| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 语音增强的研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第二章 语音增强算法的概述 | 第17-31页 |
| 2.1 语音增强的基础知识 | 第17-21页 |
| 2.1.1 听力特性 | 第17页 |
| 2.1.2 声学与心理声学 | 第17-19页 |
| 2.1.3 掩蔽效应 | 第19页 |
| 2.1.4 临界频带 | 第19-21页 |
| 2.2 语音增强常用算法 | 第21-30页 |
| 2.2.1 最小均方误差的谱估计方法 | 第21-22页 |
| 2.2.2 谱减法 | 第22-25页 |
| 2.2.3 信号子空间法 | 第25-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于VAD的语音增强算法 | 第31-48页 |
| 3.1 语音生成模型 | 第31-35页 |
| 3.2 语音信号的VAD检测 | 第35-41页 |
| 3.2.1 基于Gamma分布的VAD检测算法 | 第35-37页 |
| 3.2.2 基于Rayleigh分布的VAD检测算法 | 第37-40页 |
| 3.2.3 结合Gamma与Rayleigh分布的VAD检测算法 | 第40-41页 |
| 3.3 混有高斯噪声的语言信号的Kalman滤波算法 | 第41-46页 |
| 3.3.1 白噪声卡尔曼滤波算法 | 第42-43页 |
| 3.3.2 有色噪声卡尔曼滤波 | 第43-46页 |
| 3.4 基于VAD的语言增强算法仿真效果 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于高阶累积量的语音增强算法 | 第48-69页 |
| 4.1 高阶累积量 | 第48-54页 |
| 4.1.1 高阶矩与高阶累积量 | 第48-51页 |
| 4.1.2 高斯过程的高阶矩与高阶累积量 | 第51-53页 |
| 4.1.3 高阶累积量的性质 | 第53-54页 |
| 4.2 语音模型参数估计常用方法 | 第54-56页 |
| 4.2.1 期望最大化算法 | 第54-55页 |
| 4.2.2 自相关函数法 | 第55-56页 |
| 4.3 基于高阶累积量的参数估计 | 第56-61页 |
| 4.3.1 方程常用求解算法 | 第57-59页 |
| 4.3.2 共轭梯度求解算法 | 第59-61页 |
| 4.4 AR模型参数估计结果对比 | 第61-63页 |
| 4.5 语音增强仿真效果 | 第63-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 系统平台结构的设计与实现 | 第69-78页 |
| 5.1 硬件结构的总体设计 | 第69-70页 |
| 5.2 子模块与器件选型 | 第70-74页 |
| 5.2.1 DSP处理模块 | 第70-73页 |
| 5.2.2 音频采集模块 | 第73-74页 |
| 5.3 平台软件设计 | 第74-76页 |
| 5.4 语音增强效果测试 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间取得的成果 | 第85-86页 |
