声明
致谢
变量注释表
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 低信噪比环境下特征提取方法的研究现状
1.2.2 低信噪比环境下端点识别方法的研究现状
1.3 本文主要研究内容与章节安排
2 语音端点检测的基本理论
2.1.1 预滤波和采样
2.1.2 预加重
2.1.3 分帧与加窗
2.2 传统的语音特征提取方法
2.2.1 时域特征参数的提取
2.2.2 频域特征参数的提取
2.2.3 时频域特征参数的提取
2.3 语音端点识别方法
2.3.1 双门限法
2.3.2 人工神经网络法
2.4 本章小结
3 低SNR环境下基于谱熵梅尔积的语音特征提取
3.1 引言
3.2 基于谱熵的语音特征提取
3.2.1 谱熵的定义
3.2.2 谱熵特征提取
3.2.3 谱熵的缺点及原因探究
3.3 基于梅尔频率倒谱系数的语音特征提取
3.3.1 MFCC特征提取
3.3.2 MFCC缺点及原因探究
3.4 低 SNR环境下基于 PSEM 的语音特征提取
3.4.1 PSEM的提出
3.4.2 PSEM特征分析
3.5 本章小结
4 低SNR环境下基于Teager能量信息熵的语音特征提取
4.1 引言
4.2 基于 EMD-TEO 的语音特征提取
4.2.1 Teager能量算子
4.2.2 EMD分解
4.2.3 EMD-TEO特征提取
4.3 低 SNR 环境下基于 TEE 的语音特征提取
4.3.1 TEE的提出
4.3.2 TEE特征提取与分析
4.4 本章小结
5 低SNR环境下基于加权排列熵的语音特征提取
5.1 引言
5.2 基于排列熵的语音特征提取
5.2.1 排列熵的定义
5.2.2 排列熵特征提取
5.2.3 排列熵的缺点及原因
5.3 低 SNR 环境下基于 WPE 的语音特征提取
5.3.1 WPE的引入
5.3.2 WPE特征提取与分析
5.4 本章小结
6 基于FCMC和BIC的双门限法与实验验证
6.1 引言
6.2 基于 FCMC 和 BIC 的双门限法
6.2.1 模糊C均值聚类算法
6.2.2 贝叶斯信息准则
6.2.3 门限值估计与端点识别
6.3 语音端点检测实验验证与分析
6.3.1 实验设计
6.3.2 准确率结果与分析
6.4 本章小结
7 总结与展望
7.1 结论
7.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学;
中国矿业大学(江苏);