经验模态分解在单通道语音盲分离中的应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.2 单通道盲源分离研究及现状 | 第12-13页 |
| 1.3 本文研究内容及文章结构 | 第13-15页 |
| 第2章 盲源分离理论概述 | 第15-26页 |
| 2.1 语音信号特征分析 | 第15-17页 |
| 2.1.1 语音的声学特征 | 第15-16页 |
| 2.1.2 语谱图 | 第16-17页 |
| 2.2 盲源分离概念及数学模型 | 第17-18页 |
| 2.3 独立成分分析算法介绍 | 第18-22页 |
| 2.3.1 ICA的原理与数学模型 | 第18-20页 |
| 2.3.2 ICA的基本方法 | 第20页 |
| 2.3.3 ICA的目标函数 | 第20-22页 |
| 2.4 非负矩阵算法介绍 | 第22-24页 |
| 2.4.1 NMF算法原理描述 | 第23页 |
| 3.4.2 NMF算法实现过程分析 | 第23-24页 |
| 2.5 分离算法性能衡量标准 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 经验模态分解的基本理论 | 第26-36页 |
| 3.1 EMD分解理论依据 | 第26页 |
| 3.2 EMD基本概念 | 第26-28页 |
| 3.2.1 瞬时频率 | 第26-27页 |
| 3.2.2 固有模态分量 | 第27-28页 |
| 3.3 EMD分解基本原理及实现过程 | 第28-31页 |
| 3.3.1 EMD分解步骤 | 第28页 |
| 3.3.2 EMD分解的筛选停止准则 | 第28-30页 |
| 3.3.3 EMD正交性与完备性分析 | 第30-31页 |
| 3.4 语音信号的EMD分析 | 第31-32页 |
| 3.5 基于EMD语音信号降噪 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于EEMD与NMF的单通道语音盲分离 | 第36-50页 |
| 4.1 EMD单通道盲源分离实现 | 第36-37页 |
| 4.2 集合经验模态分解原理 | 第37-39页 |
| 4.3 非负矩阵分解算法语音分离实现 | 第39-41页 |
| 4.3.1 板仓-斋藤的非负矩阵分解 | 第39-40页 |
| 4.3.2 NMF算法语音分离实现 | 第40-41页 |
| 4.4 K_means聚类 | 第41-42页 |
| 4.5 基于EEMD和NMF算法语音分离 | 第42-44页 |
| 4.6 仿真实验及分析 | 第44-48页 |
| 4.7 本章小结 | 第48-50页 |
| 第5章 基于EEMD和ICA的单通道语音盲分离 | 第50-59页 |
| 5.1 基于EEMD和ICA算法模型 | 第50-54页 |
| 5.1.1 FastICA算法 | 第50-51页 |
| 5.1.2 混合信号预处理 | 第51-52页 |
| 5.1.3 IMF分量主成分分析重构 | 第52-53页 |
| 5.1.4 算法流程 | 第53-54页 |
| 5.2 仿真实验及分析 | 第54-57页 |
| 5.3 本章小结 | 第57-59页 |
| 总结与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
