第1章 绪论 1
1.1语音增强研究的目的和意义 2
1.2盲源分离的研究与发展现状 2
1.3盲源分离在语音分离中的应用 5
1.4语音增强算法的简要回顾 6
1.5语音的特点 7
1.6人耳的感知特性 9
1.7噪声的特点 10
1.8语音增强算法中存在的问题及解决的方案 11
1.9本书的安排 11
第2章 语音质量评价标准 15
2.1概述 16
2.2语音质量的主观评价 16
2.3语音质量的客观评价 17
第3章 盲源分离基本理论及主要算法 21
3.1盲源分离的数学模型 22
3.2统计独立性和信息理论 23
3.3盲源分离主要算法 25
3.4基于等变量自适应分离的ICA算法 29
3.5一种新的步长自适应EASI语音增强算法 32
3.6小结 34
第4章 基于神经网络的语音盲分离算法 35
4.1神经网络理论 36
4.2 RBF和MLP两种神经网络用于语音盲分离效果的比较 39
4.3一种新的基于盲源分离的单通道语音增强算法 47
4.4小结 47
第5章 基于时-频分析的语音盲分离算法 49
5.1时-频分析工具——短时傅里叶变换 50
5.2时-频分析盲源分离算法 50
5.3实验结果 52
5.4窗函数、窗长的选择对分离信号性能的影响 56
5.5小结 61
第6章 语音信号盲分离的实时性分析 63
6.1语音信号间统计独立性分析 64
6.2 ICA算法应用于语音和帧长的关系 66
6.3小结 66
第7章 计算听觉场景分析概述 69
7.1人耳的构造 71
7.2耳蜗的生理作用 72
第8章 基于Wang-Brown模型的CASA系统 73
8.1分解与特征提取 74
8.2基于Wang-Brown两层振荡器神经网络 82
8.3语音重构及CASA模型性能评估 92
8.4小结 95
第9章 基于Hu-Wang模型的CASA系统 97
9.1分解与特征提取 99
9.2初始分离 102
9.3基音跟踪 105
9.4时频单元标记 107
9.5最终分离 109
9.6语音重构 111
9.7小结 111
第10章Wang-Brown与Hu-Wang模型的增强性能评估 113
第11章 基于谱减法的语音增强算法 117
11.1谱减法的基本原理 118
11.2人耳掩蔽阈值的计算 121
11.3基于听觉掩蔽特性的β阶自适应MMSE语音增强算法 124
11.4基于参数滤波的语音音素分段算法 128
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 129
11.6小结 130
第12章 基于快速自适应噪声估计的语音增强算法 131
12.1噪声估计算法 132
12.2基于统计信息的快速自适应噪声估计算法 136
12.3 LOGSTSA-MMSE语音增强算法 141
12.4一种新的基于快速噪声估计的LOGSTSA-MMSE语音增强算法 143
12.5小结 145
第13章 基于小波变换的语音增强算法 147
13.1小波分析的基本理论 148
13.2二进小波变换算法 149
13.3小波变换的时频分辨特性 152
13.4基于小波变换的语音增强算法 153
13.5一种新的基于小波变换和盲源分离的语音增强算法 154
13.6小结 155
参考文献 156
后记 162