首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

基于自回归深度神经网络的单通道语音分离方法研究

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第15-25页
    1.1 研究背景第15页
    1.2 语音分离第15-18页
        1.2.1 语音分离的定义第15-16页
        1.2.2 语音分离任务的分类第16-18页
        1.2.3 语音分离的研究意义第18页
    1.3 单通道语音分离方法的发展历史和研究概况第18-22页
        1.3.1 本论文使用的评价指标第21-22页
    1.4 本论文的主要内容和创新点第22-23页
    1.5 本论文的组织结构第23-25页
第2章 单通道语音分离方法综述第25-55页
    2.1 单通道语音分离任务的信号模型第25-26页
    2.2 传统单通道语音分离方法第26-39页
        2.2.1 时域方法第26页
        2.2.2 频域方法第26-30页
        2.2.3 计算听觉场景分析第30-35页
        2.2.4 非负矩阵分解第35-37页
        2.2.5 因子式隐马尔可夫模型第37-39页
    2.3 基于深度学习的单通道语音分离方法第39-54页
        2.3.1 深度神经网络第39-43页
        2.3.2 回归深层神经网络第43-48页
        2.3.3 深度聚类第48-51页
        2.3.4 排列不变训练第51-54页
    2.4 本章总结第54-55页
第3章 基于自回归深度深度神经网络的语音增强方法第55-73页
    3.1 基于自回归深度神经网络的语音分离第55-56页
    3.2 针对语音增强任务的解决方案第56-63页
        3.2.1 网络结构第57-59页
        3.2.2 训练算法第59-63页
    3.3 实验第63-71页
        3.3.1 实验设置第63-64页
        3.3.2 实验结果和分析第64-71页
    3.4 本章总结第71-73页
第4章 基于自回归深度神经网络的说话人无关多说话人语音分离方法第73-93页
    4.1 说话人无关的多说话人语音分离第73-74页
    4.2 针对说话人无关的多说话人语音分离任务的解决方案第74-81页
        4.2.1 网络结构第76-79页
        4.2.2 训练算法第79-81页
    4.3 实验第81-90页
        4.3.1 实验设置第81-82页
        4.3.2 实验结果与分析第82-90页
    4.4 本章总结第90-93页
第5章 基于自回归深度神经网络的语音分离方法改进第93-111页
    5.1 说话人无关的多说话人语音分离任务的进一步分析第93-96页
    5.2 波形域端到端建模第96-101页
        5.2.1 波形稀疏编码第97-99页
        5.2.2 网络结构改进第99-101页
    5.3 说话人信息辅助训练第101-103页
    5.4 实验第103-106页
        5.4.1 实验设置第103-104页
        5.4.2 实验结果与分析第104-106页
    5.5 本章总结第106-111页
第6章 总结第111-113页
    6.1 本文的主要贡献与创新点第111-112页
    6.2 后续的研究工作第112-113页
参考文献第113-123页
致谢第123-125页
在读期间发表的学术论文与取得的研究成果第125页

论文共125页,点击 下载论文
上一篇:基于合作通信的物理层安全方法研究
下一篇:基于物联网的物理隔离隐蔽信道研究