首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

基于稀疏表示和深度学习的单通道语音信号分离技术研究

摘要第4-5页
abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-18页
    1.1 课题研究背景和意义第10-11页
    1.2 国内外发展现状第11-13页
    1.3 盲源分离问题概述第13-15页
        1.3.1 盲源分离问题的基本框架第13页
        1.3.2 盲源分离问题分类第13-15页
    1.4 论文主要研究内容和章节安排第15-18页
        1.4.1 论文主要研究内容第15-16页
        1.4.2 论文章节安排第16-18页
第二章 基于稀疏表示的单通道盲源分离第18-30页
    2.1 稀疏表示理论第18-22页
        2.1.1 稀疏信号第18页
        2.1.2 稀疏表示第18-22页
    2.2 语音信号的预处理和分离质量评价第22-26页
        2.2.1 语音信号的预处理第22-24页
        2.2.2 语音分离质量评价第24-26页
    2.3 基于稀疏表示的单通道盲源分离问题研究第26-28页
    2.4 实验仿真分析第28-29页
    2.5 本章小结第29-30页
第三章 基于含公共子字典的联合字典的单通道盲源分离第30-42页
    3.1 引言第30-31页
    3.2 基于含公共子字典的联合字典的单通道盲源分离第31-37页
        3.2.1 含公共子字典的联合字典构建第31-34页
        3.2.2 基于含公共子字典的联合字典的单通道盲源分离算法描述第34-37页
    3.3 实验仿真分析第37-41页
    3.4 本章小结第41-42页
第四章 基于深度学习的单通道盲源分离算法研究第42-61页
    4.1 引言第42页
    4.2 深度学习第42-46页
        4.2.1 深度学习的发展历史第42-44页
        4.2.2 深度学习相关技术第44-46页
    4.3 深度神经网络第46-54页
        4.3.1 受限玻尔兹曼机-深度置信网络-深度神经网络模型第46-49页
        4.3.2 训练深度神经网络第49-53页
        4.3.3 深度神经网络的训练技巧第53-54页
    4.4 基于深度神经网络的语音分离模型第54-57页
    4.5 实验仿真分析第57-60页
    4.6 本章小结第60-61页
第五章 总结与展望第61-63页
    5.1 论文总结第61页
    5.2 进一步的研究工作第61-63页
参考文献第63-68页
附录1 攻读硕士学位期间撰写的论文第68-69页
附录2 攻读硕士学位期间申请的专利第69-70页
附录3 攻读硕士学位期间参加的科研项目第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:基于LabVIEW的心血管生理信号检测系统的设计与实现
下一篇:基于CO-OFDM的WDM系统四波混频噪声理论及仿真研究