声明
摘要
1 绪论
1.1 语音增强研究背景
1.2 语音增强概述
1.2.1 语音增强的目的及意义
1.2.2 语音增强的发展历史及现状
1.3 语音增强的效果评价方法
1.3.1 主观评价
1.3.2 客观评价方法
1.4 本文的主要工作及结构安排
2 语音增强的基础与方法
2.1 语音、人耳及噪声特性
2.1.1 语音具有的特性
2.1.2 人耳感知
2.1.3 噪声具有的特性
2.2 单通道语音增强算法
2.2.1 谱减法
2.2.2 小波变换法
2.2.3 维纳滤波法
2.2.4 其它的增强方法
2.3 多通道语音增强方法
2.3.1 麦克风阵列
2.3.2 多通道语音增强模型
2.3.3 多通道语音增强方法
2.4 基于MATLAB的语音信号仿真分析
2.5 本章小结
3 基于MMSE-LSA的语音增强算法的研究
3.1 MMSE-LSA增强算法的基本原理
3.2 先验信噪比与后验信噪比
3.2.1 最大似然估计
3.2.2 直接决策(DD,decision-directed)估计方法
3.2.3 因果(causal)估计
3.3 先验信噪比估计方法改进
3.3.1 算法实现
3.4 算法流程图
3.5 实验结果及分析
3.6 小结
4 子空间的语音增强算法概述
4.1 信号子空间算法的基础
4.1.1 子空间定义
4.1.2 投影矩阵
4.2 建立空间模型
4.2.1 纯净信号模型
4.2.2 干扰(噪声)信号模型
4.2.3 混合语音(带噪)信号模型
4.3 基于奇异特征值分解(SVD)的语音增强算法
4.3.1 基于SVD的最优估计
4.3.2 噪声为非自噪声环境算法的改进
4.4 基于特征值分解(EVD)算法
4.4.2 频域约束估计器(SDC)
4.4.3 SVD与EVD的关系
4.5 非白噪声环境下的算法改进
4.5.1 传统自适应KL子空间语音增强算法
4.5.2 基于广义特征值分解(GEVD)方法
4.6 小结
5 改进的基于信号子空间的多通道语音增强算法
5.1 算法改进
5.1.2 基于GEVD的迭代估计
5.2 算法实现
5.3 算法仿真与结果分析
5.4 小结
6 总结与展望
致谢
参考文献
攻读硕士学位期间已发表或录用的论文