深度学习在语音增强技术中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9页 |
| 1.3 语音增强算法概述 | 第9-14页 |
| 1.3.1 谱减法 | 第10-11页 |
| 1.3.2 维纳滤波算法 | 第11-12页 |
| 1.3.3 自适应滤波算法 | 第12-13页 |
| 1.3.4 小波变换算法 | 第13页 |
| 1.3.5 其他算法 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 第二章 语音增强技术理论 | 第16-27页 |
| 2.1 语音增强的定义 | 第16页 |
| 2.2 语音信号特性 | 第16-17页 |
| 2.3 噪声的分类 | 第17-18页 |
| 2.4 语音信号预处理 | 第18-20页 |
| 2.4.1 预加重 | 第18页 |
| 2.4.2 分帧加窗 | 第18-20页 |
| 2.5 声学特征 | 第20-23页 |
| 2.5.1 特征分类 | 第20页 |
| 2.5.2 特征提取 | 第20-23页 |
| 2.6 语音质量评价 | 第23-25页 |
| 2.6.1 主观评价 | 第23-24页 |
| 2.6.2 客观评价 | 第24-25页 |
| 2.7 本章总结 | 第25-27页 |
| 第三章 深度学习基础理论 | 第27-40页 |
| 3.1 人工神经网络简介 | 第27页 |
| 3.2 BP神经网络 | 第27-30页 |
| 3.2.1 BP网络结构 | 第27-28页 |
| 3.2.2 BP网络训练过程 | 第28-29页 |
| 3.2.3 BP网络算法 | 第29-30页 |
| 3.3 深度神经网络概述 | 第30-31页 |
| 3.3.1 深度神经网络简介 | 第30-31页 |
| 3.3.2 浅层网络和深层网络 | 第31页 |
| 3.4 深度神经网络模型 | 第31-36页 |
| 3.4.1 卷积神经网络 | 第31-33页 |
| 3.4.2 深度信念网络 | 第33-35页 |
| 3.4.3 堆栈自编码 | 第35-36页 |
| 3.5 数据库选取 | 第36-38页 |
| 3.5.1 语音数据库 | 第37页 |
| 3.5.2 噪声数据库 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于深度神经网络的语音增强 | 第40-49页 |
| 4.1 深度神经网络语音增强增框架 | 第40页 |
| 4.2 数据预处理 | 第40-44页 |
| 4.2.1 数据集建立 | 第40-42页 |
| 4.2.2 特征提取 | 第42-44页 |
| 4.3 网络参数设置 | 第44页 |
| 4.4 网络选取和结构设计 | 第44-45页 |
| 4.5 Dropout | 第45-46页 |
| 4.6 实验仿真 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 谱减法结合深度学习的语音增强 | 第49-55页 |
| 5.1 深度神经网语音增强框架 | 第49页 |
| 5.2 数据预处理 | 第49-50页 |
| 5.3 网络选取和结构设计 | 第50-51页 |
| 5.4 实验仿真 | 第51-54页 |
| 5.5 本章总结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
