| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究历史与现状 | 第12-15页 |
| 1.3 本文的主要研究内容与基本结构 | 第15-17页 |
| 第二章 基于字典学习和稀疏表示的单通道语音降噪算法 | 第17-39页 |
| 2.1 稀疏表示方法 | 第17-22页 |
| 2.1.1 模型及求解方法 | 第17-19页 |
| 2.1.2 LARC方法 | 第19-22页 |
| 2.2 自适应字典学习方法 | 第22-29页 |
| 2.2.1 K-SVD字典学习 | 第23-25页 |
| 2.2.2 近似K-SVD算法 | 第25-26页 |
| 2.2.3 非负矩阵分解 | 第26-29页 |
| 2.3 基于生成性字典学习的单通道语音降噪算法 | 第29-33页 |
| 2.3.1 信号模型 | 第29-30页 |
| 2.3.2 训练和降噪阶段 | 第30-32页 |
| 2.3.3 关于相关性闽值的讨论 | 第32-33页 |
| 2.4 基于非负矩阵分解的单通道语音降噪算法 | 第33-38页 |
| 2.4.1 基于非负矩阵分解的有监督语音降噪 | 第33-35页 |
| 2.4.2 基于非负矩阵分解的半监督语音降噪 | 第35-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 Fisher准则约束下基于区分性联合字典学习的有监督语音降噪算法 | 第39-49页 |
| 3.1 引言 | 第39页 |
| 3.2 区分性字典学习 | 第39-42页 |
| 3.2.1 直接驱使字典具有区分性的方法 | 第39-40页 |
| 3.2.2 使稀疏表示系数具有区分性的方法 | 第40-42页 |
| 3.3 Fisher准则约束下基于区分性联合字典学习的有监督语音降噪算法 | 第42-45页 |
| 3.3.1 Fisher准则约束下的区分性联合字典学习 | 第42-44页 |
| 3.3.2 降噪过程 | 第44-45页 |
| 3.4 算法仿真分析 | 第45-48页 |
| 3.4.1 实验相关数据说明 | 第45-46页 |
| 3.4.2 区分性约束有效性验证 | 第46-47页 |
| 3.4.3 降噪性能对比 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于互补联合字典学习和稀疏表示的有监督语音降噪算法 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 基于联合稀疏表示的特征空间降噪方法 | 第49-51页 |
| 4.3 基于互补联合字典学习和稀疏表示的有监督语音降噪算法 | 第51-58页 |
| 4.3.1 互补联合字典学习和稀疏表示结构及训练过程 | 第51-53页 |
| 4.3.2 降噪过程 | 第53-55页 |
| 4.3.3 权重系数设置 | 第55-58页 |
| 4.4 算法仿真分析 | 第58-64页 |
| 4.4.1 实验相关数据说明 | 第58-59页 |
| 4.4.2 权重系数设置规则的验证 | 第59-62页 |
| 4.4.3 降噪性能对比 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 基于区分性稀疏约束下非负矩阵分解的半监督语音降噪算法 | 第65-75页 |
| 5.1 引言 | 第65-66页 |
| 5.2 基于区分性稀疏约束下非负矩阵分解的半监督语音降嗓算法 | 第66-70页 |
| 5.2.1 区分性稀疏约束下的非负矩阵分解结构及训练过程 | 第66-68页 |
| 5.2.2 降噪阶段 | 第68-70页 |
| 5.3 算法仿真分析 | 第70-72页 |
| 5.3.1 实验相关数据说明 | 第70页 |
| 5.3.2 字典正交约束项有效性验证 | 第70-71页 |
| 5.3.3 降噪性能对比 | 第71-72页 |
| 5.4 本章小结 | 第72-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文的主要工作 | 第75-76页 |
| 6.2 进一步的研究方向 | 第76-77页 |
| 参考文献 | 第77-85页 |
| 附录 区分性稀疏约束下非负矩阵分解算法求解过程推导 | 第85-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士学位期间的研究成果 | 第93页 |
广告服务 
