| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 说话人分割机制的研究背景和研究意义 | 第10页 |
| 1.2 说话人分割机制的历史发展 | 第10-12页 |
| 1.3 说话人分割机制中存在的问题 | 第12页 |
| 1.4 论文的主要研究内容及研究成果 | 第12-13页 |
| 1.5 论文的组织结构 | 第13-14页 |
| 第二章 说话人分割机制相关理论 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 特征提取 | 第14-17页 |
| 2.2.1 梅尔频率倒谱系数 | 第14页 |
| 2.2.2 均方根能量 | 第14-15页 |
| 2.2.3 谐波特性 | 第15-16页 |
| 2.2.4 线性预测残差能量 | 第16页 |
| 2.2.5 谱平稳度 | 第16页 |
| 2.2.6 谱流量 | 第16-17页 |
| 2.3 距离计算 | 第17-18页 |
| 2.4 说话人分割机制的性能评价 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 第三章 基础性说话人分割机制的原理与架构 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 基础性说话人分割机制的原理与架构 | 第20-25页 |
| 3.2.1 静音检测 | 第21-22页 |
| 3.2.2 预分割 | 第22-23页 |
| 3.2.3 说话人模型更新 | 第23-24页 |
| 3.2.4 潜在切换点确认 | 第24-25页 |
| 3.3 实验结果及分析 | 第25-26页 |
| 3.3.1 实验配置 | 第25页 |
| 3.3.2 实验结果与分析 | 第25-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第四章 说话人分割中的语音检测机制 | 第28-46页 |
| 4.1 引言 | 第28-29页 |
| 4.2 语音非语音检测 | 第29-42页 |
| 4.2.1 基于DNN的语音非语音检测系统 | 第29-32页 |
| 4.2.2 基于Combo的语音非语音检测系统 | 第32-34页 |
| 4.2.3 基于系统融合的两步判决语音非语音检测系统 | 第34-36页 |
| 4.2.4 实验结果与分析 | 第36-42页 |
| 4.3 基于GBDT的重叠语音检测系统 | 第42-43页 |
| 4.4 语音检测机制在说话人分割中的实验结果及分析 | 第43-44页 |
| 4.4.1 实验配置 | 第43页 |
| 4.4.2 实验结果与分析 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 说话人分割中的语音增强机制 | 第46-58页 |
| 5.1 引言 | 第46-47页 |
| 5.2 常用的基于深度学习的单声道语音增强算法 | 第47-49页 |
| 5.2.1 基于语音幅度谱估计的语音增强算法 | 第47-48页 |
| 5.2.2 基于时频掩蔽估计的语音增强算法 | 第48-49页 |
| 5.3 基于FFT-Mask估计的LSTM语音增强系统 | 第49-55页 |
| 5.3.1 基本原理 | 第50页 |
| 5.3.2 特征提取 | 第50-51页 |
| 5.3.3 网络结构和训练 | 第51页 |
| 5.3.4 音频重建 | 第51-52页 |
| 5.3.5 实验结果与分析 | 第52-55页 |
| 5.4 语音增强机制在说话人分割中的实验结果及分析 | 第55-57页 |
| 5.4.1 实验配置 | 第55页 |
| 5.4.2 实验结果与分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文工作总结 | 第58页 |
| 6.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表或已录用的学术论文 | 第66页 |
