| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 压缩感知理论的研究动态 | 第11-13页 |
| 1.3 语音压缩感知的应用与发展 | 第13-14页 |
| 1.4 本文的主要工作及结构安排 | 第14-16页 |
| 第二章 压缩感知理论 | 第16-33页 |
| 2.1 引言 | 第16页 |
| 2.2 压缩感知基本理论 | 第16-21页 |
| 2.2.1 稀疏表示 | 第18-19页 |
| 2.2.2 观测矩阵 | 第19页 |
| 2.2.3 信号重构 | 第19-21页 |
| 2.3 压缩感知在语音信号处理中的应用 | 第21-28页 |
| 2.3.1 语音信号的稀疏性 | 第21-24页 |
| 2.3.2 观测矩阵的选取 | 第24-27页 |
| 2.3.3 重构算法 | 第27-28页 |
| 2.4 含噪语音压缩感知 | 第28-31页 |
| 2.4.1 噪声对稀疏性的影响 | 第29页 |
| 2.4.2 观测矩阵性能 | 第29-30页 |
| 2.4.3 重构性能 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 一种基于改进的K-SVD算法的语音消噪方法 | 第33-44页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于过完备字典的稀疏表示 | 第34-35页 |
| 3.3 基于过完备字典的信号去噪 | 第35-36页 |
| 3.4 K-SVD算法 | 第36-37页 |
| 3.5 基于快速迭代收缩阈值算法的K-SVD字典学习 | 第37-40页 |
| 3.5.1 稀疏编码 | 第37-39页 |
| 3.5.2 字典更新 | 第39-40页 |
| 3.6 实验设计与结果分析 | 第40-44页 |
| 3.6.1 实验一数据合成实验 | 第40-41页 |
| 3.6.2 实验二语音信号消噪实例 | 第41-44页 |
| 第四章 最优投影矩阵和字典学习的联合设计方法 | 第44-54页 |
| 4.1 测量矩阵的构造要求和分类 | 第44-48页 |
| 4.1.1 随机性测量矩阵的构造 | 第45-46页 |
| 4.1.2 确定性测量矩阵的构造 | 第46-48页 |
| 4.2 最优投影矩阵和字典学习的联合设计方法 | 第48-52页 |
| 4.2.1 最优投影设计方法 | 第48-50页 |
| 4.2.2 字典学习方法 | 第50-52页 |
| 4.3 仿真实验 | 第52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54页 |
| 5.2 未来研究方向展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |