摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
常用数学符号 | 第10-14页 |
第一章 绪论 | 第14-26页 |
1.1 研究背景及意义 | 第14-17页 |
1.2 国内外发展现状 | 第17-22页 |
1.3 论文主要研究内容 | 第22-23页 |
1.4 论文章节安排 | 第23-26页 |
第二章 语音增强相关知识 | 第26-58页 |
2.1 单通道语音降噪模型和方法 | 第26-36页 |
2.1.1 信号模型 | 第26页 |
2.1.2 谱减法 | 第26-29页 |
2.1.3 统计模型类算法 | 第29-33页 |
2.1.4 子空间方法 | 第33-36页 |
2.2 单通道语音解混响和降噪模型和方法 | 第36-43页 |
2.2.0 信号模型 | 第36-37页 |
2.2.1 逆滤波解混响和降噪 | 第37页 |
2.2.2 复倒谱滤波的单通道语音解混响 | 第37-39页 |
2.2.3 抑制后期混响和干扰噪声的谱减法 | 第39-43页 |
2.3 字典学习和稀疏表示 | 第43-53页 |
2.3.1 稀疏表示算法 | 第45-48页 |
2.3.2 字典学习算法 | 第48-52页 |
2.3.3 信号表示域 | 第52-53页 |
2.4 语音主客观评价标准 | 第53-58页 |
2.4.1 主观评价标准 | 第53-54页 |
2.4.2 客观评价标准 | 第54-58页 |
第三章 基于区分性字典学习的单通道语音降噪 | 第58-76页 |
3.1 引言 | 第58-59页 |
3.2 有监督条件下的单通道语音降噪 | 第59-67页 |
3.2.1 基于训练学习类模型的方法综述 | 第60-64页 |
3.2.2 基于生成式字典学习的单通道语音降噪 | 第64-66页 |
3.2.3 基于稀疏非负矩阵分解的单通道语音降噪 | 第66-67页 |
3.3 基于区分性字典学习的单通道语音降噪 | 第67-71页 |
3.3.1 新的约束代价函数 | 第68-69页 |
3.3.2 新代价函数下的字典训练学习 | 第69-70页 |
3.3.3 带噪语音信号的增强 | 第70-71页 |
3.4 对比实验 | 第71-75页 |
3.4.1 实验准备 | 第71-72页 |
3.4.2 权重参数的讨论 | 第72-73页 |
3.4.3 算法语音降噪性能对比 | 第73-75页 |
3.5 本章小结 | 第75-76页 |
第四章 基于联合特征字典学习的单通道语音降噪 | 第76-92页 |
4.1 引言 | 第76-77页 |
4.2 系统框架和掩码特征 | 第77-78页 |
4.3 基于RMJDL框架的单通道语音降噪 | 第78-81页 |
4.3.1 联合字典学习训练信号和掩码字典 | 第78-79页 |
4.3.2 联合稀疏表示估计稀疏系数矩阵 | 第79-80页 |
4.3.3 设计软掩码滤波器增强语音信号 | 第80-81页 |
4.4 对比实验 | 第81-90页 |
4.4.1 实验准备 | 第81-83页 |
4.4.2 算法收敛性和有效性验证 | 第83-85页 |
4.4.3 所提算法中一些重要参数选取讨论 | 第85-87页 |
4.4.4 算法语音降噪性能对比 | 第87-90页 |
4.5 本章小结 | 第90-92页 |
第五章 基于非负矩阵分解的单通道语音解混响和降噪 | 第92-106页 |
5.1 引言 | 第92页 |
5.2 有监督条件下的单通道解混响和降噪 | 第92-96页 |
5.2.1 基于非负矩阵分解的单通道解混响 | 第92-94页 |
5.2.2 基于训练学习模型的单通道语音解混响和降噪 | 第94-96页 |
5.3 本文所提单通道解混响和降噪算法 | 第96-100页 |
5.3.1 基于非负矩阵分解的单通道解混响和降噪 | 第96-97页 |
5.3.2 本文所提基于稀疏表示的两步序贯处理模型 | 第97-100页 |
5.3.3 融合算法进行后处理增强 | 第100页 |
5.4 对比实验 | 第100-105页 |
5.4.1 实验准备 | 第100-102页 |
5.4.2 算法语音解混响和降噪性能对比 | 第102-105页 |
5.5 本章小结 | 第105-106页 |
第六章 总结和展望 | 第106-110页 |
6.1 全文内容总结 | 第106-108页 |
6.2 研究展望 | 第108-110页 |
参考文献 | 第110-122页 |
致谢 | 第122-124页 |
在读期间发表的学术论文与取得的其他研究成果 | 第124页 |