语音信号盲分离与增强算法的研究/信息科学与工程系列专著

第1章  绪论
  1.1  语音增强研究的目的和意义
  1.2  盲源分离的研究与发展现状
  1.3  盲源分离在语音分离中的应用
  1.4  语音增强算法的简要回顾
  1.5  语音的特点
  1.6  人耳的感知特性
  1.7  噪声的特点
  1.8  语音增强算法中存在的问题及解决的方案
  1.9  本书的安排
第2章  语音质量评价标准
  2.1  概述
  2.2  语音质量的主观评价
  2.3  语音质量的客观评价
第3章  盲源分离基本理论及主要算法
  3.1  盲源分离的数学模型
  3.2  统计独立性和信息理论
  3.3  盲源分离主要算法
  3.4  基于等变量自适应分离的ICA算法
  3.5  一种新的步长自适应EASI语音增强算法
  3.6  小结
第4章  基于神经网络的语音盲分离算法
  4.1  神经网络理论
  4.2  RBF和MLP两种神经网络用于语音盲分离效果的比较
  4.3  一种新的基于盲源分离的单通道语音增强算法
  4.4  小结
第5章  基于时-频分析的语音盲分离算法
  5.1  时-频分析工具——短时傅里叶变换
  5.2  时-频分析盲源分离算法
  5.3  实验结果
  5.4  窗函数、窗长的选择对分离信号性能的影响
  5.5  小结
第6章  语音信号盲分离的实时性分析
  6.1  语音信号间统计独立性分析
  6.2  ICA算法应用于语音和帧长的关系
  6.3  小结
第7章  计算听觉场景分析概述
  7.1  人耳的构造
  7.2  耳蜗的生理作用
第8章  基于Wang-Brown模型的CASA系统
  8.1  分解与特征提取
  8.2  基于Wang-Brown两层振荡器神经网络
  8.3  语音重构及CASA模型性能评估
  8.4  小结
第9章  基于Hu-Wang模型的CASA系统
  9.1  分解与特征提取
  9.2  初始分离
  9.3  基音跟踪
  9.4  时频单元标记
  9.5  最终分离
  9.6  语音重构
  9.7  小结
第10章  Wang-Brown与Hu-Wang模型的增强性能评估
第11章  基于谱减法的语音增强算法
  11.1  谱减法的基本原理
  11.2  人耳掩蔽阈值的计算
  11.3  基于听觉掩蔽特性的β阶自适应MMSE语音增强算法
  11.4  基于参数滤波的语音音素分段算法
  11.5  一种简化的基于听觉掩蔽特性β阶自适应MMSE语音增强算法
  11.6  小结
第12章  基于快速自适应噪声估计的语音增强算法
  12.1  噪声估计算法
  12.2  基于统计信息的快速自适应噪声估计算法
  12.3  LOGSTSA-MMSE语音增强算法
  12.4  一种新的基于快速噪声估计的LOGSTSA-MMSE语音增强算法
  12.5  小结
第13章  基于小波变换的语音增强算法
  13.1  小波分析的基本理论
  13.2  二进小波变换算法
  13.3  小波变换的时频分辨特性
  13.4  基于小波变换的语音增强算法
  13.5  一种新的基于小波变换和盲源分离的语音增强算法
  13.6  小结
参考文献
后记