文摘
英文文摘
声明
第一章绪论
1.1研究背景
1.2语音降噪的研究现状
1.3车内语音降噪的应用领域及前景
1.4论文结构
第二章语音识别技术及常用降噪算法分析
2.1语音识别技术
2.1.1语音识别技术的发展与现状
2.1.2语音识别技术的原理
2.1.3语音识别技术中降噪的重要性
2.2基于单通道输入的语音降噪算法
2.2.1谱减法
2.2.2谐波增强法
2.2.3基于语音生成模型的算法
2.2.4基于小波变换的语音降噪算法
2.2.5信号子空间的语音降噪算法
2.3基于多通道输入的语音降噪算法
2.3.1自适应噪声对消法
2.3.2阵列信号处理方法
2.4基于人工神经网络算法的语音降噪研究
2.4.1人工神经网络在车内语音降噪中的应用特点
2.4.2 RBF神经网络的结构与训练算法
2.4.3 RBF网络与BP网络在非线性逼近上的实验分析
2.4.4在语音降噪领域中神经网络的具体应用
2.5小结
第三章基于神经网络的时域降噪研究
3.1时域降噪概述
3.2读取声音文件
3.3语音端点检测
3.3.1短时平均能量
3.3.2短时过零率分析
3.3.3本文采用的端点检测方法
3.4预处理
3.4.1分帧
3.4.2加窗
3.5 RBF网络训练
3.5.1前期准备
3.5.2 RBF网络的设计
3.5.3训练RBF网络
3.5.4网络测试与输出
3.6重建语音
3.7形成.wav声音文件
3.8降噪效果评估
3.8.1信噪比评价
3.8.2与BP网络相比较
3.9小结
第四章基于神经网络的变换域降噪研究
4.1变换域降噪概述
4.2预处理
4.2.1预加重
4.2.2分帧加窗
4.3短时傅里叶变换
4.4语谱图
4.5提取共振峰
4.5.1共振峰
4.5.2共振峰参数的提取
4.6.LPC、LPCC与△LPCC系数
4.6.1 LPC系数
4.6.2 LPCC系数
4.6.3△LPCC参数
4.7 RBF网络降噪处理过程
4.7.1建立RBF网络
4.7.2处理LPC与△LPCC
4.7.3处理共振峰参数
4.8语音的重建
4.8.1修正频谱包络
4.8.2频谱包络恢复时域信号
4.8.3时域叠加
4.8.4去加重与重建.wav文件
4.9变换域降噪效果分析
4.9.1时域波形
4.9.2语谱图
4.9.3信噪比
4.10小结
第五章语音降噪的DSP实现
5.1 DSP概述
5.2 DSP实现的硬件平台
5.2.1 TMS320C54X介绍
5.2.2 TMS320VC5416开发环境
5.2.3系统硬件结构
5.3系统软件的设计
5.3.1程序设计流程
5.3.2主程序设计
5.3.3 TLV320AIC23配置
5.4小结
第六章总结与展望
参考文献
研究生期间发表的论文
致谢