基于深度学习联合优化和特征融合的单通道语音分离技术研究

目录

声明

专用术语注释表

第一章 绪论

1.1 研究背景及意义

1.2 语音分离的研究发展与现状

1.3 论文研究内容与结构安排

1.3.1 论文研究内容

1.3.2 论文结构安排

第二章 单通道语音分离技术基本理论

2.1 语音分离的模型与单通道分离技术

2.1.1 语音分离的模型

2.1.2 单通道语音分离方法

2.2 神经网络的基础理论

2.2.1 深度神经网络

2.2.2 卷积神经网络

2.2.3 循环神经网络

2.3 基于深度学习的单通道语音分离

2.3.1 基于深度学习的单通道语音分离系统模型

2.3.2 语音分离的声学特征

2.3.3 语音分离的预测目标

2.4 语音分离质量评价标准

2.4.1 主观评价指标

2.4.2 客观评价指标

2.5 本章小结

第三章 基于整合优化 DNN 的单通道语音分离联合约束算法

3.1 引言

3.2 基于整合优化 DNN 和联合约束的单通道语音分离模型

3.2.1 单通道语音分离模型的DNN 设计

3.2.2 改进的联合约束损失函数

3.2.3 整合优化器

3.2.4 基于整合优化 DNN 和联合约束的单通道语音分离算法

3.3 实验和结果分析

3.3.1 实验环境以及数据生成设置

3.3.2 网络的超参数设置分析

3.3.3 与传统算法的对比实验

3.4 本章小结

第四章 基于 CNN 特征融合的单通道语音分离联合约束算法

4.1 引言

4.2 卷积神经网络理论基础

4.3 具有融合功能的CNN结构

4.3.1 输入特征和CNN 提取特征

4.3.2 CNN 融合架构

4.4 基于CNN 特征融合的单通道语音分离联合约束算法

4.5 实验与结果分析

4.5.1 数据集生成与 CNN 超参数设置

4.5.2 与单输出和无融合层的算法对比

4.5.3 与其他算法的对比实验

4.6 本章小结

第五章 总结与展望

5.1 论文总结

5.2 研究展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间申请的专利

附录3 攻读硕士学位期间参加的科研项目

致谢