语音信号欠定盲源分离技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·欠定盲源分离的研究背景及意义 | 第8-9页 |
| ·欠定盲源分离技术的研究现状 | 第9-10页 |
| ·本文的内容安排 | 第10-11页 |
| 2 基础知识和基本原理 | 第11-16页 |
| ·语音信号的特征 | 第11-12页 |
| ·时频分析 | 第12-13页 |
| ·信号的时频表示 | 第12页 |
| ·信号的短时傅里叶变换 | 第12页 |
| ·Wigner分布 | 第12-13页 |
| ·语音信号的传输模型 | 第13-14页 |
| ·语音的混合模型 | 第13-14页 |
| ·盲源分离系统模型 | 第14页 |
| ·算法性能评价 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 3 基于孤立点检测的盲辨识方法 | 第16-26页 |
| ·问题的提出 | 第16页 |
| ·传统的盲辨识方法 | 第16-19页 |
| ·K均值聚类算法 | 第16-17页 |
| ·势函数盲辨识方法 | 第17-19页 |
| ·基于孤立点检测的盲辨识方法 | 第19-25页 |
| ·孤立点检测 | 第19-21页 |
| ·低能量点去除 | 第21-23页 |
| ·仿真实验 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 4 基于语音信号稀疏性的欠定盲源分离方法 | 第26-35页 |
| ·问题的提出 | 第26页 |
| ·语音信号的概率模型 | 第26-28页 |
| ·高斯分布 | 第26-27页 |
| ·拉普拉斯分布 | 第27页 |
| ·广义高斯分布 | 第27-28页 |
| ·基于语音信号统计特性的盲源分离方法 | 第28-32页 |
| ·最小l~2范数方法 | 第29页 |
| ·最小l~1范数方法 | 第29-32页 |
| ·一种改进的方法 | 第32-34页 |
| ·问题的提出 | 第32页 |
| ·方法原理与实验结果 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 5 弱稀疏性条件下的盲分离技术 | 第35-44页 |
| ·问题的提出 | 第35页 |
| ·退化分离技术 | 第35-36页 |
| ·方法原理 | 第35-36页 |
| ·子空间方法 | 第36-40页 |
| ·子空间理论 | 第36页 |
| ·子空间欠定盲源分离解法 | 第36-39页 |
| ·讨论 | 第39-40页 |
| ·仿真实验 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-51页 |
