基于RBF网络的语音增强研究
中文摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
第一章 绪论 | 第8-11页 |
·语音增强概述 | 第8-10页 |
·语音增强的意义 | 第8页 |
·语音增强的应用 | 第8-9页 |
·语音增强技术的历史和发展 | 第9-10页 |
·论文的结构安排 | 第10页 |
·论文创新点 | 第10-11页 |
第二章 语音增强基础 | 第11-18页 |
·语音处理的研究方法 | 第11页 |
·语音和噪声特性 | 第11-13页 |
·语音特性 | 第11-12页 |
·噪声特性 | 第12-13页 |
·传统语音增强方法简述 | 第13-16页 |
·谱减法 | 第13-15页 |
·FIR维纳滤波器方法 | 第15页 |
·基于隐马尔可夫模型的语音增强 | 第15-16页 |
·神经网络在语音增强处理中的应用 | 第16-18页 |
·神经网络用于语音信号处理 | 第16页 |
·神经网络语音增强处理 | 第16-18页 |
第三章 RBF神经网络 | 第18-24页 |
·人工神经网络 | 第18-19页 |
·神经元算法 | 第18页 |
·网络训练方法 | 第18-19页 |
·神经网络的特点 | 第19页 |
·神经网络模型 | 第19页 |
·RBF网络 | 第19-22页 |
·RBF网络结构 | 第19-20页 |
·RBF函数的学习过程 | 第20-22页 |
·RBF网络的训练过程 | 第22页 |
·神经网络工具箱 | 第22-23页 |
·RBF网络的神经网络工具箱 | 第22-23页 |
·神经网络创建函数 | 第23页 |
·小结 | 第23-24页 |
第四章 时域增强处理 | 第24-38页 |
·概述 | 第24-25页 |
·读取声音文件 | 第25-27页 |
·语音端点检测 | 第27-29页 |
·短时平均能量 | 第27-28页 |
·短时过零率分析 | 第28-29页 |
·双门限法端点检测 | 第29页 |
·重新采样 | 第29-30页 |
·预处理 | 第30-31页 |
·分帧 | 第30-31页 |
·加窗 | 第31页 |
·RBF网络训练 | 第31-34页 |
·前期准备 | 第31页 |
·RBF网络的设计 | 第31-32页 |
·训练RBF网络 | 第32-33页 |
·网络测试与输出 | 第33-34页 |
·重建语音 | 第34-35页 |
·重新排序 | 第34页 |
·上采样 | 第34-35页 |
·形成.wav声音文件 | 第35页 |
·增强效果评估 | 第35-37页 |
·概述 | 第35-36页 |
·信噪比 | 第36-37页 |
·与BP网络相比较 | 第37页 |
·小结 | 第37-38页 |
第五章 频域增强处理 | 第38-62页 |
·概述 | 第38-39页 |
·预处理 | 第39-41页 |
·预加重 | 第40页 |
·分帧加窗 | 第40-41页 |
·短时傅里叶变换 | 第41-42页 |
·语谱图 | 第42-44页 |
·提取共振峰 | 第44-46页 |
·共振峰 | 第44-45页 |
·共振峰参数的提取 | 第45-46页 |
·线性预测 | 第46-49页 |
·线性预测分析的基本原理 | 第46-48页 |
·线性预测方程组的解法 | 第48-49页 |
·RBF网络增强处理 | 第49-52页 |
·建立RBF网络 | 第49页 |
·处理LPC系数 | 第49-50页 |
·处理共振峰参数 | 第50-51页 |
·散布常数对RBF网络的影响 | 第51-52页 |
·过学习 | 第51页 |
·欠学习 | 第51-52页 |
·修正频谱包络 | 第52-55页 |
·谱包络估计 | 第52-53页 |
·修正频谱包络 | 第53-55页 |
·重建语音 | 第55-58页 |
·频谱包络恢复时域信号 | 第55页 |
·重叠相加 | 第55-56页 |
·去加重和上采样 | 第56-58页 |
·语音质量评价 | 第58-61页 |
·主观评价方法 | 第58页 |
·Mel频率倒谱失真度法 | 第58-61页 |
·综述 | 第58-59页 |
·Mel频率倒谱系数及其失真测度 | 第59-60页 |
·增强效果评价 | 第60-61页 |
·小结 | 第61-62页 |
第六章 总结与展望 | 第62-64页 |
·总结 | 第62页 |
·展望 | 第62-64页 |
参考文献 | 第64-67页 |
发表论文和参加科研情况 | 第67-68页 |
发表的论文: | 第67页 |
参加的科研项目: | 第67-68页 |
致谢 | 第68页 |