基于DSP的语音信号盲源分离
| 1 绪论 | 第1-13页 |
| 1．1 引言 | 第9-10页 |
| 1．2 本文的主要研究工作 | 第10-13页 |
| 2 BSS的相关理论和最大熵法 | 第13-28页 |
| 2．1 BSS问题的数学描述 | 第13-16页 |
| 2．1．1 引言 | 第13-14页 |
| 2．1．2 BSS 的数学模型及其可解性 | 第14-16页 |
| 2．2 最大熵法 | 第16-24页 |
| 2．2．1 最大熵法的基本原理 | 第16-19页 |
| 2．2．2 一维最大熵算法的推导 | 第19-21页 |
| 2．2．3 高维最大熵算法的推导 | 第21-23页 |
| 2．2．4 自然梯度的引入 | 第23-24页 |
| 2．3 仿真实验 | 第24-27页 |
| 2．4 小结 | 第27-28页 |
| 3 硬件平台的选取及其特性描述 | 第28-42页 |
| 3．1 实时 DSP系统的构成 | 第28-33页 |
| 3．1．1 DSP子系统实现方法的选择 | 第28-30页 |
| 3．1．2 DSP嵌入式系统的选择 | 第30-33页 |
| 3．2 TMS320DM642EVM的音频接口 | 第33-35页 |
| 3．3 CCS开发环境 | 第35-41页 |
| 3．3．1 CCS的软件开发流程 | 第35-38页 |
| 3．3．2 CCS的相关特性 | 第38-41页 |
| 3．4 小结 | 第41-42页 |
| 4 实时语音信号盲源分离的实现 | 第42-59页 |
| 4．1 硬件结构和实验环境 | 第42-46页 |
| 4．1．1 两路语音信号的获取 | 第43-44页 |
| 4．1．2 实验环境的构建 | 第44-46页 |
| 4．2 编程语言的选择 | 第46-49页 |
| 4．3 软件结构 | 第49-54页 |
| 4．3．1 语音信号的输入输出 | 第49-51页 |
| 4．3．2 算法的嵌入及程序流程 | 第51-54页 |
| 4．4 实验与结果分析 | 第54-58页 |
| 4．4．1 实验步骤 | 第54-55页 |
| 4．4．2 实验结果 | 第55-58页 |
| 4．5 小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 作者在攻读硕士期间的研究成果 | 第65页 |
