页 |
| 4.2 改进的DNN-VAD方法 | 第40-42页 |
| 4.2.1 算法框架 | 第40-41页 |
| 4.2.2 谱减法语音增强 | 第41页 |
| 4.2.3 自适应中值滤波 | 第41-42页 |
| 4.2.4 一种监督学习规则 | 第42页 |
| 4.3 实验 | 第42-46页 |
| 4.3.1 实验设计 | 第42-44页 |
| 4.3.2 谱减法与自适应中值滤波结果对比 | 第44-45页 |
| 4.3.3 监督学习规则对DNN学习速率影响 | 第45-46页 |
| 4.4 不同结构的DNN-VAD设计 | 第46-49页 |
| 4.4.1 原始结构BP推倒 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |