声明
摘要
常用数学符号
第一章 绪论
1.1 研究背景及意义
1.2 国内外发展现状
1.3 论文主要研究内容
1.4 论文章节安排
第二章 稀疏表示和字典学习
2.1 稀琉
2.2 稀疏表示
2.2.1 OMP
2.2.2 BP
2.2.3 LARC
2.3 字典学习
2.3.1 K-SVD
2.3.2 近似K-SVD
2.3.3 贪婪自适应字典
2.4 常用的语音信号变换
第三章 基于双层稀疏模型的欠定语音分离算法研究
3.1 引言
3.2 基于时频掩码的语音分离算法
3.2.1 DUET
3.2.2 基于语音谐波特性的DUET改进算法
3.2.3 允许信号重叠的DUET改进算法
3.3 基于语音稀疏表示的语音分离方法
3.4 基于SVD的混合矩阵估计算法
3.5 基于双层稀疏模型的语音分离算法
3.6 对比实验
3.6.1 实验准备
3.6.2 混合矩阵估计对比试验
3.6.3 语音分离对比实验
3.7 本章小结
第四章 基于区分性字典学习的单通道语音分离算法研究
4.1 引言
4.2 计算听觉场景分析
4.3 基于模型的方法
4.3.1 基于模型的方法综述
4.3.2 基于稀疏非负矩阵分解的单通道语音分离算法
4.3.3 基于稀疏复数矩阵分解的单通道语音分离算法
4.4 区分性字典学习
4.4.1 传统方法的缺点
4.4.2 区分性字典学习方法
4.4.3 基于区分性字典学习的单通道语音分离算法
4.5 对比实验
4.5.1 实验准备
4.5.2 收敛性、有效性验证和参数选取讨论
4.5.3 分离性能对比
4.6 分层字典学习
4.6.1 单层学习与多层学习
4.6.2 分层字典学习
4.6.3 实验仿真
4.7 本章小结
第五章 基于联合字典学习和信号-特征字典学习的语音降噪算法研究
5.1 引言
5.2 传统的语音降噪算法
5.2.1 谱减法
5.2.2 基于统计模型的方法
5.2.3 子空间方法
5.3 生成性字典学习
5.4 基于联合字典学习的语音降噪方法
5.4.1 联合字典学习
5.4.2 仿真实验
5.5 基于特征和信号字典学习的语音降噪算法
5.5.1 特征提取
5.5.2 信号-特征字典学习和语音降噪算法
5.5.3 仿真实验
5.6 本章小结
第六章 总结和展望
6.1 全文内容总结
6.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果