| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 语音增强的研究背景及意义 | 第8-9页 |
| 1.2 语音增强的发展历史与研究现状 | 第9-11页 |
| 1.3 论文研究的主要内容 | 第11-12页 |
| 1.4 论文章节安排 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 语音增强方法与性能评估的概述 | 第13-29页 |
| 2.1 语音信号及噪声信号的特征 | 第13-15页 |
| 2.1.1 语音信号的特征 | 第13-14页 |
| 2.1.2 噪声信号的特征 | 第14页 |
| 2.1.3 人类对声音的感知性 | 第14-15页 |
| 2.2 噪声估计的方法 | 第15-17页 |
| 2.2.1 平稳噪声估计 | 第15-16页 |
| 2.2.2 非平稳噪声估计 | 第16-17页 |
| 2.3 语音增强方法 | 第17-24页 |
| 2.3.1 谱减方法 | 第17-19页 |
| 2.3.2 维纳滤波的语音增强方法 | 第19-21页 |
| 2.3.3 子空间的语音增强方法 | 第21-22页 |
| 2.3.4 基于最大似然以及MMSE的语音增强方法 | 第22-24页 |
| 2.3.5 CLSMD的语音增强方法 | 第24页 |
| 2.4 语音增强方法的评判标准 | 第24-28页 |
| 2.4.1 语音增强的主观评判标准 | 第25-26页 |
| 2.4.2 语音增强的客观评判标准 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 生成对抗网络的概述 | 第29-36页 |
| 3.1 卷积神经网络 | 第29-32页 |
| 3.1.1 神经网络的概念 | 第29-30页 |
| 3.1.2 卷积神经网络的基本含义 | 第30-32页 |
| 3.2 生成对抗网络的概念 | 第32-33页 |
| 3.3 生成式对抗网络的模型 | 第33-35页 |
| 3.4 生成对抗网络的研究及应用状况 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于最小二乘GAN的语音增强方法 | 第36-55页 |
| 4.1 生成对抗网络语音增强概念 | 第36-37页 |
| 4.2 最小二乘GAN的语音增强数学模型及其改进 | 第37-38页 |
| 4.2.1 最小二乘GAN的语音增强数学模型 | 第37页 |
| 4.2.2 最小二乘GAN的语音增强改进型的数学模型 | 第37-38页 |
| 4.3 最小二乘GAN的语音增强算法 | 第38-39页 |
| 4.4 仿真实验与结果分析 | 第39-54页 |
| 4.4.1 最小二乘GAN的语音增强的仿真结果 | 第40-42页 |
| 4.4.2 系数ρ对最小二乘GAN的语音增强方法结果的影响 | 第42-43页 |
| 4.4.3 最小二乘GAN的语音增强与传统的语音增强方法比较 | 第43-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于频域最小二乘GAN的语音增强方法 | 第55-67页 |
| 5.1 频域GAN语音增强的概念 | 第55页 |
| 5.2 频域最小二乘GAN语音增强的数学模型 | 第55-56页 |
| 5.3 频域最小二乘GAN语音增强的算法框图 | 第56-57页 |
| 5.4 仿真实验与结果分析 | 第57-63页 |
| 5.4.1 频域最小二乘GAN的语音增强的仿真结果 | 第57-60页 |
| 5.4.2 其它噪声环境下的仿真结果 | 第60-63页 |
| 5.5 时域和频域最小二乘GAN语音增强方法比较 | 第63-65页 |
| 5.5.1 训练数据集的比较 | 第63页 |
| 5.5.2 时间的比较 | 第63-64页 |
| 5.5.3 语音增强效果的比较 | 第64-65页 |
| 5.6 频域最小二乘GAN的语音增强与传统的语音增强方法比较 | 第65-66页 |
| 5.7 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 今后研究工作的展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士期间参与的科研项目和发表的论文 | 第74-75页 |
| 致谢 | 第75-76页 |
