结合EEMD与K-SVD的语音增强算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 语音增强的发展历史及现状 | 第10-11页 |
| 1.3 论文结构安排 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 第2章 传统语音增强算法概述 | 第12-22页 |
| 2.1 语音增强的基本概念 | 第12-14页 |
| 2.1.1 噪声 | 第12-14页 |
| 2.1.2 人耳对语音的听觉特性 | 第14页 |
| 2.2 传统语音增强算法概述 | 第14-21页 |
| 2.2.1 谱减法 | 第14-17页 |
| 2.2.2 维纳滤波法 | 第17-18页 |
| 2.2.3 小波变换方法 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 集总经验模态分解理论 | 第22-25页 |
| 3.1 经验模态分解理论 | 第22-23页 |
| 3.2 EEMD分解方法 | 第23-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第4章 压缩感知理论 | 第25-32页 |
| 4.1 压缩感知基本理论 | 第25-27页 |
| 4.1.1 理论背景 | 第25-26页 |
| 4.1.2 理论概述 | 第26-27页 |
| 4.2 压缩感知理论基本内容 | 第27-31页 |
| 4.3 本章小结 | 第31-32页 |
| 第5章 EEMD与K-SVD结合的语音增强算法 | 第32-43页 |
| 5.1 算法提出的背景 | 第32页 |
| 5.2 算法的基本框架 | 第32-33页 |
| 5.3 基于EEMD算法的预降噪 | 第33-35页 |
| 5.3.1 EEMD分解 | 第33-34页 |
| 5.3.2 相关性分析 | 第34-35页 |
| 5.3.3 过渡模态分量的处理 | 第35页 |
| 5.4 基于K-SVD字典训练算法的语音增强 | 第35-38页 |
| 5.4.1 过完备字典的构造 | 第35-37页 |
| 5.4.2 语音信号的过完备稀疏表示 | 第37页 |
| 5.4.3 语音信号的重建 | 第37-38页 |
| 5.5 实验结果与分析 | 第38-42页 |
| 5.6 本章小结 | 第42-43页 |
| 第6章 重构算法的改进 | 第43-48页 |
| 6.1 传统SAMP算法概述 | 第43页 |
| 6.2 DTSAMP算法 | 第43-45页 |
| 6.3 实验结果与分析 | 第45-47页 |
| 6.4 本章小结 | 第47-48页 |
| 第7章 语音质量评价体系 | 第48-56页 |
| 7.1 语音质量评价 | 第48-52页 |
| 7.1.1 客观评价方法 | 第49-50页 |
| 7.1.2 主观评价方法 | 第50-52页 |
| 7.2 语音质量评价 | 第52-55页 |
| 7.2.1 客观评价 | 第52-54页 |
| 7.2.2 主观评价 | 第54-55页 |
| 7.3 本章小结 | 第55-56页 |
| 第8章 总结与展望 | 第56-58页 |
| 8.1 论文工作总结 | 第56页 |
| 8.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
