| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与目标 | 第14-16页 |
| 1.3 本文主要工作及章节安排 | 第16-19页 |
| 第二章 VOIP系统中的VAD算法 | 第19-35页 |
| 2.1 VoIP系统组成及关键技术 | 第19-21页 |
| 2.1.1 VoIP系统的组成 | 第19-20页 |
| 2.1.2 VoIP系统中的回声消除及VAD技术 | 第20-21页 |
| 2.2 VoIP系统中的经典VAD算法 | 第21-27页 |
| 2.2.1 基于门限比较的VAD算法 | 第21-24页 |
| 2.2.2 基于模型匹配的VAD算法 | 第24-26页 |
| 2.2.3 VAD算法性能比较 | 第26-27页 |
| 2.3 VoIP系统中VAD算法的研究现状与趋势 | 第27-33页 |
| 2.3.1 基于多特征值的VAD算法 | 第27-28页 |
| 2.3.2 基于机器学习的VAD算法 | 第28-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于高斯混合模型和支持向量机的VAD算法 | 第35-61页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于高斯混合模型和支持向量机的VAD算法 | 第36-44页 |
| 3.2.1 系统模型 | 第36-37页 |
| 3.2.2 基于多类支持向量机的噪声分类算法 | 第37-41页 |
| 3.2.3 结合高斯混合模型和支持向量机的VAD算法 | 第41-44页 |
| 3.3 仿真及性能分析 | 第44-59页 |
| 3.3.1 语音及噪声样本库 | 第44-45页 |
| 3.3.2 仿真实验设置 | 第45-46页 |
| 3.3.3 仿真结果分析 | 第46-59页 |
| 3.4 本章小结 | 第59-61页 |
| 第四章 基于短时能量和相关性的多特征值VAD算法 | 第61-79页 |
| 4.1 引言 | 第61-62页 |
| 4.2 基于短时能量和相关性的多特征值VAD算法 | 第62-69页 |
| 4.2.1 系统模型 | 第62-63页 |
| 4.2.2 结合DTD和VAD的语音检测流程 | 第63-65页 |
| 4.2.3 基于短时能量和相关性的多特征值VAD算法 | 第65-69页 |
| 4.3 仿真及性能分析 | 第69-72页 |
| 4.3.1 仿真实验设置 | 第69页 |
| 4.3.2 仿真结果分析 | 第69-72页 |
| 4.4 实际测试及结果分析 | 第72-77页 |
| 4.4.1 测试环境与参数设置 | 第72-73页 |
| 4.4.2 测试结果分析 | 第73-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 结束语 | 第79-81页 |
| 5.1 论文工作总结 | 第79-80页 |
| 5.2 下一步工作 | 第80-81页 |
| 参考文献 | 第81-89页 |
| 附录 | 第89-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间发表的论文 | 第93页 |