基于稀疏分量分析的欠定盲声源分离技术研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 简介 | 第10页 |
| 1.2 论文的研究背景和意义 | 第10-11页 |
| 1.3 研究现状及发展趋势 | 第11-13页 |
| 1.4 本文主要内容 | 第13-15页 |
| 第二章 盲声源分离基础理论 | 第15-26页 |
| 2.1 语音信号特性 | 第15-16页 |
| 2.2 语音信号短时分析技术 | 第16-19页 |
| 2.3 语音信号模型 | 第19-21页 |
| 2.4 语音信号稀疏特性分析 | 第21-24页 |
| 2.4.1 语音信号稀疏性 | 第21-23页 |
| 2.4.2 语音信号稀疏模型及分离假设条件 | 第23-24页 |
| 2.4.3 语音信号的W-正交分离特性 | 第24页 |
| 2.5 双通道接收器语音信号时延特性 | 第24-25页 |
| 2.6 盲声源分离的评价标准 | 第25页 |
| 2.7 本章总结 | 第25-26页 |
| 第三章 欠定盲声源分离算法 | 第26-34页 |
| 3.1 线性混合分离先验条件 | 第26-27页 |
| 3.2 混合矩阵估计方法 | 第27-31页 |
| 3.2.1 K-均值聚类算法 | 第29页 |
| 3.2.2 势函数聚类方法 | 第29-30页 |
| 3.2.3 模糊K-均值聚类 | 第30-31页 |
| 3.3 源信号重建方法 | 第31-33页 |
| 3.3.1 最短路径法 | 第33页 |
| 3.3.2 压缩感知重构算法 | 第33页 |
| 3.4 本章总结 | 第33-34页 |
| 第四章 稀疏性增强及混合矩阵估计 | 第34-56页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于共轭特性的单源点筛选方法 | 第35-40页 |
| 4.2.1 单源点筛选方法 | 第35-39页 |
| 4.2.2 仿真结果及分析 | 第39-40页 |
| 4.3 基于单源主导区域方差极小化的单源点筛选 | 第40-47页 |
| 4.3.1 单源点筛选方法 | 第40-43页 |
| 4.3.2 算法存在问题及改进方案 | 第43-44页 |
| 4.3.3 仿真结果分析 | 第44-47页 |
| 4.4 混合矩阵估计 | 第47-54页 |
| 4.4.1 混合矩阵估计算法 | 第47-49页 |
| 4.4.2 混合矩阵的仿真结果及分析 | 第49-54页 |
| 4.5 其他混合矩阵估计方法 | 第54-55页 |
| 4.6 本章总结 | 第55-56页 |
| 第五章 源信号的重建 | 第56-69页 |
| 5.1 引言 | 第56页 |
| 5.2 最短路径法重建源信号 | 第56-58页 |
| 5.3 时频掩蔽方法重建源信号 | 第58-59页 |
| 5.3.1 二值时频掩蔽分离源信号 | 第58页 |
| 5.3.2 隶属度时频掩蔽 | 第58-59页 |
| 5.4 结合算法 | 第59页 |
| 5.5 压缩感知重构算法 | 第59-61页 |
| 5.6 仿真结果及其分析 | 第61-68页 |
| 5.7 总结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
