| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-15页 |
| ·语音增强的研究意义和背景 | 第10-11页 |
| ·语音增强技术的发展状况 | 第11页 |
| ·语音增强算法的分类 | 第11-12页 |
| ·论文主要研究工作 | 第12-14页 |
| ·章节安排 | 第14-15页 |
| 2 语音增强的概述 | 第15-22页 |
| ·引言 | 第15页 |
| ·噪声的类型及其特征 | 第15-16页 |
| ·语音及人耳感知特性 | 第16-17页 |
| ·语音信号的基本特征 | 第16-17页 |
| ·人耳的感知特性 | 第17页 |
| ·频域语音增强算法 | 第17-20页 |
| ·语音增强的性能评价标准 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 基于高斯语音模型的语音增强算法 | 第22-39页 |
| ·引言 | 第22页 |
| ·离散傅立叶变换 | 第22-23页 |
| ·离散余弦变换 | 第23-24页 |
| ·先验信噪比估计 DD 算法 | 第24-32页 |
| ·直接判决(DD)算法的概述 | 第24-26页 |
| ·改进的直接判决(DD)算法 | 第26-28页 |
| ·仿真实验及其分析 | 第28-32页 |
| ·先验信噪比估计两步噪声消除算法 | 第32-38页 |
| ·两步噪声消除算法的基本理论 | 第32-33页 |
| ·改进的两步噪声消除算法 | 第33-35页 |
| ·仿真实验及其分析 | 第35-38页 |
| ·小结 | 第38-39页 |
| 4 基于拉普拉斯模型的语音增强算法 | 第39-64页 |
| ·引言 | 第39页 |
| ·拉普拉斯语音增强算法 | 第39-41页 |
| ·模型因子估计误差对系统性能的影响 | 第41-42页 |
| ·改进拉普拉斯模型因子的语音增强算法 | 第42-50页 |
| ·改进模型因子的语音增强理论 | 第42-46页 |
| ·仿真实验及结果分析 | 第46-50页 |
| ·改进的最小值统计跟踪方法的语音增强算法 | 第50-63页 |
| ·最小值统计跟踪(MS)算法理论 | 第50-52页 |
| ·基于高斯语音模型算法的 MS 噪声估计算法(MS-G) | 第52-53页 |
| ·基于拉普拉斯语音模型算法的 MS 噪声估计算法(MS-L) | 第53-56页 |
| ·仿真实验及其分析 | 第56-63页 |
| ·小结 | 第63-64页 |
| 5 基于耦合语音模型的语音增强算法 | 第64-91页 |
| ·引言 | 第64页 |
| ·语音和噪声的分布状况 | 第64-68页 |
| ·耦合模型的语音增强算法 | 第68-76页 |
| ·DCT 域下高斯、拉普拉斯和 gamma 语音模型算法的基本理论 | 第68-69页 |
| ·耦合两种语音模型的算法 | 第69-72页 |
| ·仿真实验及其分析 | 第72-76页 |
| ·耦合高斯和拉普拉斯模型的软判决算法 | 第76-85页 |
| ·基于高斯模型的软判决算法 | 第76-77页 |
| ·基于拉普拉斯模型的软判决算法 | 第77-79页 |
| ·耦合高斯与拉普拉斯模型的软判决算法 | 第79-82页 |
| ·仿真实验及其分析 | 第82-85页 |
| ·耦合多参量的语音增强算法 | 第85-90页 |
| ·耦合多参量增强算法的基本理论 | 第85-87页 |
| ·仿真实验及其分析 | 第87-90页 |
| ·小结 | 第90-91页 |
| 6 总结与展望 | 第91-93页 |
| ·总结 | 第91页 |
| ·展望 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99-100页 |
| 附录 攻读硕士期间发表及录用的学术论文 | 第100-101页 |
