语音增强及心音降噪算法研究 pdf snb 115盘 kindle 在线 下载 pmlz mobi

本书是根据作者在音频降噪领域的研究成果而著，全书共分为10章，主要内容包括绪论、基于高斯混合模型的非监督在线建模噪声功率谱估计、结合优化U-Net和残差网络的单通道语音增强算法、基于差分麦克风阵列的变步长LMS语音增强算法、语音频带扩展研究综述、基于时间卷积神经网络的语音频带扩展、基于编解码器网络的语音频带扩展、基于时频感知神经网络的语音频带扩展、IMCRA-OMLSA噪声动态估计下的心音降噪、结合SVM和香农能量的HSMM心音分割方法。

第1章 绪论1

1.1 引言1

1.2 语音增强基础2

1.2.1 模型描述2

1.2.2 噪声类型2

1.2.3 语音质量评价方法3

1.3 传统单通道语音增强技术发展4

1.4 监督性单通道语音增强技术发展5

1.4.1 基于浅层模型的语音增强算法6

1.4.2 基于深层模型的语音增强算法6

1.5 本章小结11

参考文献12

第2章 基于高斯混合模型的非监督在线建模噪声功率谱估计18

2.1 引言18

2.2 基于GMM的在线建模方法18

2.3 基于极大似然的在线参数估计19

2.4 基于MDL准则的在线约束21

2.5 聚类方法实现22

2.6 实验设置与分析23

2.6.1 实验设置23

2.6.2 实验结果与分析24

2.7 本章小结26

参考文献27

第3章 结合优化U-Net和残差网络的单通道语音增强算法30

3.1 引言30

3.2 Residual-U-Net语音增强方法31

3.2.1 自编码器结构31

3.2.2 U-Net网络结构32

3.2.3 残差网络33

3.2.4 Residual-U-Net网络34

3.3 实验设置与分析35

3.3.1 数据集及参数设置36

3.3.2 结果与分析37

3.3.3 语谱图比较39

3.4 本章小结40

参考文献40

第4章 基于差分麦克风阵列的变步长LMS语音增强算法42

4.1 引言42

4.2 双通道信号模型43

4.3 算法描述44

4.3.1 一阶差分麦克风阵列44

4.3.2 变步长频域LMS算法45

4.4 实验设置与分析46

4.5 本章小结52

参考文献53

第5章 语音频带扩展研究综述55

5.1 引言55

5.2 源-滤波器模型55

5.2.1 宽带激励信号生成57

5.2.2 宽带谱包络估计59

5.3 深度学习的端到端语音频带扩展63

5.3.1 全连接神经网络64

5.3.2 基于全连接神经网络的语音频带扩展66

5.4 基于卷积神经网络的语音频带扩展66

5.5 基于循环神经网络的语音频带扩展68

5.6 基于时频神经网络的语音频带扩展71

5.7 数据预处理方式及窄带语音特性74

5.7.1 窄带语音产生原因74

5.7.2 时域预处理方法75

5.7.3 频域预处理方法75

5.8 仿真与分析78

5.8.1 客观评价78

5.8.2 主观评价80

5.8.3 语谱图81

5.9 本章小结81

参考文献82

第6章 基于时间卷积神经网络的语音频带扩展89

6.1 时间卷积网络结构89

6.1.1 扩张因果卷积89

6.1.2 时间卷积网络91

6.2 基于TCN的语音频带扩展93

6.2.1 模型架构93

6.2.2 时频损失95

6.3 实验设置与分析96

6.3.1 实验设置96

6.3.2 实验结果与分析97

6.4 本章小结100

参考文献100

第7章 基于编解码器网络的语音频带扩展103

7.1 编解码器网络模型103

7.2 时频感知损失函数105

7.3 实验设置与分析106

7.3.1 实验设置106

7.3.2 语谱图107

7.3.3 客观评价107

7.3.4 主观评价108

7.4 本章小结109

参考文献109

第8章 基于时频感知神经网络的语音频带扩展111

8.1 编解码器注意力模型112

8.1.1 编码器结构113

8.1.2 局部敏感哈希自注意力层113

8.1.3 解码器结构114

8.2 深度时频感知损失函数115

8.3 实验设置与分析115

8.3.1 实验设置115

8.3.2 语谱图116

8.3.3 客观评价117

8.3.4 主观评价118

8.4 消融对比实验119

8.5 本章小结121

参考文献121

第9章 IMCRA-OMLSA噪声动态估计下的心音降噪124

9.1 引言124

9.2 算法框架125

9.3 基于IMCRA-OMLSA的心音降噪126

9.3.1 基于OMLSA的心音降噪126

9.3.2 基于IMCRA的噪声估计128

9.4 降噪结果的定性分析131

9.5 降噪结果的定量评估134

9.5.1 数据集与特征提取135

9.5.2 分类器构建135

9.5.3 评估结果及分析136

9.6 本章小结138

参考文献138

0章 结合SVM和香农能量的HSMM心音分割方法142

10.1 引言142

10.2 分割的原理与方法143

10.2.1 预处理143

10.2.2 LR-HSMM144

10.2.3 归一化香农能量146

10.2.4 支持向量机（SVM）147

10.2.5 心音持续时间分布148

10.2.6 Viterbi解码148

10.3 分割算法流程149

10.4 训练与评价指标149

10.4.1 数据集149

10.4.2 训练集150

10.4.3 模型评估150

10.5 实验设置与分析151

10.5.1 实验结果151

10.5.2 性能指标对比152

10.6 本章小结154

参考文献154

主要符号缩写156

许春冬，男，博士，副教授，硕士生导师，江西理工大学人工智能系主任，江西省第四届电子信息类教学指导委员会委员。主持和参与 项目5项，主持省部级课题11项，授权发明专利和软件著作权各1件，公开发表核心以上学术论文30余篇。获得省部级科研二等奖励1项，地厅级科研奖励3项，主持获得学校教学成果奖2项。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：语音增强及心音降噪算法研究在线阅读

在线听书地址：语音增强及心音降噪算法研究在线收听

在线购买地址：语音增强及心音降噪算法研究在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！