語(yǔ)言是人類社會(huì)文明發(fā)展的產(chǎn)物,在現(xiàn)代社會(huì)中語(yǔ)音的作用也不再局限于日常交流,而被應(yīng)用在許多方面。但是在實(shí)際應(yīng)用的過(guò)程中,環(huán)境噪聲的影響是不可避免的,嚴(yán)重干擾了語(yǔ)音信號(hào)的采集與識(shí)別,同樣也令許多語(yǔ)音處理系統(tǒng)性能驟減,因此,我們需要對(duì)噪聲污染的語(yǔ)音信號(hào)進(jìn)行語(yǔ)音增強(qiáng)處理。隨著深度學(xué)習(xí)理論的成熟和人工智能的發(fā)展,出現(xiàn)了越來(lái)越多的基于深度學(xué)習(xí)的語(yǔ)音增強(qiáng)算法,然而受限于數(shù)據(jù)集和模型的高要求,運(yùn)算量也相對(duì)較大,因此,對(duì)于傳統(tǒng)算法的優(yōu)選和改進(jìn)研究對(duì)現(xiàn)有產(chǎn)品系統(tǒng)提高抗噪性能仍然是很有必要的,具有現(xiàn)實(shí)應(yīng)用價(jià)值。在實(shí)際應(yīng)用中,既要考慮算法對(duì)于語(yǔ)音時(shí)頻信息保留的完整度,又要考慮硬件電路中的功耗問(wèn)題,因此從降噪效果和運(yùn)算量?jī)煞矫鎭?lái)對(duì)比研究各類算法具有十分重要的意義。由于各類語(yǔ)音增強(qiáng)算法都有其優(yōu)點(diǎn)和缺點(diǎn),因此在不同的噪聲環(huán)境下,力求通過(guò)研究找到提高系統(tǒng)性能、降低系統(tǒng)功耗的語(yǔ)音增強(qiáng)方法。本文首先從理論上對(duì)多種語(yǔ)音增強(qiáng)算法做分析,包括基本減譜法以及多窗譜減譜法,改進(jìn)減譜法,自適應(yīng)濾波法,維納濾波法,改進(jìn)的小波包語(yǔ)音增強(qiáng)算法�；緶p譜法從語(yǔ)音信號(hào)的頻域?qū)用娣蛛x語(yǔ)音信號(hào)和噪聲,其組織結(jié)構(gòu)簡(jiǎn)單且運(yùn)算量比較小,是容易實(shí)現(xiàn)的語(yǔ)音... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景
    1.2 研究現(xiàn)狀
    1.3 論文的主要內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 語(yǔ)音增強(qiáng)技術(shù)概述
    2.1 語(yǔ)音信號(hào)的數(shù)字模型
    2.2 語(yǔ)音和噪聲特性
        2.2.1 語(yǔ)音特性
        2.2.2 噪聲特性
    2.3 語(yǔ)音增強(qiáng)的應(yīng)用
    2.4 本章小結(jié)
第三章 語(yǔ)音增強(qiáng)算法分析
    3.1 減譜法
        3.1.1 基本減譜法
        3.1.2 多窗譜減譜法
    3.2 改進(jìn)減譜法
        3.2.1 噪聲功率譜估計(jì)
        3.2.2 改進(jìn)減譜法設(shè)計(jì)
    3.3 自適應(yīng)濾波法
    3.4 維納濾波法
    3.5 基于小波包的語(yǔ)音增強(qiáng)算法
        3.5.1 改進(jìn)的小波包語(yǔ)音增強(qiáng)算法
    3.6 本章小結(jié)
第四章 基頻提取中的諧波和法
    4.1 特征提取的定義
    4.2 基頻提取
        4.2.1 基頻提取的定義
        4.2.2 基頻提取的發(fā)展現(xiàn)狀
    4.3 諧波和法
        4.3.1 算法檢測(cè)原理
        4.3.2 算法檢測(cè)流程
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)對(duì)比研究
    5.1 實(shí)驗(yàn)環(huán)境與評(píng)價(jià)方法
        5.1.1 語(yǔ)音數(shù)據(jù)的建立
        5.1.2 實(shí)現(xiàn)平臺(tái)
        5.1.3 評(píng)價(jià)方法
    5.2 實(shí)驗(yàn)結(jié)果及分析
        5.2.1 信噪比增益對(duì)比結(jié)果
        5.2.2 分段信噪比對(duì)比結(jié)果
        5.2.3 主觀測(cè)聽(tīng)正確率對(duì)比結(jié)果
        5.2.4 運(yùn)算量對(duì)比結(jié)果
    5.3 語(yǔ)音增強(qiáng)在基頻提取中的應(yīng)用
        5.3.1 實(shí)驗(yàn)流程
        5.3.2 語(yǔ)音增強(qiáng)前后基頻提取結(jié)果對(duì)比
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文情況
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的關(guān)鍵詞識(shí)別系統(tǒng)[J]. 孫彥楠,夏秀渝.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(05)
[2]基于諧波重建的語(yǔ)音增強(qiáng)算法的研究[J]. 胡定禹,郁文賢,江文斌.  信息技術(shù). 2017(11)
[3]基于方位特征的聽(tīng)覺(jué)選擇性注意計(jì)算模型研究[J]. 呂菲,夏秀渝.  自動(dòng)化學(xué)報(bào). 2017(04)
[4]語(yǔ)音識(shí)別技術(shù)的發(fā)展[J]. 王致信,胡文東.  網(wǎng)友世界. 2013(13)
[5]基于聲源方位信息和非線性時(shí)頻掩蔽的語(yǔ)音盲提取算法[J]. 夏秀渝,何培宇.  聲學(xué)學(xué)報(bào). 2013(02)
[6]一種基于MFCC和SVM的語(yǔ)音識(shí)別方法[J]. 李玲俐.  軟件導(dǎo)刊. 2012(03)
[7]基于線性預(yù)測(cè)殘差倒譜的基音檢測(cè)[J]. 郭淑妮,姚徐,于洪志.  電腦與電信. 2008(10)
[8]一種基于線性預(yù)測(cè)殘差倒譜的基音檢測(cè)算法[J]. 錢博,李燕萍,唐振民,徐麗敏.  計(jì)算機(jī)工程與應(yīng)用. 2007(32)
[9]一種語(yǔ)音端點(diǎn)檢測(cè)的方法及改進(jìn)[J]. 覃溪,鄭建華,曹乃文,鐘明輝,黃漢明.  微計(jì)算機(jī)信息. 2007(24)
[10]一種改進(jìn)的AMDF求取語(yǔ)音基音的方法[J]. 成新民,曾毓敏,趙力.  微電子學(xué)與計(jì)算機(jī). 2005(11)

碩士論文
[1]低信噪比場(chǎng)景下語(yǔ)音增強(qiáng)算法的研究[D]. 王紅.安徽大學(xué) 2017



本文編號(hào)：3201309