| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究的现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-18页 |
| 1.3 本文主要工作 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-20页 |
| 第2章 语音增强的相关理论基础 | 第20-39页 |
| 2.1 语音信号特性和听觉感知特性 | 第20-22页 |
| 2.2 语音增强框架介绍 | 第22页 |
| 2.3 语音增强算法 | 第22-26页 |
| 2.3.1 谱减法 | 第23-24页 |
| 2.3.2 维纳滤波算法 | 第24-26页 |
| 2.4 语音增强中噪声估计算法的研究 | 第26-35页 |
| 2.4.1 噪声估计算法介绍 | 第26-27页 |
| 2.4.2 最小值统计算法 | 第27-29页 |
| 2.4.3 MCRA算法 | 第29-32页 |
| 2.4.4 IMCRA算法 | 第32-35页 |
| 2.5 语音增强性能评估方法 | 第35-38页 |
| 2.5.1 主观评价 | 第35-36页 |
| 2.5.2 客观评价 | 第36-38页 |
| 2.6 小结 | 第38-39页 |
| 第3章 基于改进最小值搜索的IMCRA噪声估计算法 | 第39-55页 |
| 3.1 最小值跟踪 | 第39-42页 |
| 3.1.1 算法原理 | 第39-40页 |
| 3.1.2 时延分析 | 第40-42页 |
| 3.2 基于IMCRA的噪声估计改进算法 | 第42-44页 |
| 3.2.1 连续最小值跟踪算法更新最小值 | 第42-44页 |
| 3.2.2 偏差补偿因子函数化 | 第44页 |
| 3.3 基于改进噪声估计的语音增强系统 | 第44-48页 |
| 3.3.1 音频数字化预处理 | 第45-46页 |
| 3.3.2 改进的噪声估计算法 | 第46-47页 |
| 3.3.3 语音增强算法 | 第47页 |
| 3.3.4 增强后信号的还原处理 | 第47-48页 |
| 3.4 仿真实验 | 第48-54页 |
| 3.4.1 实验方法与数据 | 第48-49页 |
| 3.4.2 实验结果与分析 | 第49-54页 |
| 3.5 小结 | 第54-55页 |
| 第4章 语音增强在语音识别中的应用 | 第55-71页 |
| 4.1 语音识别系统结构体系 | 第55-57页 |
| 4.2 系统界面设计 | 第57-59页 |
| 4.3 语音识别系统的功能实现 | 第59-62页 |
| 4.3.1 语音识别系统的开发环境 | 第59页 |
| 4.3.2 语音采集及处理模块 | 第59-61页 |
| 4.3.3 语音增强模块 | 第61-62页 |
| 4.3.4 语音识别模块 | 第62页 |
| 4.4 语音增强与识别系统实现效果测试 | 第62-70页 |
| 4.4.1 系统功能演示 | 第62-66页 |
| 4.4.2 语音增强必要性的验证 | 第66-68页 |
| 4.4.3 本文改进算法有效性的验证 | 第68-70页 |
| 4.5 小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录A 攻读学位期间的学术成果及参与的项目 | 第77-78页 |
| 致谢 | 第78页 |