鲁棒的双耳语音分离算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 语音分离技术的研究背景及意义 | 第10-11页 |
| 1.2 语音分离技术的研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.3.1 基于频点归类的改进双耳语音分离算法 | 第13页 |
| 1.3.2 基于子带的语音分离算法 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 基于双耳空间信息的语音分离方法综述 | 第16-34页 |
| 2.1 人类听觉的生物学基础 | 第16-18页 |
| 2.1.1 人耳的生理构造和特点 | 第16-17页 |
| 2.1.2 听觉特性 | 第17页 |
| 2.1.3 空间坐标系 | 第17-18页 |
| 2.2 双耳的空间线索 | 第18-21页 |
| 2.2.1 耳间时间差 | 第19-20页 |
| 2.2.2 耳间强度差 | 第20-21页 |
| 2.3 耳周听觉处理 | 第21-24页 |
| 2.3.1 Gammatone滤波器组 | 第21-23页 |
| 2.3.2 神经传递函数模型 | 第23-24页 |
| 2.4 双通道语音信号采集 | 第24-28页 |
| 2.4.1 与头相关传递函数 | 第24-25页 |
| 2.4.2 双耳声信号的计算机合成 | 第25-26页 |
| 2.4.3 双耳声信号的人工头采集 | 第26-28页 |
| 2.5 基于空间线索的鲁棒语音分离研究概述 | 第28-32页 |
| 2.5.1 已有的语音分离算法 | 第28-29页 |
| 2.5.2 鲁棒的语音分离算法 | 第29页 |
| 2.5.3 仿真算法的性能评估 | 第29-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于DUET双耳分离算法的改进 | 第34-52页 |
| 3.1 空间线索提取 | 第34-39页 |
| 3.1.1 预处理 | 第34-36页 |
| 3.1.2 耳间空间线索提取 | 第36-39页 |
| 3.2 基于GAMMATONE滤波器组的平滑 | 第39-43页 |
| 3.2.1 基于时频点分离的原理 | 第40-42页 |
| 3.2.2 子带平滑模块 | 第42-43页 |
| 3.3 基于逻辑回归函数的平滑 | 第43-46页 |
| 3.3.1 逻辑回归函数介绍 | 第43-44页 |
| 3.3.2 Sigmoid函数平滑 | 第44-46页 |
| 3.4 两种平滑模块的实验与仿真 | 第46-50页 |
| 3.4.1 仿真测试环境 | 第46页 |
| 3.4.2 算法性能对比 | 第46-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 基于子带的双耳分离算法 | 第52-76页 |
| 4.1 子带特征分析 | 第52-56页 |
| 4.1.1 听觉外周模型 | 第52-53页 |
| 4.1.2 子带特征提取 | 第53-54页 |
| 4.1.3 特征分布分析 | 第54-56页 |
| 4.2 基于概率密度估计的分离模型 | 第56-59页 |
| 4.2.1 核密度估计原理 | 第56-58页 |
| 4.2.2 训练样本的获取 | 第58-59页 |
| 4.2.3 基于核密度估计的分离模型 | 第59页 |
| 4.3 基于支持向量机的分离模型 | 第59-64页 |
| 4.3.1 支持向量机原理 | 第60-64页 |
| 4.3.2 语音分离模型 | 第64页 |
| 4.4 基于子带的语音分离算法的实验与分析 | 第64-75页 |
| 4.4.1 仿真环境配置 | 第64-65页 |
| 4.4.2 算法性能评估指标 | 第65页 |
| 4.4.3 基于核密度估计的分离模型 | 第65-70页 |
| 4.4.4 基于支持向量机的分离模型 | 第70-74页 |
| 4.4.5 两种分离模型分析 | 第74-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间参加的科研项目和完成的论文 | 第84页 |
