| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 论文研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文工作与内容安排 | 第13-14页 |
| 第二章 语音增强和语音质量评价标准 | 第14-29页 |
| 2.1 语音信号的数学模型 | 第14-15页 |
| 2.2 语音及噪声特性 | 第15-17页 |
| 2.2.1 语音特性 | 第15-16页 |
| 2.2.2 噪声特性 | 第16页 |
| 2.2.3 人耳感知特性 | 第16-17页 |
| 2.3 语音增强的基本方法 | 第17-25页 |
| 2.3.1 谱减法 | 第17-19页 |
| 2.3.2 维纳滤波法 | 第19-20页 |
| 2.3.3 最小均方误差估计 | 第20-21页 |
| 2.3.4 卡尔曼滤波法 | 第21-23页 |
| 2.3.5 基于小波变换的语音增强算法 | 第23-25页 |
| 2.4 语音增强性能评价标准 | 第25-27页 |
| 2.4.1 语音质量的主观评价标准 | 第25-26页 |
| 2.4.2 语音质量的客观评价标准 | 第26-27页 |
| 2.5 小结 | 第27-29页 |
| 第三章 基于统计模型的语音增强技术 | 第29-42页 |
| 3.1 基于模型的语音增强系统框架 | 第29-30页 |
| 3.2 隐马尔科夫模型（Hidden Markov Model，HMM） | 第30-32页 |
| 3.3 高斯混合模型（Gaussian Mixture Model，GMM） | 第32-38页 |
| 3.3.1 GMM模型的基本概念 | 第32-33页 |
| 3.3.2 EM算法原理 | 第33-35页 |
| 3.3.3 GMM模型的参数估计 | 第35-38页 |
| 3.4 带噪语音信号GMM模型计算 | 第38-41页 |
| 3.4.1 并行模型组合（PMC）方法 | 第38-40页 |
| 3.4.2 带噪语音信号GMM模型的计算 | 第40-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 基于GMM模型的多数据流的语音增强技术研究 | 第42-57页 |
| 4.1 基于PCS的GMM语音增强系统 | 第42-44页 |
| 4.2 语音信号的特征参数 | 第44-47页 |
| 4.2.1 LPCC提取 | 第44-45页 |
| 4.2.2 MFCC提取 | 第45-47页 |
| 4.3 多数据流技术 | 第47-50页 |
| 4.3.1 多数据流技术概述 | 第47-48页 |
| 4.3.2 非空气传导的语音特点 | 第48-49页 |
| 4.3.3 多数据流的GMM模型训练 | 第49页 |
| 4.3.4 多数据流增强系统的语音增强方法 | 第49-50页 |
| 4.4 实验仿真 | 第50-56页 |
| 4.4.1 实验环境设置 | 第50-51页 |
| 4.4.2 实验步骤 | 第51-52页 |
| 4.4.3 基于GMM的多数据流的语音增强方法性能评估 | 第52-56页 |
| 4.5 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 一、论文工作总结 | 第57页 |
| 二、下一步工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
