| 第一章 绪论 | 第1-27页 |
| 1．1 语音压缩编码技术概述 | 第12-20页 |
| 1．1．1 语音压缩编码的实质 | 第12-13页 |
| 1．1．2 话音编码系统的基本原理 | 第13-14页 |
| 1．1．3 语音编码技术及发展 | 第14-15页 |
| 1．1．4 极低速率语音编码技术 | 第15页 |
| 1．1．5 衡量语音编码性能的主要因素 | 第15-18页 |
| 1．1．6 语音编码标准比较 | 第18-20页 |
| 1．2 神经网络的发展及其在语音信号处理中的应用 | 第20-24页 |
| 1．2．1 人工神经网络的发展 | 第20-22页 |
| 1．2．2 人工神经网络在语音处理中的应用发展 | 第22-24页 |
| 1．3 本课题的研究背景及主要工作 | 第24-27页 |
| 第二章 理论基础 | 第27-44页 |
| 2．1 传统的线性预测滤波算法 | 第27-30页 |
| 2．1．1 自适应预测语音编码系统和线性预测 | 第27-28页 |
| 2．1．2 后向和前向自适应线性预测 | 第28-30页 |
| 2．2 语音编码中的矢量量化 | 第30-34页 |
| 2．2．1 矢量量化的发展 | 第30-31页 |
| 2．2．2 矢量量化的原理 | 第31-34页 |
| 2．3 BP神经网络算法原理及其在语音编码中的实际应用 | 第34-42页 |
| 2．3．1 BP网络介绍 | 第34-35页 |
| 2．3．2 BP神经网络算法研究 | 第35-39页 |
| 2．3．3 有关非线性时间序列预测的一些问题 | 第39-40页 |
| 2．3．4 基于 BP网络的信号预测模型 | 第40-41页 |
| 2．3．5 语音信号的相关性与非线性预测 | 第41-42页 |
| 2．4 分形学 | 第42-44页 |
| 2．4．1 分形学概述 | 第42页 |
| 2．4．2 分形学及其应用的发展 | 第42-44页 |
| 第三章 基于 BP神经网络的G．721语音编码系统 | 第44-58页 |
| 3．1 G．721标准算法 | 第44-49页 |
| 3．2 基于 BP神经网络的G．721语音编码模型 | 第49-50页 |
| 3．3 基于 BP神经网络的 G．721语音编码实验方案 | 第50-53页 |
| 3．3．1 时变系数 | 第50页 |
| 3．3．2 固定系数 | 第50-51页 |
| 3．3．3 固定微变系数 | 第51页 |
| 3．3．4 对 BP神经网络的使用 | 第51-53页 |
| 3．4 实验结果及讨论 | 第53-58页 |
| 3．4．1 时变系数方案实验结果 | 第53-56页 |
| 3．4．2 固定系数方案实验结果 | 第56页 |
| 3．4．3 固定微变系数方案 | 第56-57页 |
| 3．4．4 结果讨论 | 第57-58页 |
| 第四章 基于 BP神经网络的低延迟矢量激励语音编码系统 | 第58-71页 |
| 4．1 矢量激励语音编码算法原理 | 第58-59页 |
| 4．2 基于 BP神经网络的矢量激励语音编码原理 | 第59-60页 |
| 4．3 基于 BP神经网络的低延迟矢量激励语音编码实验方案 | 第60-68页 |
| 4．3．1 激励的选择 | 第60-61页 |
| 4．3．2 激励的离散化 | 第61页 |
| 4．3．3 码书搜索方案 | 第61-62页 |
| 4．3．4 单位变换非线性网络结构 | 第62页 |
| 4．3．5 码书空间尺寸的选择 | 第62-63页 |
| 4．3．6 子码书个数 | 第63-64页 |
| 4．3．7 对码书搜索算法的评价 | 第64-66页 |
| 4．3．8 对减少码书搜索算法复杂度的进一步研究 | 第66-68页 |
| 4．4 实验总结 | 第68-69页 |
| 4．5 本算法在 G．728中的应用 | 第69-71页 |
| 结束语 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 研究生期间发表的论文 | 第79页 |
