| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 语音增强的研究历史和现状 | 第11-14页 |
| 1.3 论文的研究内容和章节安排 | 第14-16页 |
| 第二章 语音增强基本理论 | 第16-32页 |
| 2.1 语音的产生机理及人耳感知 | 第16-20页 |
| 2.1.1 语音的产生机理 | 第16-17页 |
| 2.1.2 语音产生的数学模型 | 第17-18页 |
| 2.1.3 人耳的听觉感知 | 第18-20页 |
| 2.2 语音和噪声的特性及噪声分类 | 第20-22页 |
| 2.2.1 语音的特性 | 第20-21页 |
| 2.2.2 噪声的特性及其分类 | 第21-22页 |
| 2.3 语音信号的预处理技术 | 第22-25页 |
| 2.3.1 预加重 | 第22页 |
| 2.3.2 分帧加窗 | 第22-25页 |
| 2.4 语音增强的经典方法 | 第25-28页 |
| 2.5 语音增强的质量评估标准 | 第28-31页 |
| 2.5.1 主观评价方法 | 第28-29页 |
| 2.5.2 客观评价方法 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 语音端点检测算法研究 | 第32-45页 |
| 3.1 语音端点检测的意义及发展 | 第32-33页 |
| 3.2 语音端点检测的几种常用方法 | 第33-35页 |
| 3.2.1 基于能零比语音端点检测 | 第33-34页 |
| 3.2.2 基于能熵比语音端点检测 | 第34-35页 |
| 3.3 低信噪比下基于MFCC距离的自适应端点检测方法 | 第35-44页 |
| 3.3.1 多窗谱估计谱减法 | 第35-36页 |
| 3.3.2 MFCC的提取 | 第36-37页 |
| 3.3.3 MFCC倒谱距离的计算 | 第37页 |
| 3.3.4 MFCC倒谱距离自适应检测方法 | 第37-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于MFCC谱距离端点检测的改进语音增强方法 | 第45-54页 |
| 4.1 维纳滤波语音增强算法基本理论 | 第45-48页 |
| 4.1.1 维纳滤波基本原理 | 第45-47页 |
| 4.1.2 维纳滤波语音增强基本步骤 | 第47-48页 |
| 4.2 改进的维纳滤波语音增强算法 | 第48-49页 |
| 4.2.1 经典维纳滤波仿真及其分析 | 第48-49页 |
| 4.2.2 基于MFCC谱距离端点检测的维纳滤波语音增强 | 第49页 |
| 4.3 实验数据及分析 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于深度神经网络的语音增强 | 第54-71页 |
| 5.1 深度学习发展简史 | 第54-56页 |
| 5.2 深度神经网络基本理论 | 第56-64页 |
| 5.2.1 深度神经网络结构 | 第56-57页 |
| 5.2.2 深度神经网络训练 | 第57-58页 |
| 5.2.3 受限玻尔兹曼机 | 第58-61页 |
| 5.2.4 对比散度算法 | 第61-62页 |
| 5.2.5 BP算法 | 第62-64页 |
| 5.3 深度神经网络语音增强系统构建 | 第64-66页 |
| 5.4 深度神经网络语音增强实验 | 第66-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 论文总结 | 第71-72页 |
| 工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
