第一个书签之前
摘 要
ABSTRACT
第一章 绪 论
1.1 研究背景及意义
1.2 语音降噪技术国内外发展现状
1.3 研究目标与章节安排
第二章 带噪语音信号特征描述及分析
2.1 语音信号
2.1.1 语音信号的产生
2.1.2 语音信号的特性
2.2 噪声的特征及分类
2.2.1 激光器引起的噪声
2.2.2 湍流信道中的噪声
2.2.3 电噪声
2.2.4 含噪信号分析
2.3 语音降噪算法的性能评价
2.4 本章小结
第三章 常规带噪语音信号去噪方法设计及工作原理
3.1 经典滤波法
3.2 基于谱减法的语音降噪算法
3.3 基于卡尔曼滤波的语音降噪算法
3.4.1 小波变换
3.4.2 小波变换的特点
3.4.3 连续小波变换
3.4.4 离散小波变换
3.4.5 小波基的选取标准
3.5 小波变换的Mallat算法
3.5.1 小波分解算法
3.5.2 小波重构算法
3.5.3 滤波器之间的关系
3.6 本章小结
第四章 基于自适应小波的语音信号快速去噪方案设计及分析
4.1 去噪方案总体设计
4.2 WAV文件的格式及编码
4.2.1 WAV文件格式
4.2.2 WAV文件的编码
4.3.1 原理
4.3.2 小波降噪的传统算法
4.4.1 小波阈值降噪算法的原理和步骤
4.4.2 小波基的选取
4.4.3 小波分解层数的选取
4.4.4 阈值函数的选取
4.4.5 自适应阈值的计算
4.5.1 GPU通用计算
4.5.2 CPU与GPU
4.5.3 CUDA异构编程
4.5.4 CUDA的线程层次
4.5.5 CUDA流处理架构
4.6 本章小结
第五章 基于自适应小波的语音快速降噪实现与验证
5.1 基于CPU和GPU编程的开发环境的搭建
5.1.1 开发环境的基本介绍
5.1.2 CUDA的安装与配置
5.1.3 VS2010的配置
5.1.4 CUDA应用程序的调试方法
5.2.1 WAV文件读取写入模块设计
5.2.2 WAV文件解码模块设计
5.2.3 WAV文件编码模块设计
5.2.4 具体实现
5.3 小波变换的实现
5.3.1 获取滤波器组
5.3.2 小波变换的分解和重构
5.3.3 具体实现
5.4 GPU编程的实现
5.4.1 去噪算法的CUDA并行优化
5.4.2 具体实现
5.5 自适应阈值降噪的实现
5.5.1 阈值函数自适应系数的确定
5.5.2 自适应阈值的计算
5.5.3 具体实现
5.6.1 降噪性能测试
5.6.2 时间性能测试
5.7 本章小结
第六章 总结和展望
6.1 论文总结
6.2 后续展望
致 谢
参考文献