| 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 |
