基于压缩感知的语音信号建模技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 缩略语 | 第9-10页 |
| 第1章 绪论 | 第10-13页 |
| ·传统采样技术面临的挑战 | 第10页 |
| ·压缩感知技术 | 第10-11页 |
| ·本文结构与安排 | 第11-13页 |
| 第2章 CS 基本理论和语音信号CS 技术 | 第13-22页 |
| ·压缩感知基本理论 | 第13-16页 |
| ·信号的系数表示 | 第13-14页 |
| ·CS 观测模型 | 第14-15页 |
| ·CS 重构算法 | 第15-16页 |
| ·语音信号的CS 技术 | 第16-19页 |
| ·KLT 域上语音信号压缩感知理论 | 第17-18页 |
| ·近似自相关观测的语音信号压缩感知 | 第18-19页 |
| ·语音信号观测序列建模目的 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 时间序列建模方法分析 | 第22-32页 |
| ·时间序列与语音观测序列 | 第22-24页 |
| ·语音观测序列LPC 模型验证 | 第24-28页 |
| ·LPC 模型基本原理 | 第24-26页 |
| ·语音观测序列LPC 适用性验证 | 第26-28页 |
| ·语音观测序列非线性检测 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 语音观测序列非线性预测模型 | 第32-51页 |
| ·人工神经网络 | 第32-37页 |
| ·人工神经元模型 | 第32-34页 |
| ·人工神经网络的学习方式 | 第34-35页 |
| ·人工神经网络用于非线性建模 | 第35-37页 |
| ·BP 神经网络及其在时间序列预测上的应用 | 第37-42页 |
| ·BP 神经网络模型 | 第37-39页 |
| ·BP 神经网络设计的基本方法 | 第39-41页 |
| ·BP 神经网络在时间序列预测上的应用 | 第41-42页 |
| ·基于BP 神经网络的语音观测序列预测 | 第42-49页 |
| ·语音观测序列的BP 神经网络预测方法 | 第42-44页 |
| ·语音观测序列预测的实例BP 神经网络模型 | 第44-45页 |
| ·实验仿真及性能分析 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 量化噪声对预测模型的影响分析 | 第51-63页 |
| ·压缩感知观测序列样值的量化 | 第51-52页 |
| ·传统压缩感知中量化噪声对信号重构的影响 | 第52-56页 |
| ·均匀量化基本原理及噪声分析 | 第52-54页 |
| ·实验仿真及结果分析 | 第54-56页 |
| ·量化噪声对基于BP 预测模型的压缩感知的影响 | 第56-61页 |
| ·量化噪声引入BP 预测模型 | 第56-57页 |
| ·实验仿真及结果分析 | 第57-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 攻读硕士学位期间参与的科研项目 | 第71页 |
