学位专题

封面
声明
中文摘要
英文摘要
目录
第一章绪论
1.1 研究背景及意义
1.2 国内外发展现状
1.2.1 问题定义
1.2.2 传统的单通道语音分离
1.2.3 基于深度神经网络的单通道语音分离
1.3 论文主要研究内容和章节安排
1.3.1 论文主要研究内容
1.3.2 论文章节安排
第二章基于深度神经网络的单通道语音分离的相关原理
2.1 引言
2.2 深度学习算法
2.2.1 人工神经网络（Artificial Neural Networks, ANNs）
2.2.2 前向传播
2.2.3 反向传播
2.2.4 自编码器（AE）
2.2.5 卷积神经网络（CNN）
2.2.6 循环神经网络（RNN）
2.3 基于深度神经网络的单通道语音分离
2.3.1 基于频域的单通道语音分离方法
2.3.2 基于时域的单通道语音分离方法
2.4 语音分离性能评价指标
2.5 本章小结
第三章基于注意力机制的单通道混叠鸟鸣声分离方法研究
3.1 引言
3.2 注意力机制
3.3 卷积块注意力模块（CBAM）
3.4 基于注意力机制的单通道语音分离网络
3.5 数据集
3.6 实验训练设置
3.7 实验结果分析
3.8 小结
第四章基于集合经验模态分解的单通道混叠鸟鸣声分离方法研究
4.1 引言
4.2 Attention-TCNet的不足
4.3引入经验模态分解方法（EMD）
4.4 基于EEMD的单通道语音分离网络模型
4.5 实验训练设置
4.6 实验结果分析
4.7 小结
第五章单通道混叠鸟鸣声分离在鸟鸣声识别系统上的应用
5.1 引言
5.2 现有的鸟鸣声识别方法
5.3 基于深度神经网络的鸟鸣声识别算法
5.4 数据集
5.5 实验训练设置
5.6 评价指标和实验结果分析
5.7 小结
第六章总结与展望
6.1 工作总结
6.2 下一步进展
参考文献
攻读硕士学位期间取得的研究成果
致谢