| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-10页 |
| 1．1 课题的理论意义和应用价值 | 第7页 |
| 1．2 国内外研究概况及存在的问题 | 第7-9页 |
| 1．3 本文所做的工作 | 第9-10页 |
| 2 语音信号处理基础 | 第10-23页 |
| 2．1 语音信号产生模型 | 第10-11页 |
| 2．1．1 语音产生机理 | 第10页 |
| 2．1．2 语音信号产生的数字模型 | 第10-11页 |
| 2．2 语音信号的主要特性 | 第11-12页 |
| 2．3 麦克风阵列信号模型 | 第12-14页 |
| 2．3．1 想声学模型 | 第13-14页 |
| 2．3．2 实际的声学模型 | 第14页 |
| 2．4 语音短时分析技术 | 第14-15页 |
| 2．5 噪声与噪声场 | 第15-18页 |
| 2．5．1 噪声 | 第15-16页 |
| 2．5．2 噪声场 | 第16-18页 |
| 2．6 人耳语音感知特性 | 第18-19页 |
| 2．6．1 响度 | 第18页 |
| 2．6．2 音调 | 第18页 |
| 2．6．3 掩蔽效应 | 第18-19页 |
| 2．7 语音增强效果评价方法 | 第19-23页 |
| 2．7．1 语音质量的主观评价方法 | 第19-20页 |
| 2．7．2 语音质量的客观评价方法 | 第20-22页 |
| 2．7．3 消噪性能 | 第22-23页 |
| 3 广义旁瓣抵消算法及其改进形式 | 第23-34页 |
| 3．1 基本的广义旁瓣抵消算法 | 第23-26页 |
| 3．2 广义旁瓣抵消算法的改进形式 | 第26-33页 |
| 3．2．1 小波域自适应特征值分解时延估计方法 | 第26-29页 |
| 3．2．2 基于盲源分离和波束形成的语音增强 | 第29-33页 |
| 3．3 小结 | 第33-34页 |
| 4 基于盲源分离的语音增强方法 | 第34-52页 |
| 4．1 盲源分离概述 | 第34页 |
| 4．2 盲源分离常用算法 | 第34-42页 |
| 4．2．1 基于非高斯性最大化准则 | 第35-36页 |
| 4．2．2 极大似然估计方法 | 第36-37页 |
| 4．2．3 基于互信息最小化的方法 | 第37-38页 |
| 4．2．4 应用盲源分离进行语音增强的示例 | 第38-42页 |
| 4．3 扩展盲源分离算法及其在语音增强算法中的应用 | 第42-50页 |
| 4．3．1 过完全表示 | 第43-44页 |
| 4．3．2 基于条件统计量的极大后验算法 | 第44-47页 |
| 4．3．3 基于参数估计的EM算法 | 第47-50页 |
| 4．4 小结 | 第50-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
| 大连理工大学学位论文版权使用授权书 | 第59页 |