| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 语音增强技术发展历史与现状 | 第12-14页 |
| 1.2.1 空气传导（AC）语音增强技术 | 第12-13页 |
| 1.2.2 非空气传导（NAC）语音增强技术 | 第13-14页 |
| 1.3 主要工作和内容安排 | 第14-16页 |
| 第二章 语音增强 | 第16-38页 |
| 2.1 语音、噪声及人耳感知特性 | 第16-19页 |
| 2.1.1 语音信号特性及其分类 | 第16-18页 |
| 2.1.2 噪声信号特性及其分类 | 第18页 |
| 2.1.3 人耳感知特性 | 第18-19页 |
| 2.2 语音生成数学模型 | 第19-20页 |
| 2.3 信号预处理 | 第20-21页 |
| 2.3.1 数字化 | 第20-21页 |
| 2.3.2 预加重、加窗与分帧 | 第21页 |
| 2.4 麦克风语音增强方法 | 第21-31页 |
| 2.4.1 谱减法 | 第22-23页 |
| 2.4.2 MMSE-STSA估计器 | 第23-25页 |
| 2.4.3 维纳滤波法 | 第25-26页 |
| 2.4.4 卡尔曼滤波法 | 第26-28页 |
| 2.4.5 小波阈值去噪 | 第28-30页 |
| 2.4.6 基于子空间的语音增强算法 | 第30-31页 |
| 2.5 非空气传导传感器语音 | 第31-35页 |
| 2.5.1 非空气传导(NAC)传感器语音特点 | 第31页 |
| 2.5.2 非空气传导传感器语音的改善 | 第31-33页 |
| 2.5.3 NAC语音和AC语音的融合使用 | 第33-35页 |
| 2.6 语音质量评价方法 | 第35-37页 |
| 2.6.1 主观评价方法 | 第35-36页 |
| 2.6.2 客观评价方法 | 第36-37页 |
| 2.7 本章小结 | 第37-38页 |
| 第三章 基于模型的自适应双数据流语音增强方法 | 第38-73页 |
| 3.1 基于模型的语音增强方法 | 第38-39页 |
| 3.2 基于PCS的单数据流模型语音增强 | 第39-44页 |
| 3.2.1 先验模型 | 第40-41页 |
| 3.2.2 带噪语音模型 | 第41-43页 |
| 3.2.3 滤波增强 | 第43-44页 |
| 3.3 自适应双数据流GMM语音增强 | 第44-55页 |
| 3.3.1 梅尔倒谱特征MFCC | 第45-47页 |
| 3.3.2 高斯混合模型GMM训练 | 第47-50页 |
| 3.3.3 双数据流先验模型 | 第50-51页 |
| 3.3.4 计算双数据流带噪语音模型参数 | 第51-52页 |
| 3.3.5 自适应双数据流模型MMSE滤波 | 第52-55页 |
| 3.4 算法仿真分析 | 第55-71页 |
| 3.4.1 非基于模型的麦克风语音增强方法仿真分析 | 第56-57页 |
| 3.4.2 单数据流GMM语音增强方法仿真分析 | 第57-58页 |
| 3.4.3 双数据流GMM语音增强方法仿真分析 | 第58-71页 |
| 3.5 本章小结 | 第71-73页 |
| 第四章 基于语音转换和融合的二次增强方法 | 第73-86页 |
| 4.1 基于模型的语音转换框架 | 第74-75页 |
| 4.2 本文语音转换方法 | 第75-77页 |
| 4.3 自适应语音融合 | 第77-79页 |
| 4.4 仿真分析 | 第79-84页 |
| 4.4.1 语音转换效果分析 | 第79-82页 |
| 4.4.2 语音融合效果分析 | 第82-84页 |
| 4.5 本章小结 | 第84-86页 |
| 第五章 结束语 | 第86-89页 |
| 5.1 本文工作总结 | 第86-87页 |
| 5.2 下一步工作展望 | 第87-89页 |
| 参考文献 | 第89-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96-97页 |
| 致谢 | 第97-99页 |
| 附件 | 第99页 |