| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状及存在的问题 | 第13-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文的组织 | 第16-18页 |
| 第二章 语音增强的理论基础 | 第18-30页 |
| 2.1 信号特性 | 第18-19页 |
| 2.1.1 语音特性 | 第18页 |
| 2.1.2 噪声特性 | 第18-19页 |
| 2.2 信号模型 | 第19-23页 |
| 2.2.1 语音和噪声信号的先验分布 | 第20-21页 |
| 2.2.2 似然函数 | 第21-22页 |
| 2.2.3 含噪语音信号分布 | 第22页 |
| 2.2.4 语音信号的瑞利分布 | 第22-23页 |
| 2.3 语音质量评价方法 | 第23-27页 |
| 2.3.1 主观评价 | 第24-25页 |
| 2.3.2 客观评价 | 第25-27页 |
| 2.4 小结 | 第27-30页 |
| 第三章 基于短时域的语音增强和噪声估计算法 | 第30-42页 |
| 3.1 谱减法 | 第30-33页 |
| 3.1.1 谱减法的原理 | 第30-31页 |
| 3.1.2 谱减法的缺点 | 第31-33页 |
| 3.2 维纳滤波法 | 第33-34页 |
| 3.3 最小均方误差的短时谱幅度估计 | 第34-37页 |
| 3.4 最小统计的噪声估计 | 第37-38页 |
| 3.5 最小均方误差的噪声估计 | 第38-40页 |
| 3.6 小结 | 第40-42页 |
| 第四章 基于MMSE和BAYESIAN风险的噪声估计 | 第42-58页 |
| 4.1 噪声估计方法依据 | 第43-44页 |
| 4.1.1 统计模型 | 第43页 |
| 4.1.2 基于MMSE的噪声估计 | 第43-44页 |
| 4.2 基于MMSE和BAYESIAN风险的噪声估计 | 第44-49页 |
| 4.2.1 建立噪声估计模型 | 第44-46页 |
| 4.2.2 确定事件判别错误产生的风险 | 第46-47页 |
| 4.2.3 发生检测结果误判的概率 | 第47-49页 |
| 4.3 实验结果 | 第49-55页 |
| 4.3.1 跟踪延时 | 第49-51页 |
| 4.3.2 降噪性能 | 第51-55页 |
| 4.4 小结 | 第55-58页 |
| 第五章 基于超高斯信号模型和MAP的软决策语音增强 | 第58-76页 |
| 5.1 信号的超高斯先验分布 | 第58-59页 |
| 5.2 MAP的语音谱幅度估计 | 第59-61页 |
| 5.3 两种软决策状态 | 第61-62页 |
| 5.4 软决策状态的MAP语音幅度估计 | 第62-64页 |
| 5.5 实验结果 | 第64-74页 |
| 5.5.1 语音质量感知评价 | 第65-68页 |
| 5.5.2 语谱图 | 第68-73页 |
| 5.5.3 运行速度 | 第73-74页 |
| 5.6 小结 | 第74-76页 |
| 第六章 总结和展望 | 第76-78页 |
| 6.1 论文总结 | 第76-77页 |
| 6.2 下一步工作 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 附录A 攻读硕士期间参与项目 | 第86-87页 |
| 附录B 攻读硕士期间申请软件著作权 | 第87页 |
