| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 缩略语表 | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 CS 理论的发展背景 | 第12-14页 |
| 1.2 CS 技术在语音领域的发展 | 第14页 |
| 1.3 课题来源及意义 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文的结构安排 | 第16-18页 |
| 第二章 压缩感知理论及其在语音领域的应用 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 传统的采样压缩技术和 CS 基本理论 | 第18页 |
| 2.3 CS 技术中的研究热点 | 第18-22页 |
| 2.3.1 信号的稀疏表示 | 第19-20页 |
| 2.3.2 观测矩阵的设计 | 第20-21页 |
| 2.3.3 信号重构算法 | 第21-22页 |
| 2.4 CS 在语音信号处理中的应用 | 第22-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 语音压缩感知观测矩阵与传统建模方法的研究 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 语音信号的观测矩阵对观测序列建模的影响 | 第29-34页 |
| 3.2.1 观测矩阵的种类 | 第29-31页 |
| 3.2.2 观测矩阵对观测序列建模的影响 | 第31-34页 |
| 3.3 时间序列建模分析 | 第34-43页 |
| 3.3.1 LPC 模型 | 第35-39页 |
| 3.3.2 正弦模型 | 第39-41页 |
| 3.3.3 多项式曲线拟合建模 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 语音的 CS 观测序列的正弦字典建模研究 | 第44-63页 |
| 4.1 引言 | 第44-45页 |
| 4.2 信号的稀疏分解 | 第45页 |
| 4.3 信号的基展开 | 第45-48页 |
| 4.3.1 傅里叶变换 FT | 第46页 |
| 4.3.2 短时傅里叶变换 STFT | 第46-47页 |
| 4.3.3 小波变换 WT | 第47页 |
| 4.3.4 基展开的不足 | 第47-48页 |
| 4.4 信号基于冗余字典的稀疏分解 | 第48-51页 |
| 4.4.1 冗余字典简介 | 第48-49页 |
| 4.4.2 字典原子的构成 | 第49-50页 |
| 4.4.3 稀疏分解算法 | 第50-51页 |
| 4.5 匹配追踪类算法 | 第51-54页 |
| 4.5.1 MP 算法的原理 | 第51-52页 |
| 4.5.2 MP 算法的不足和改进：OMP 算法 | 第52-54页 |
| 4.6 基于 OMP 算法的语音信号的 CS 观测序列正弦字典建模 | 第54-62页 |
| 4.6.1 加入建模后整个语音的 CS 处理框架 | 第54页 |
| 4.6.2 正弦冗余字典的构造 | 第54-56页 |
| 4.6.3 基于 OMP 算法正弦字典建模算法描述 | 第56-57页 |
| 4.6.4 实验仿真分析 | 第57-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 基于 MP 类算法的正弦字典建模法的抗噪性能 | 第63-72页 |
| 5.1 噪声的分类 | 第63-64页 |
| 5.2 加性噪声的抑制 | 第64-65页 |
| 5.3 语音的 CS 处理在不同观测矩阵下的噪声问题 | 第65-67页 |
| 5.4 关于基于 MP 类算法的正弦字典建模方法的降噪能力的实验验证 | 第67-70页 |
| 5.5 基于 MP 类算法的正弦字典建模的抗噪原理 | 第70-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第78-79页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第79-80页 |
| 致谢 | 第80页 |
