|
|
|
语音信号压缩感知关键技术研究 |
|
论文目录 |
|
摘要 | 第1-6页 | Abstract | 第6-9页 | 目录 | 第9-11页 | 图目录 | 第11-13页 | 表目录 | 第13-14页 | 专用术语注释表 | 第14-15页 | 第一章 绪论 | 第15-32页 | ·课题研究背景及意义 | 第15-17页 | ·压缩感知基本原理 | 第17-27页 | ·信号的稀疏表示 | 第18-20页 | ·观测矩阵的设计 | 第20-22页 | ·信号重构算法 | 第22-26页 | ·压缩感知理论存在的问题 | 第26-27页 | ·压缩感知在语音信号处理领域的现状 | 第27-28页 | ·课题来源 | 第28页 | ·论文的研究内容及主要成果 | 第28-30页 | ·本文章节安排 | 第30-32页 | 第二章 语音压缩感知基础研究 | 第32-56页 | ·引言 | 第32-33页 | ·语音在不同稀疏域下的稀疏性分析 | 第33-41页 | ·语音在离散余弦变换基下的稀疏性 | 第33-36页 | ·语音在离散傅立叶基下的稀疏性 | 第36-38页 | ·语音在离散小波基下的稀疏性 | 第38-40页 | ·语音在 K-L 变换下的稀疏性 | 第40-41页 | ·观测序列在不同重构算法下的性能 | 第41-46页 | ·BP 重构算法 | 第42-43页 | ·OMP 重构算法 | 第43-44页 | ·观测序列重构性能 | 第44-46页 | ·过完备稀疏分解下的压缩重构 | 第46-51页 | ·过完备字典 | 第46-47页 | ·语音观测在过完备余弦字典下的 CS 重构 | 第47-49页 | ·语音观测在 KSVD 字典下的 CS 重构 | 第49-51页 | ·基于语音压缩感知观测序列的端点检测算法 | 第51-55页 | ·语音压缩感知观测序列特征分析 | 第52-53页 | ·基于倒谱距离的语音压缩感知观测序列端点检测算法 | 第53-55页 | ·本章小结 | 第55-56页 | 第三章 行阶梯观测矩阵下的语音压缩感知 | 第56-71页 | ·引言 | 第56-57页 | ·随机高斯观测矩阵重构系数特征分析 | 第57-59页 | ·行阶梯观测矩阵 | 第59-60页 | ·行阶梯观测矩阵下的压缩感知重构 | 第60-67页 | ·语音信号在行阶梯观测矩阵下的压缩感知重构 | 第67-70页 | ·本章小结 | 第70-71页 | 第四章 语音 CS 观测序列的 Volterra 模型研究 | 第71-98页 | ·引言 | 第71-72页 | ·行阶梯观测序列相关性分析 | 第72-75页 | ·行阶梯观测序列的 Volterra 模型 | 第75-88页 | ·Volterra 级数的数学理论 | 第77-78页 | ·Volterra 级数模型 | 第78-83页 | ·行阶梯观测序列的 Volterra 模型预测 | 第83-88页 | ·Wiener 滤波器对 Volterra 预测模型的改进 | 第88-95页 | ·Wiener 滤波器 | 第88-92页 | ·Volterra+Wiener 预测模型 | 第92-95页 | ·基于部分观测样值、Volterra 滤波器系数、Wiener 滤波器系数预测的 CS 重构 | 第95-96页 | ·本章小结 | 第96-98页 | 第五章 语音压缩感知码本联合 l1重构算法 | 第98-114页 | ·引言 | 第98页 | ·语音压缩感知的码本重构 | 第98-103页 | ·CS 压缩比 1:4 时码本映射联合 l1重构算法性能 | 第103-105页 | ·CS 压缩比 1:2 时码本映射联合 l1重构算法性能 | 第105-108页 | ·语音压缩感知的码本联合 l1重构算法 | 第108-112页 | ·本章小结 | 第112-114页 | 第六章 总结与展望 | 第114-116页 | 参考文献 | 第116-122页 | 附录1 攻读博士学位期间撰写的论文 | 第122-123页 | 附录2 攻读博士学位期间申请的专利 | 第123-124页 | 附录3 攻读博士学位期间参加的科研项目 | 第124-125页 | 致谢 | 第125页 |
|
|
|
|
论文编号BS2268557,这篇论文共125页 会员购买按0.35元/页下载,共需支付43.75元。 直接购买按0.5元/页下载,共需要支付62.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|