基于特征增强和数据增强的单声道信源分离算法研究

目录

声明

第一章 绪论

1.1研究背景

1.2课题研究现状

1.2.1基于浅层模型的分离方法概述

1.2.2基于深层模型的分离方法概述

1.2.3用于单声道信源分离的数据增强方法概述

1.3本文的主要研究内容

1.4本文的组织结构

第二章 信源分离和数据增强的基本原理和相关技术

2.1单声道信源分离的数学模型

2.2 信源分离的数据预处理和短时傅里叶变换

2.3 常见的语音输入特征

2.4 基于模型的信源分离技术

2.4.1浅层模型

2.4.2深层模型

2.5 分离的评价指标

2.6 数据增强技术

2.6.1 手动数据增强技术

2.6.2 基于深度神经网络的数据增强技术

第三章 用于单声道信源分离的特征增强模型

3.1 基于深度循环网络的分离模型的分析

3.2特征增强网络

3.2.1 特征提取模块

3.2.2 分离模块

3.3 时频掩蔽计算与特征增强网络的训练目标

3.3.1 时频掩蔽计算

3.3.2 特征增强网络的训练目标

3.4 实验设置和结果分析

3.4.1 数据集介绍

3.4.2 实验分离效果分析

3.4.3 实验计算性能分析

3.5 本章总结

第四章 用于单声道信源分离的数据增强模型

4.1 音频数据增强技术的分析

4.2 基于VAE-GAN的数据增强网络

4.2.1用于建模歌声和音乐的VAE

4.2.2 VAE的对抗性潜在空间

4.2.3混合损失函数

4.2.4 VAE-GAN数据增强算法的实现

4.3 实验设置和结果分析

4.3.1 数据集和评估指标

4.3.2 分离网络的架构设置

4.3.3 实验结果分析

4.4 本章总结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况

致 谢