| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 注释表 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 鲁棒语音识别技术的发展与研究现状 | 第10-12页 |
| 1.2.1 语音识别技术的发展状况 | 第10-11页 |
| 1.2.2 鲁棒语音识别系统中语音增强技术的发展 | 第11-12页 |
| 1.3 论文主要创新点及结构安排 | 第12-13页 |
| 1.4 本文的章节安排 | 第13-15页 |
| 第2章 语音识别系统中的语音增强技术简介 | 第15-35页 |
| 2.1 语音识别系统概述 | 第15-25页 |
| 2.1.1 前端语音信号处理 | 第16-18页 |
| 2.1.2 声学模型及语言模型 | 第18-25页 |
| 2.1.3 解码器 | 第25页 |
| 2.2 用于语音识别系统中的语音增强算法 | 第25-30页 |
| 2.2.1 谱减法 | 第25-26页 |
| 2.2.2 维纳滤波法 | 第26-28页 |
| 2.2.3 基于深度学习的语音增强算法 | 第28-29页 |
| 2.2.4 基于统计模型的语音增强算法 | 第29-30页 |
| 2.2.5 其它语音增强算法 | 第30页 |
| 2.3 语音增强算法性能的评价方法 | 第30-34页 |
| 2.3.1 主观评价方法 | 第31页 |
| 2.3.2 客观评价方法 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于听觉感知改进的广义加权的贝叶斯估计器 | 第35-57页 |
| 3.1 传统的基于听觉感知的贝叶斯估计器 | 第35-41页 |
| 3.1.1 语音信号模型与噪声信号模型 | 第35-36页 |
| 3.1.2 噪声估计和先验信噪比估计 | 第36-39页 |
| 3.1.3 传统的基于听觉感知的贝叶斯估计器 | 第39-41页 |
| 3.2 Chi分布下改进的基于听觉感知广义加权的贝叶斯估计器 | 第41-45页 |
| 3.2.1 语音信号模型与噪声信号模型 | 第41页 |
| 3.2.2 Chi分布下改进基于听觉感知广义加权的贝叶斯估计器的推导 | 第41-45页 |
| 3.3 参数自适应改进的基于听觉感知广义加权的贝叶斯估计器 | 第45-52页 |
| 3.3.1 自适应的参数 β | 第48-51页 |
| 3.3.2 自适应的参数P | 第51-52页 |
| 3.4 仿真性能分析 | 第52-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 加入语音存在概率的贝叶斯估计器和混合信噪比估计 | 第57-64页 |
| 4.1 Chi分布下加入语音存在概率改进的贝叶斯估计器 | 第57-58页 |
| 4.2 改进的混合先验信噪比估计器 | 第58-60页 |
| 4.3 仿真性能分析 | 第60-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录A 公式推导中用到的积分函数 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第73页 |
