基于深层神经网络的语音增强方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 插图 | 第12-14页 |
| 表格 | 第14-16页 |
| 第一章 绪论 | 第16-36页 |
| ·语音增强 | 第17-18页 |
| ·语音增强的定义 | 第17页 |
| ·语音增强的分类 | 第17-18页 |
| ·语音增强的研究意义 | 第18页 |
| ·单声道语音增强的发展历史和研究概况 | 第18-20页 |
| ·单声道语音增强方法阐述 | 第20-32页 |
| ·带噪语音的信号模型 | 第20-21页 |
| ·传统单声道语音增强算法 | 第21-27页 |
| ·有监督语音增强算法 | 第27-32页 |
| ·本论文的研究内容和目标概述 | 第32-36页 |
| 第二章 基于深层神经网络的语音增强 | 第36-58页 |
| ·引言 | 第36-44页 |
| ·基于回归深层神经网络的语音增强 | 第44-49页 |
| ·SEDNN的原理 | 第44-47页 |
| ·SEDNN的无监督预训练 | 第47-48页 |
| ·SEDNN的有监督调优 | 第48-49页 |
| ·实验和结果 | 第49-55页 |
| ·实验配置 | 第49-51页 |
| ·实验分析和结论 | 第51-55页 |
| ·本章小结 | 第55-58页 |
| 第三章 泛化的基于深层神经网络的语音增强 | 第58-82页 |
| ·引言 | 第58-60页 |
| ·基于DNN的语音增强的泛化方法 | 第60-66页 |
| ·基线系统 | 第60-61页 |
| ·全局方差均衡 | 第61-63页 |
| ·Dropout | 第63-64页 |
| ·噪声告知训练 | 第64-65页 |
| ·大数据训练 | 第65-66页 |
| ·实验和结果 | 第66-79页 |
| ·实验配置 | 第66页 |
| ·实验分析和结论 | 第66-79页 |
| ·本章总结 | 第79-82页 |
| 第四章 基于深层神经网络的语音增强中的自适应问题 | 第82-98页 |
| ·引言 | 第82-83页 |
| ·基于DNN的语音增强的自适应方案 | 第83-89页 |
| ·特征自适应 | 第83-86页 |
| ·噪声自适应 | 第86-88页 |
| ·语言自适应 | 第88-89页 |
| ·实验和结果 | 第89-94页 |
| ·实验配置 | 第89-90页 |
| ·实验分析和结论 | 第90-94页 |
| ·本章总结 | 第94-98页 |
| 第五章 多目标准则学习 | 第98-108页 |
| ·引言 | 第98-99页 |
| ·多目标准则学习 | 第99-103页 |
| ·与MFCC的联合优化 | 第100-101页 |
| ·与IBM的联合优化和后处理 | 第101-102页 |
| ·与噪声编码的联合优化 | 第102-103页 |
| ·实验和结果 | 第103-107页 |
| ·实验配置 | 第103-104页 |
| ·实验分析和结论 | 第104-107页 |
| ·本章总结 | 第107-108页 |
| 第六章 总结 | 第108-112页 |
| ·本文的主要贡献与创新点 | 第108-109页 |
| ·后续的研究工作 | 第109-112页 |
| 参考文献 | 第112-122页 |
| 个人简历及在读期间发表的学术论文 | 第122-126页 |
| 致谢 | 第126-127页 |
