| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 传统语音增强算法研究现状 | 第12-14页 |
| 1.2.2 基于机器学习的语音增强算法研究现状 | 第14-17页 |
| 1.3 研究目标 | 第17-18页 |
| 1.4 研究内容 | 第18页 |
| 1.5 论文结构 | 第18-19页 |
| 第2章 深度学习基础理论 | 第19-31页 |
| 2.1 人工神经网络概述 | 第19-23页 |
| 2.1.1 神经元 | 第19-21页 |
| 2.1.2 神经网络的连接方式 | 第21页 |
| 2.1.3 神经网络的学习及方式及规则 | 第21-23页 |
| 2.2 BP神经网络 | 第23-24页 |
| 2.3 深度学习概述 | 第24-25页 |
| 2.4 深度学习的网络模型结构 | 第25-30页 |
| 2.4.1 深度神经网络 | 第25-26页 |
| 2.4.2 深度置信网络 | 第26-27页 |
| 2.4.3 深度循环神经网络 | 第27-28页 |
| 2.4.4 堆栈自编码器 | 第28-29页 |
| 2.4.5 卷积神经网络 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 改进的语音特征参数-多分辨率听觉倒谱系数 | 第31-51页 |
| 3.1 基于深度学习的语音增强中常用的语音特征参数 | 第31-39页 |
| 3.2 多分辨率听觉倒谱系数 | 第39-46页 |
| 3.3 性能分析 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 深度神经网络语音增强模型构建 | 第51-57页 |
| 4.1 深度神经网络语音增强模型架构 | 第51页 |
| 4.2 深度神经网络的构建 | 第51-55页 |
| 4.2.1 深度神经网络结构 | 第51-53页 |
| 4.2.2 深度神经网络训练算法 | 第53-55页 |
| 4.3 深度神经网络泛化能力 | 第55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 基于DNN的语音增强算法 | 第57-75页 |
| 5.1 时频掩蔽 | 第57-58页 |
| 5.1.1 理想二值掩蔽 | 第57页 |
| 5.1.2 理想比值掩蔽 | 第57-58页 |
| 5.1.3 自适应掩蔽阈值 | 第58页 |
| 5.2 性能分析 | 第58-61页 |
| 5.3 基于DNN的语音增强算法 | 第61-63页 |
| 5.4 性能测试 | 第63-73页 |
| 5.4.1 实验数据说明 | 第63页 |
| 5.4.2 客观测试方法 | 第63-64页 |
| 5.4.3 主观测试方法 | 第64-65页 |
| 5.4.4 客观测试结果及分析 | 第65-69页 |
| 5.4.5 主观质量测试结果及分析 | 第69-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士期间发表的学术论文 | 第83页 |
| 攻读硕士期间获得的奖项 | 第83-85页 |
| 攻读硕士学位期间参加的科研项目 | 第85-87页 |
| 致谢 | 第87页 |