| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 课题的研究背景、目的和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 欠定混合信号盲分离的研究现状 | 第15-16页 |
| 1.2.2 基于非负矩阵分解盲分离的研究现状 | 第16-17页 |
| 1.3 语音信号盲分离技术的应用 | 第17页 |
| 1.4 本文主要研究内容 | 第17-20页 |
| 第2章 信号盲分离的基本理论和主要算法 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 信号盲分离的基本理论 | 第20-31页 |
| 2.2.1 信号盲分离数学模型 | 第20-22页 |
| 2.2.2 假设条件及一般研究方法 | 第22-23页 |
| 2.2.3 数据预处理 | 第23-28页 |
| 2.2.4 稀疏信号在欠定盲分离中的应用 | 第28-31页 |
| 2.3 非负矩阵分解 | 第31-35页 |
| 2.3.1 非负矩阵分解模型 | 第32-34页 |
| 2.3.2 约束准则 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于稀疏性的NMF单通道语音盲分离算法 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 语音信号处理的基本理论 | 第36-39页 |
| 3.2.1 语音特性 | 第36-37页 |
| 3.2.2 语音信号的时频域表示 | 第37-39页 |
| 3.3 时频域单通道混合语音信号模型 | 第39-40页 |
| 3.4 基于SNMF的单通道语音盲分离算法 | 第40-47页 |
| 3.4.1 基于SNMF的单通道语音盲分离算法 | 第40-41页 |
| 3.4.2 仿真实验及结果分析 | 第41-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于负熵的KL-SNMF的欠定语音盲分离算法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 改进的SNMF算法 | 第48-49页 |
| 4.3 基于负熵的FastICA算法 | 第49-54页 |
| 4.3.1 ICA算法模型 | 第49-50页 |
| 4.3.2 基于峭度的FastICA算法 | 第50-52页 |
| 4.3.3 基于负熵的FastICA算法 | 第52-54页 |
| 4.4 基于SNMF和负熵的改进FastICA算法 | 第54-60页 |
| 4.4.1 算法步骤 | 第54-55页 |
| 4.4.2 仿真实验及结果分析 | 第55-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 基于EM-KL-SCNMF的欠定语音盲分离算法 | 第62-72页 |
| 5.1 引言 | 第62页 |
| 5.2 欠定卷积混合语音信号盲分离模型 | 第62-63页 |
| 5.3 EM算法 | 第63-65页 |
| 5.4 CNMF算法基本原理 | 第65-66页 |
| 5.5 基于EM-KL-SCNMF的欠定语音盲分离算法 | 第66-70页 |
| 5.5.1 基于EM-KL-SCNMF的欠定语音盲分离算法 | 第66-67页 |
| 5.5.2 实验仿真及结果分析 | 第67-70页 |
| 5.6 本章小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72页 |
| 6.2 不足与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士期间发表的论文 | 第78-80页 |
| 致谢 | 第80页 |
