| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-21页 |
| ·语音编码 | 第10-12页 |
| ·语音信号模型 | 第12-14页 |
| ·几个重要的语音编码特征参数 | 第14-18页 |
| ·带噪语音编码的前端处理 | 第18-19页 |
| ·论文的主要研究内容 | 第19-21页 |
| 第2章 快速基音周期的提取方法 | 第21-39页 |
| ·短时平均幅度差函数和自相关函数的基音周期提取方法 | 第21-26页 |
| ·短时平均幅度差函数的基音周期提取方法 | 第21-24页 |
| ·自相关函数ACF的基音周期提取方法 | 第24-26页 |
| ·一种计算复杂度低的快速基音周期提取方法 | 第26-32页 |
| ·快速基音周期的提取方法 | 第26-31页 |
| ·实验结果 | 第31-32页 |
| ·基于FPGA的实时基音周期估计硬件系统 | 第32-38页 |
| ·基于电平削波的自相关基音周期估计算法 | 第33-36页 |
| ·基音周期估计算法的硬件实现 | 第36-37页 |
| ·试验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于GCI和小波变换的带噪语音基音周期提取 | 第39-50页 |
| ·声门闭合时刻GCI | 第39-40页 |
| ·基于小波变换的基音周期提取方法 | 第40-44页 |
| ·小波变换原理 | 第40-42页 |
| ·小波变换函数的选择 | 第42-44页 |
| ·基于前置滤波和小波变换的带噪语音基音周期提取方法 | 第44-49页 |
| ·前置低通滤波器 | 第44-46页 |
| ·噪声鲁棒性 | 第46-47页 |
| ·与多尺度小波变换方法的实验比较 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 带噪语音的LPC参数提取 | 第50-63页 |
| ·线性预测系数 | 第50-53页 |
| ·基于谱减的线性预测系数估计 | 第53-55页 |
| ·最小值统计跟踪的噪声谱估计方法 | 第55-59页 |
| ·平滑算法 | 第56-58页 |
| ·偏差补偿 | 第58-59页 |
| ·噪声谱估计值和真实的噪声的比较 | 第59-61页 |
| ·实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于GMM的LSF参数的量化编码 | 第63-82页 |
| ·线谱频率LSF参数 | 第63-66页 |
| ·基于VQ量化编码 | 第66-73页 |
| ·VQ量化编码与解码 | 第66-67页 |
| ·码本的设计 | 第67-70页 |
| ·全搜索和多级矢量量化器 | 第70-72页 |
| ·实验结果 | 第72-73页 |
| ·基于GMM的LSF量化编码 | 第73-81页 |
| ·高斯混合模型 | 第73-75页 |
| ·基于高斯混合模型的LSF量化 | 第75-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 带噪语音编码的语音增强 | 第82-102页 |
| ·语音增强方法概述 | 第82-84页 |
| ·基于短时谱估计的语音增强方法 | 第84-88页 |
| ·基于Kalman滤波的语音增强方法 | 第88-101页 |
| ·基于Kalman滤波的语音增强 | 第89-91页 |
| ·平方根协方差Kalman滤波算法 | 第91-98页 |
| ·Kalman滤波发散的抑制 | 第91-93页 |
| ·平方根协方差Kalman和Kalman滤波算法相结合的方法 | 第93-94页 |
| ·基于声道慢变特性的Kalman滤波算法 | 第94-98页 |
| ·实验结果与比较 | 第98-101页 |
| ·不同类型的环境噪声下语音增强方法的对比实验 | 第98-99页 |
| ·与维纳滤波语音增强算法的对比实验 | 第99-101页 |
| ·本章小结 | 第101-102页 |
| 第7章 总结与展望 | 第102-105页 |
| 参考文献 | 第105-110页 |
| 致谢 | 第110-111页 |
| 攻读学位期间的主要研究工作和论文发表情况 | 第111页 |
