基于神经网络的多通道语音端点检测方法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要内容 | 第14-16页 |
| 第二章 语音信号基本理论和端点检测算法 | 第16-26页 |
| 2.1 语音的声学特征 | 第16页 |
| 2.2 语音信号预处理 | 第16-18页 |
| 2.2.1 语音的采样、量化和预加重 | 第16-17页 |
| 2.2.2 分帧和加窗 | 第17-18页 |
| 2.3 语音信号特征 | 第18-20页 |
| 2.3.1 语音短时能量 | 第18-19页 |
| 2.3.2 语音短时平均过零率 | 第19页 |
| 2.3.3 梅尔频率倒谱系数 | 第19-20页 |
| 2.4 噪声的特性 | 第20-21页 |
| 2.5 语音端点检测传统算法 | 第21-25页 |
| 2.5.1 双门限法 | 第21-22页 |
| 2.5.2 方差法 | 第22-24页 |
| 2.5.3 谱熵法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 单通道语音端点检测 | 第26-41页 |
| 3.1 神经网络 | 第26-30页 |
| 3.1.1 神经网络概述 | 第26-27页 |
| 3.1.2 激活函数 | 第27-29页 |
| 3.1.3 Keras深度学习框架 | 第29-30页 |
| 3.2 深度神经网络 | 第30-31页 |
| 3.2.1 模型概述 | 第30-31页 |
| 3.2.2 模型结构设置 | 第31页 |
| 3.3 卷积神经网络 | 第31-35页 |
| 3.3.1 模型概述 | 第32-34页 |
| 3.3.2 模型结构设置 | 第34-35页 |
| 3.4 实验数据及处理 | 第35-37页 |
| 3.4.1 实验数据 | 第35页 |
| 3.4.2 特征提取 | 第35-37页 |
| 3.4.3 数据预处理 | 第37页 |
| 3.5 实验评价标准 | 第37-38页 |
| 3.6 实验结果与分析 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 多通道语音端点检测 | 第41-51页 |
| 4.1 麦克风阵列 | 第41-44页 |
| 4.1.1 近场模型和远场模型 | 第41-42页 |
| 4.1.2 麦克风阵列拓扑结构 | 第42-43页 |
| 4.1.3 麦克风阵列设置 | 第43-44页 |
| 4.2 神经网络模型 | 第44-45页 |
| 4.3 实验数据及处理 | 第45-46页 |
| 4.3.1 实验数据 | 第45-46页 |
| 4.3.2 数据预处理 | 第46页 |
| 4.4 实验流程 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
