一、基于DSP5402的语音处理系统的研究（论文文献综述）
申学帅[1]（2020）在《基于深度神经网络的回声消除算法的研究与实现》文中研究说明随着智能数字信息化技术的高速发展,一方面深度神经网络算法已成为热点研究问题,尤其在语音处理方面,大多应用在语音识别、去混响等方面。另外一方面VoIP电话因为具有优质、廉价、便捷的优势,所以一经推出就受到广泛欢迎。随着VoIP电话技术的广泛应用,也出现了一些问题,尤其是在实现通话功能中一方面受环境因素例如噪音大的影响产生回声,另一方面语音信号的处理和网络传输也会造成延时产生回声,在回声路径过大时就会影响通话质量,甚至无法继续实现通话功能。本文在深入研究常用的回声消除算法结构的基础之上,一方面研究改进传统回声消除算法实现回声消除效果的提升,另一方面借鉴当下热门的深度神经网络进行语音去混响的原理,尝试将深度神经网络算法用于回声消除。首先对回声消除以及深度神经的现状进行研究,在对传统NLMS算法进行研究时,针对NLMS算法在回声消除的过程中,算法复杂度高,稳定性差的问题进行研究,通过采用在不同时期改变步长因子的方法改进NLMS算法,理论分析发现可以明显降低了自适应滤波器的计算复杂度,提高了回声消除的稳定性,随后在仿真实验分析验证改进后的算法在复杂度以及稳定性方面有所提高,但是回声返回损耗增益值和NLMS算法的值相差不大,所以对回声消除效果的影响不大。而后针对使用自适应滤波器架构模拟回声路径在进行回声消除的过程中,尤其在噪音大的地方回声处理弱的问题,本文研究一种基于深度神经网络算法的结构,使用深度神经网络算法来代替传统算法中的自适应滤波器,对路径冲击进行表征,映射出回声信号,继而进行消除,经过仿真分析,基于深度神经网络算法的回声返回损耗增益值要比采用在不同时期改变步长因子的方法改进NLMS算法要好,也可以大大提高回声消除的效果。最后将基于深度神经网络算法的回声消除结构和WEBRTC技术相结合应用到应急指挥救援软件上,通过在Android系统上用此算法,来改善应急通信过程中的回声问题。最后将软件在手机上的运行测试,对语音信息进行录制分析发现在双端通话或者复杂环境下,该算法结构在回声消除方面达到了预期效果,实现了语音通信质量的提高。
杭慧陶[2]（2020）在《婴儿哭声检测报警系统的设计与实现》文中认为哭是婴儿的本能性反应,哭闹是婴儿表达感情、对外界刺激的重要方式,而且不同的哭声表示了不同的反应需求。随着物联网技术的快速发展,婴儿智能监护技术已经成为了人们研究的热点,婴儿哭声检测报警系统可以有效减少父母照顾婴儿的压力。本课题以数字信号处理器为核心,结合物联网模块实现了婴儿哭声信号的采集、处理、传输和报警信息推送。课题主要内容如下:1、对婴儿哭声报警系统进行需求分析,选定系统核心处理器、语音采集模块和物联网模块形成系统设计方案;2、系统硬件部分的设计以TMS320C5535为核心处理器,采用TLV320AIC3204语音编解码器采集语音,通过WH-NB73物联网模块实现网络通信,结合其他外围电路,完成了婴儿哭声检测报警系统的硬件平台组建;3、系统软件部分以简易的实时操作系统DSP/BIOS为平台,通过I2S接口将采集到的音频数据发送给DSP处理器,并通过优化的端点检测方法对音频信号进行端点检测;采用MFCC作为特征参数,通过HMM实现语音识别并由UART接口将识别结果发送给物联网模块,物联网模块通过透传云将报警信息推送给客户端;4、搭建测试环境,从功能和性能两个方面对婴儿哭声报警系统进行测试。实验表明改进的端点检测方法有效地提高了对婴儿哭声识别的正确率,对测试集的识别率达到95%;5、最后,对本系统进行总结和展望,肯定了本系统设计方案的可行性,并对婴儿哭声报警系统的后期改进和延伸做了分析。
王敏敏[3]（2020）在《面向老年人的数字助听器关键技术研究》文中进行了进一步梳理在当今生活节奏和工作压力都处于高压的社会状态,无论是因为先天性身体缺陷还是因为外界环境的影响所导致患有不同程度的听力障碍患者每年都在不停地增加。作为社会中一份子尤其是老年人,进行语音交流是老年患者进行交往的最有效的途径,对于听力障碍的患者来说,助听器就是为他们铲除交流障碍的主要工具。本论文在进行研究传统算法和总结前人算法的过程中,针对语音回波反馈消除技术和语音增强技术进行了改进,本论文的主要工作如下:1、首先对数字助听器的研究背景进行调研,尤其是对老年人的数字助听器的国内外研究现状进行总结,并详细介绍了数字助听器的工作原理。2、其次详细阐述了数字助听器语音信号的基础知识,包括语音信号的产生原理、语音信号的基本特性以及语音信号的基本要素。并且列举了语音信号的3种数学模型和语音信号的3种分析方法。最后对数字助听器的关键技术进行深入的研究,重点研究了语音增强技术和回声反馈技术。3、研究了小波阈值去噪的自适应波束合成语音增强算法。在数字助听器语音信号增强的问题上,本论文主要采用了小波阈值去噪算法,并且进一步改进了基于GSC结构的小波阈值去噪自适应波束形成算法。改进后的小波阈值去噪算法的优点是能够增强输入信号的信噪比,通过MATLAB软件的仿真验证,得到的结果能够证明该算法很好的解决语音泄漏和残留下来的噪声问题。4、研究了数字助听器的自适应回波抵消算法。首先对自适应滤波器进行分析,并列举典型的滤波器算法LMS和NLMS,经过对比LMS算法和NLMS算法的收敛速度和计算复杂度、稳定误差等主要性能指标,本设计采用归一化NLMS自适应滤波器回波反馈消除技术,并对其参数步长因子进行收敛处理,为防止滤波器系数调整值分母为0,特在分母中添加一个数值较小的正整数α。最后用NLMS算法对所录制的音频信号进行MATLAB仿真分析,以国际语言标准的平均主观意见分（MOS）的评价标准进行测试了回波返回损失值ERLE。
朱雨薇[4]（2019）在《基于麦克风阵列的语音信号处理算法研究》文中研究说明随着社会的发展需要,人们利用语音设备传递信息的场所的数量逐渐增多。在各种语音采集设备中,采集到的语音信号往往都不是纯净的原始语音信号,而是夹杂了许多干扰信号或是噪声信号的带噪语音信号。这不光影响了语音质量,而且影响了语音处理系统的整体性能。因而需要利用麦克风阵列技术尽可能的从带噪语音信号中恢复纯净语音信号。传统的麦克风单通道算法对非相干噪声的去除效果比较明显,但是对于混响干扰的抑制能力很微弱。而麦克风阵列波束形成算法虽然能够去除混响噪声,但对混响抑制的能力有限。本文针对这一问题,对传统麦克风单通道算法和麦克风阵列算法进行了研究,提出了一种基于改进广义旁瓣抵消算法和麦克风单通道算法结合的降噪抗混响算法,并设计了一套语音采集处理系统。该改进算法在获得声源位置信息的基础上,利用广义旁瓣抵消算法中延迟求和算法得到直达阵列的语音信号,将其与阻塞矩阵和自适应算法处理后得到的信号按照权重系数进行叠加,生成增强信号。之后再将广义旁瓣抵消算法中得到的迭代误差信号作为误差信号进一步对增强信号进行自适应噪声抵消处理,得到抗混响语音。最后利用维纳滤波的方法对残留的非相干噪声进行抑制,得到增强语音信号。通过实验对比表明,在混响环境下该改进算法能够有效的提高语音质量。
周栋[5]（2019）在《灾区救援应急通信系统研究与实现》文中研究说明随着科学技术的不断进步,通信技术进入快速发展阶段。4G技术的成熟应用、5G技术的兴起、中国自主研究的卫星电话等发展改变着我们的生活,成为不可或缺的一部分。同时通信技术的研究方向也向多元化发展,其中应急通信的研究是最为重要的研究方向之一。现有的应急通信的手段包括车载应急通信、卫星通信、数字集群通信、无线集群通信,但这些通信方式在成本和灵活性方面无法兼得。本文提出将无人机和远距离通信结合,研究并设计了灾区救援应急通信系统,在无基站、多障碍的环境下实现了多对一远距离语音通信。通过对目前应急通信技术的研究现状进行了调研和分析,结合无人机的发展现状进行本课题的研究。通过分析系统功能需求,给出了灾区救援应急通信系统的总体设计方案以及由多个发射端、中继端以及接收端组成的系统框架。详细阐述了以TMS320VC5509A为主控芯片的发射端和接收端的硬件设计思路,包括音频编解码电路、电源转换电路、LoRa无线通信电路等;详细阐述了以STM32F103C8T6为主控芯片的中继端的硬件设计思路,包括串口信号转换电路和电源转化电路。软件设计部分介绍了软件编程环境,制定了发射端与中继端之间的通信协议、发射端与接收端之间的数据通信协议;详细阐述了发射端、中继端和接收端三部分的软件设计思路,研究并实现了语音编解码算法G.729A。在户外选取了合适的验证场景,模拟灾区与外界通信中断的环境,对灾区救援应急通信系统进行了系统测试,验证本文理论研究成果的可行性和有效性。测试结果表明:该系统运行稳定,数据传输准确,在3km有效传输范围内接收端能够清晰地收到来自不同发射端的语音并识别出发射端的编号。本文的研究给应急通信提出了一种较为灵活的解决方案,克服了一些通信基础设施损坏和地形情况复杂给灾区救援带来的困难,为灾后救援提供有效保障。
林少宏[6]（2019）在《车辆智能语音安全监控系统设计与应用》文中认为近年来随着我国国民经济的不断进步发展,私家车已经成为了我们日常生活中不可或缺的重要出行交通工具。而炎炎夏日汽车停放后,车内温度将骤然升高,查阅相关文献可以发现在停车后车窗紧闭的情况下车内温度会迅速提升6-7℃。而在相同的环境下,儿童的体温升高速度比成人快3-5倍。近年来由于驾驶员的粗心大意引起私家车、校车内误留小孩在内,导致车内儿童高温烧伤甚至是死亡等事故层出不穷。因此,如何防止儿童误留车内,避免车内高温造成人员伤亡成为了急需解决的社会公共问题。本项目目的在于设计一种预警系统,能够在人员（特别是婴幼儿）被误锁在车内时及时报警通知驾驶员,系统采取智能语音技术检测被误锁人员发出的求救声（包括婴儿的哭闹声音）,基于特征匹配算法来判定车内是否误留人员,如检测出有人误锁于车内时系统将向车主发送报警信息,报警方式设置为三个等级,根据不同的营救时间点采用不同的报警方式。本文采用专用语音识别芯片WM9714进行声音识别方案设计,该芯片具有录音模式和识别模式,识别模式之前先将目标词汇录入芯片内。在本项目中,可以将驾驶者家人的呼喊声先录入本系统中,如:“救命”、“爸爸”、“妈妈”、“呜呜”哭闹声等声音。待目标词汇录入芯片内后可将工作模式转入到声音识别模式,工作时系统将当前语音与事先已录入存储体的目标词汇进行比较,如有语音特征相匹配,则在芯片的相应输出端输出高电平或者是低电平。之后系统采用单片机技术、无线传感网络技术等,实现对声音识别模块发出来的语音匹配信号进行处理。车内人员发出求救信号后,声音识别模块将向手机发送报警短信,超过一定时间驾驶员未处理,系统将向手机拨打报警电话,拨打报警电话仍未处理车辆本身将发出报警声音,吸引周围人员的注意,从而降低车内人员人身安全事故的发生。通过该系统可单独加装于私家车内或者用于汽车制造厂商出厂配置,对于私家车安全监控的市场补充具有重要的现实意义。
严发鑫[7]（2019）在《基于OMAP-L138的有限空间内语音源信号提取研究与实现》文中研究表明在有限空间的建筑物内,多人所产生的混合语音信号不仅包含了所需的一路纯净语音源信号,还受到背景噪声和混响的干扰,致使语音源信号质量退化,可懂度和清晰度下降,人耳不易辨识,因此有必要研究带噪混合语音信号中期望的纯净语音源信号提取问题,然而研究通常偏向于算法研究,缺乏对算法移植的研究,特别是在双核DSP（Digital Signal Processor,数字信号处理器）上的算法移植研究。本文研究带噪混合语音信号的盲源分离算法,并基于OMAP-L138双核DSP研究算法移植。本文研究工作的主要内容有:（1）对带噪混合语音信号盲源分离过程中的预处理降噪、盲源分离、后处理去混响三个阶段的算法分别进行研究。在带噪混合语音信号盲源分离之前,必须先提高信噪比,同时尽可能减小降噪过程中的语音失真,以保证盲源分离的精确性,为此本文采用基于连续噪声功率谱估计的改进功率谱减法降噪,通过仿真比较验证了其适用于盲源分离的预降噪。对降噪混合信号盲源分离时,为解决基本自然梯度算法白化运算复杂,容易带来误差,并且迭代选用固定步长难以满足收敛变快、稳态误差变小的问题,本文提出不需要白化且步长能自适应的改进自然梯度算法,仿真验证了其性能较基本自然梯度算法有改善。盲源分离得到的语音源信号中残留成分以混响为主,为充分抑制残留成分,本文提出引导频谱滤波和维纳滤波相结合的算法,通过仿真比较验证了其具有较好的残留成分抑制能力,语音源信号较纯净。（2）在OMAP-L138开发板上移植并优化算法。搭建带噪混合语音信号处理硬件平台和软件环境,算法移植过程由开发、编译、调试、固化四个阶段构成。开发阶段ARM（Advanced RISC Machine,高级精简指令集机器）用于控制DSP的运行和开发人机界面,DSP用于算法的运算,ARM与DSP交互命令和数据;编译阶段构建系统工程目录,通过Makefile文件对系统工程编译;调试阶段在ARM端和DSP端分别使用GDB（GNU Debugger,调试器）和CCS（Code Composer Studio,代码调试器）集成开发环境对系统工程动态调试,固化阶段根据系统工程的执行方法编写启动脚本文件并设置为Linux的启动项。通过运行固化好的系统工程得到处理结果,最后通过移植与仿真的对比对结果进行分析,表明移植算法的处理结果良好,移植算法的整体时间复杂度合理。
余亮亮[8]（2019）在《一款小型化直升机数字式机内通话器研究》文中研究指明机内通话器（简称:机通）是直升机通信导航识别系统（简称:CNI系统Communication navigation identification system）的重要机载配套产品,其功能性能的实现将为飞行员提供安全保障,关系到飞行人员能否顺利完成既定任务,是直升机机载产品不可或缺的一部分。机内通话器主要完成机内两飞行员之间的内部通信,并通过控制卫通、机载电台等实现与外部的通信联络,同时监听机上导航设备（如信标、罗盘等）所提供的语音信号并播报机上触发的各种语音告警提示音,是整机的音频控制枢纽。本文在分析阐述机内通话器的研究意义和国内外研究现状的基础上,研究并实现了一款小型化直升机数字式机内通话器。以小型化、轻量化任务为背景,提出了语音处理盒和机通控制盒设计实现方法,进行了系统总体方案设计。以DSP+FPGA作为系统框架及数据处理核心,采用AVR单片机作为辅助处理器实现数据的采集和收发,应用大规模逻辑器件控制时序及逻辑,研究满足机通功能性能所需要的硬件平台设计以及软件平台设计。通过硬件仿真验证、软件测试验证以及完善的通话质量测试验证,证明了小型化机通功能实现的有效性和准确性。本文工作可为小型化数字机通设计提供设计参考,也为后期开展多接口以及多席位的机通研发奠定了基础。
于永江,王菲[9]（2016）在《基于DSP的语音处理教学实验平台设计》文中进行了进一步梳理为了帮助学生深入学习DSP实验教学中语音处理这一教学难点,文中介绍了一种基TMS320C5402的通用语音处理教学实验平台,以配合理论和实验教学。该系统采用TI的TMS320C5402作为处理器,选用TLC320AD50作为语音模块,实现对语音信号实时快速处理。
冯金金[10]（2016）在《基于DSP的语音信号压缩通信系统的研究》文中进行了进一步梳理人们交换信息最常用、最直接、最方便、最有效的方式是语音,因此大多数通信系统都包含了语音传输的功能。随着互联网的发展和云计算概念的提出,在多信息融合的通信系统中,传输和存储的数据包括视频、图片、文本、语音等,对带宽资源和存储空间的要求很高,若能在保证语音质量的前提下,能够对语音数据进行压缩存储与传输,从而能够为其他数据提供更多的带宽资源和存储空间,提高了传输系统中的带宽利用率,所以对传输系统中语音压缩技术的研究显得尤为重要。本文主要研究了基于DSP的通信系统中的G.723.1语音编码及传输技术,具体内容可以分为以下几个部分:在对G.723.1语音编码算法原理进行研究的基础上,首先在VC++6.0上实现了该算法。在此基础上,本文对算法进行了优化。通过对开环基音预测过程、自适应码本搜索过程和固定码本搜索过程和程序中函数的优化,减少了算法中的运算量。利用VC++6.0,基于TCP/IP协议,在任意两台PC组成的局域网通信系统中实现了优化后的算法,完成了音频压缩通信系统的设计。实验结果表明:优化后算法中速率为5.3kbps的压缩比达到了1:22,速率为6.3kbps的压缩比达到了1:19,其具有较好的压缩效果,且重建后语音质量MOS分能够达到的级别为良,语音清晰可懂。在实现优化算法的基础上,在DSP处理器上对算法进行了移植。通过使用内联函数、特殊指令等的汇编优化方法,降低了算法的复杂度和编码延时,在DSP处理器上能够实时实现G.723.1语音编码算法。优化后的结果表明:优化后的部分函数占用周期数比优化前减少了90%以上。对于一帧语音而言,速率为5.3kbps的优化后编解码时间比优化前降低了68%,速率为6.3kbps的优化后编解码时间比优化前降低了64%,编解码后语音质量的MOS分达到的级别为良。最后,在DSP与PC间实现了语音压缩通信系统的设计。该系统实现了DSP与PC间的以太网通信,在DSP上实现了语音信号的采集、编码处理和基于UDP协议的语音数据发送功能,在PC上实现语音数据的接收、解码以及播放语音信号的功能,验证了系统能够实时地传输语音信号,且获得的语音质量较好,达到了通信质量的要求。
二、基于DSP5402的语音处理系统的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于DSP5402的语音处理系统的研究（论文提纲范文）
（1）基于深度神经网络的回声消除算法的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 回声消除研究现状 |
| 1.2.2 深度神经网络研究现状 |
| 1.3 主要工作 |
| 1.4 章节结构 |
| 第2章 传统的回声消除算法 |
| 2.1 回声消除基本知识 |
| 2.1.1 声学回声的产生 |
| 2.1.2 VoIP通话的工作模式 |
| 2.2 传统算法处理架构 |
| 2.3 自适应滤波算法 |
| 2.3.1 LMS算法 |
| 2.3.2 NLMS算法 |
| 2.4 常用深度学习语音特征参数 |
| 2.4.1 短时平均幅度 |
| 2.4.2 短时过零率 |
| 2.4.3 基音周期 |
| 2.4.4 共振峰频率 |
| 2.4.5 梅尔倒谱系数(MFCC) |
| 2.4.6 Bark频率倒谱系数 |
| 2.5 常见的深度学习算法 |
| 2.5.1 DNN(深度神经网络) |
| 2.5.2 CNN(卷积神经网络) |
| 2.5.3 RNN(循环神经网络) |
| 2.6 深度神经网络的应用 |
| 2.6.1 去混响 |
| 2.6.2 语音分离 |
| 2.7 本章小结 |
| 第3章 基于改进NLMS算法的回声消除的研究 |
| 3.1 改进NLMS算法的研究 |
| 3.2 回声抑制性能指标 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 基于深度神经网络的回声消除算法的研究 |
| 4.1 算法研究 |
| 4.1.1 特征提取 |
| 4.1.2 神经网络结构 |
| 4.2 实验 |
| 4.2.1 实验设置 |
| 4.2.2 实验结果 |
| 4.3 本章小结 |
| 第5章 回声消除的实现与测试 |
| 5.1 Android开发环境 |
| 5.2 网络架构图 |
| 5.3 软件需求 |
| 5.4 需求设计 |
| 5.5 软件实现 |
| 5.5.1 信令模块 |
| 5.5.2 语音处理模块 |
| 5.5.3 用户界面功能模块 |
| 5.6 软件的测试 |
| 5.7 应用场景 |
| 5.8 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究方向展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）婴儿哭声检测报警系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、目的及其意义 |
| 1.2 国内外研究的现状和发展趋势 |
| 1.2.1 国内外研究的现状 |
| 1.2.2 研究的发展趋势 |
| 1.3 课题研究内容以及结构安排 |
| 第二章 系统的设计和论证 |
| 2.1 系统的整体设计方案 |
| 2.2 核心处理器的选型及操作系统介绍 |
| 2.2.1 核心处理器的选型 |
| 2.2.2 操作系统的介绍 |
| 2.3 婴儿哭声信号的前端处理 |
| 2.3.1 信号的预处理 |
| 2.3.2 婴儿哭声信号的特征参数提取 |
| 2.4 基于HMM的婴儿哭声识别算法 |
| 2.4.1 HMM的定义 |
| 2.4.2 HMM模型的三个基本问题以及解决办法 |
| 2.5 NB-IoT技术 |
| 2.5.1 NB-IoT网络架构 |
| 2.5.2 NB-IoT技术特点 |
| 2.5.3 WH-NB73的透传云平台 |
| 2.6 本章小结 |
| 第三章 系统的硬件设计 |
| 3.1 硬件设计总体框架 |
| 3.2 语音处理模块 |
| 3.2.1 DSP处理器模块电路设计 |
| 3.2.2 DSP电源电路设计 |
| 3.2.3 时钟电路设计 |
| 3.2.4 JTAG接口电路设计 |
| 3.2.5 外扩程序存储器电路设计 |
| 3.3 语音采集模块 |
| 3.4 通信模块 |
| 3.4.1 WH-NB73模块总体设计电路 |
| 3.4.2 UART接口设计电路 |
| 3.4.3 复位控制和恢复出厂设置控制电路 |
| 3.5 系统的PCB设计 |
| 3.6 本章小结 |
| 第四章 系统的软件设计 |
| 4.1 软件设计总体框架 |
| 4.2 开发环境与开发工具 |
| 4.3 系统工程的搭建 |
| 4.3.1 DSP/BIOS工程的创建与配置 |
| 4.3.2 DSP/BIOS启动顺序 |
| 4.4 系统应用程序的设计 |
| 4.4.1 语音采集模块的设计 |
| 4.4.2 语音处理模块的设计 |
| 4.4.3 网络通信模块的设计 |
| 4.5 客户端应用开发设计 |
| 4.6 本章小结 |
| 第五章 系统测试 |
| 5.1 测试方法 |
| 5.2 系统功能测试 |
| 5.3 系统性能测试 |
| 5.3.1 模板训练以及对测试集的识别 |
| 5.3.2 性能测试过程及讨论 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 发明专利 |
| 学位论文数据集 |
（3）面向老年人的数字助听器关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 数字助听器的研究背景 |
| 1.2 数字助听器国内外研究现状 |
| 1.3 数字助听器的工作原理 |
| 1.4 本文研究的主要内容 |
| 第二章 语音信号的基础知识 |
| 2.1 语音产生的基本原理与听觉系统的基本知识 |
| 2.1.1 语音产生的原理 |
| 2.1.2 听觉系统的基本知识 |
| 2.1.3 语音信号的基本特征 |
| 2.2 语音信号处理的数学模型 |
| 2.2.1 激励模型 |
| 2.2.2 声道模型 |
| 2.2.3 辐射模型 |
| 2.3 语音信号的分析方法 |
| 2.3.1 时序分析 |
| 2.3.2 频域分析 |
| 2.3.3 复倒谱分析 |
| 2.4 本章小结 |
| 第三章 数字助听器的硬件电路和关键技术 |
| 3.1 数字助听器的硬件电路设计 |
| 3.1.1 DSP语音处理芯片的选择 |
| 3.1.2 电源模块设计 |
| 3.1.3 受话器驱动电路的设计 |
| 3.1.4 PC端控制电路的设计 |
| 3.2 语音增强技术 |
| 3.3 响度补偿技术 |
| 3.4 回波反馈消除技术 |
| 3.5 本章小结 |
| 第四章 基于小波降噪的GSC结构波束合成语音增强算法研究 |
| 4.1 传统语音信号固定波束合成分析 |
| 4.1.1 固定波束形成的基本理论 |
| 4.1.2 延迟-求和固定波束形成算法分析 |
| 4.2 GSC结构的波束形成算法 |
| 4.3 改进式小波阈值去噪的GSC结构波束形成算法 |
| 4.4 实验仿真与结果分析 |
| 4.5 本章小结 |
| 第五章 基于归一化最小均方差的自适应回波抵消算法研究 |
| 5.1 自适应滤波器模型分析 |
| 5.2 基于LMS和 NLMS算法的自适应滤波器 |
| 5.2.1 最小均方差算法(LMS) |
| 5.2.2 归一化最小均方差算法 |
| 5.3 自适应滤波器的性能指标 |
| 5.4 实验仿真与结果分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）基于麦克风阵列的语音信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 课题研究现状 |
| 1.2.1 麦克风单通道语音处理 |
| 1.2.2 麦克风阵列语音处理 |
| 1.3 论文主要内容 |
| 1.4 章节安排 |
| 第2章 麦克风阵列语音信号处理基础 |
| 2.1 语音及人耳感知特性 |
| 2.2 阵列语音信号基本模型 |
| 2.2.1 麦克风阵列的拓扑关系 |
| 2.2.2 采样定理 |
| 2.3 噪声及混响特性概述 |
| 2.3.1 噪声 |
| 2.3.2 噪声场 |
| 2.3.3 混响 |
| 2.4 本章小结 |
| 第3章 麦克风单通道语音信号增强处理 |
| 3.1 语音信号的预处理 |
| 3.2 谱相减算法 |
| 3.3 维纳滤波算法 |
| 3.4 最小均方误差算法 |
| 3.5 仿真实验及其算法比较 |
| 3.6 本章小结 |
| 第4章 麦克风阵列语音信号去混响处理 |
| 4.1 固定波束形成 |
| 4.2 自适应波束形成 |
| 4.2.1 线性约束最小方差滤波算法 |
| 4.2.2 广义旁瓣抵消算法 |
| 4.3 改进的广义旁瓣抵消算法 |
| 4.4 本章小结 |
| 第5章 麦克风阵列系统设计及数据分析 |
| 5.1 实验平台搭建 |
| 5.2 麦克风的选择 |
| 5.3 声源采集系统 |
| 5.4 数据处理系统 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表(含录用)的论文及研究成果 |
（5）灾区救援应急通信系统研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 应急通信系统国内外研究现状研究与分析 |
| 1.2.1 应急通信系统国外研究现状 |
| 1.2.2 应急通信系统国内研究现状 |
| 1.3 课题主要研究内容及本文章节安排 |
| 1.4 本章小结 |
| 第2章 应急通信系统需求分析与总体方案设计 |
| 2.1 系统需求分析 |
| 2.1.1 发射端设计要求 |
| 2.1.2 中继端设计要求 |
| 2.1.3 接收端设计要求 |
| 2.2 系统总体方案设计 |
| 2.2.1 发射端、中继端和接收端设备硬件设计方案 |
| 2.2.2 无线通信设计方案 |
| 2.2.3 语音编解码算法设计方案 |
| 2.3 本章小结 |
| 第3章 应急通信系统硬件设计 |
| 3.1 发射端和接收端硬件设计 |
| 3.1.1 TMS320VC5509A简介 |
| 3.1.2 音频编解码电路设计 |
| 3.1.3 电源转换电路设计 |
| 3.1.4 串行通信电路设计 |
| 3.1.5 液晶显示电路 |
| 3.1.6 按键电路 |
| 3.1.7 LoRa无线通信电路设计 |
| 3.2 中继端硬件设计 |
| 3.2.1 STM32F103C8T6最小系统电路 |
| 3.2.2 串口信号转换电路设计 |
| 3.2.3 电源转换电路设计 |
| 3.3 本章小结 |
| 第4章 应急通信系统软件设计与通信协议设计 |
| 4.1 软件编程环境介绍 |
| 4.1.1 CCS软件编程环境介绍 |
| 4.1.2 KEIL嵌入式软件编程环境介绍 |
| 4.2 应急通信系统自定义通信协议设计 |
| 4.2.1 发射端与中继端之间通信协议的设计 |
| 4.2.2 发射端与接收端之间数据通信协议的设计 |
| 4.3 应急通信系统软件设计与实现 |
| 4.3.1 发射端软件设计 |
| 4.3.2 中继端软件设计 |
| 4.3.3 接收端软件设计 |
| 4.4 语音编解码算法设计 |
| 4.4.1 编码算法设计 |
| 4.4.2 解码算法设计 |
| 4.5 本章小结 |
| 第5章 应急通信系统性能测试与结果分析 |
| 5.1 语音编码算法测试 |
| 5.1.1 语音编码压缩比例测试 |
| 5.1.2 本地解码后语音与原语音的波形比较测试 |
| 5.2 数据传输测试 |
| 5.2.1 无线传输数据完整性测试 |
| 5.2.2 无线传输距离测试 |
| 5.3 通信协议测试 |
| 5.3.1 发射端与中继端数据通信测试 |
| 5.3.2 发射端与接收端数据通信测试 |
| 5.4 系统性能测试 |
| 5.4.1 语音质量评价方法 |
| 5.4.2 系统测试与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 课题总结 |
| 6.2 课题展望 |
| 参考文献 |
| 学期间发表的学术论文与研究成果 |
| 致谢 |
（6）车辆智能语音安全监控系统设计与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 项目研究意义及关键技术 |
| 1.5 论文总体研究思路 |
| 1.6 本章小结 |
| 第2章 基于MATLAB的语音信号分析 |
| 2.1 语音信号研究现状 |
| 2.2 语音信号的特点与采集 |
| 2.2.1 语音信号的特点 |
| 2.2.2 语音信号的采集 |
| 2.3 基于MATLAB的语音信号时域特征分析 |
| 2.3.1 原理分析 |
| 2.3.2 窗口的选择 |
| 2.3.3 短时平均过零率 |
| 2.4 基于MATLAB的语音信号频域特征分析 |
| 2.4.1 原理分析 |
| 2.4.2 时域信号的FFT分析 |
| 2.5 车内语音信号的处理 |
| 2.5.1 语音信号的基本处理 |
| 2.5.2 MATLAB对原始语音信号分析 |
| 2.5.3 MATLAB对加噪音语音信号分析 |
| 2.5.4 车内语音信号性能提升方法 |
| 2.6 本章小结 |
| 第3章 车内语音控制系统总体方案研究 |
| 3.1 语音识别技术的应用 |
| 3.2 车内语音识别算法的使用 |
| 3.3 语音识别系统硬件平台的选择 |
| 3.4 语音识别系统软件平台的选取 |
| 3.5 报警时间阈值选定 |
| 3.6 本章小结 |
| 第4章 监控系统硬件平台设计开发 |
| 4.1 系统硬件结构的组成 |
| 4.2 ARM11 S3C6410 嵌入式处理器 |
| 4.3 语音处理 WM9714 |
| 4.4 存储设备 |
| 4.5 外围设备电路设计 |
| 4.5.1 以太网接口电路 |
| 4.5.2 USB电路 |
| 4.5.3 UART电路 |
| 4.5.4 LCD显示接口电路 |
| 4.6 其他电路模块设计 |
| 4.6.1 电源管理模块 |
| 4.6.2 时钟电路 |
| 4.6.3 SD卡电路 |
| 4.7 本章小结 |
| 第5章 智能语音监控平台应用程序开发 |
| 5.1 系统软件的设计概述 |
| 5.2 Windows CE嵌入式操作系统 |
| 5.3 Windows CE6.0 系统定制与移植 |
| 5.3.1 Windows CE开发平台 |
| 5.3.2 Windows CE6.0 的定制和移植 |
| 5.4 语音智能监控应用程序开发 |
| 5.4.1 语音信号的预处理与特征提取设计 |
| 5.4.2 矢量量化与DHMM模块设计 |
| 5.4.3 系统软件的总统设计 |
| 5.4.4 语音识别应用程序的设计和实现 |
| 5.5 系统运行与测试 |
| 5.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（7）基于OMAP-L138的有限空间内语音源信号提取研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 研究的历史与现状 |
| 1.3 本文的主要工作及内容安排 |
| 2 带噪混合语音信号盲源分离算法 |
| 2.1 语音混合模型 |
| 2.2 预处理降噪 |
| 2.2.1 基本功率谱减法 |
| 2.2.2 改进功率谱减法 |
| 2.3 盲源分离 |
| 2.3.1 基本自然梯度算法 |
| 2.3.2 改进自然梯度算法 |
| 2.4 后处理去混响 |
| 2.4.1 引导频谱滤波去混响算法 |
| 2.4.2 改进引导频谱滤波去混响算法 |
| 2.5 仿真结果与评价 |
| 2.5.1 基本功率谱减法和改进功率谱减法的仿真结果与评价 |
| 2.5.2 基本自然梯度算法和改进自然梯度算法的仿真结果与评价 |
| 2.5.3 引导频谱滤波去混响算法和改进引导频谱滤波去混响算法的仿真结果与评价 |
| 2.6 本章小结 |
| 3 系统硬件平台和软件环境搭建 |
| 3.1 系统硬件平台搭建 |
| 3.1.1 系统硬件平台搭建方案 |
| 3.1.2 系统硬件平台选择 |
| 3.2 系统软件环境搭建 |
| 3.2.1 主机Linux搭建 |
| 3.2.2 终端控制台搭建 |
| 3.2.3 主机NFS文件系统配置 |
| 3.2.4 建立主机交叉编译环境 |
| 3.2.5 主机Qt开发环境搭建 |
| 3.2.6 开发板Linux搭建 |
| 3.3 本章小结 |
| 4 基于OMAP-L138 的算法移植 |
| 4.1 总体方案 |
| 4.2 DSP端程序设计 |
| 4.3 ARM端程序设计 |
| 4.3.1 主窗口界面和子线程设计 |
| 4.3.2 信号与槽机制 |
| 4.3.3 ARM端语音波形绘制程序设计 |
| 4.3.4 ARM端语音播放程序设计 |
| 4.4 内存分配设计 |
| 4.5 双核通信设计 |
| 4.5.1 双核通信的原理 |
| 4.5.2 Syslink的理论基础 |
| 4.5.3 ARM与 DSP数据交互程序设计 |
| 4.6 算法移植优化 |
| 4.7 系统工程编译与调试 |
| 4.7.1 系统工程编译 |
| 4.7.2 系统工程调试 |
| 4.8 系统工程固化 |
| 4.8.1 系统工程执行流程 |
| 4.8.2 系统工程固化 |
| 4.9 移植算法的执行结果与分析 |
| 4.10 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（8）一款小型化直升机数字式机内通话器研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源及研究意义 |
| 1.2 直升机机内通话系统技术现状与发展 |
| 1.2.1 国外技术和研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 机内通话器的发展趋势和方向 |
| 1.2.4 小型化机内通话器 |
| 1.3 论文研究内容与章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 第二章 机内通话器系统总体方案设计 |
| 2.1 机内通话器设计要求 |
| 2.1.1 功能需求 |
| 2.1.2 性能指标要求 |
| 2.1.3 语音质量要求 |
| 2.1.4 小型化要求 |
| 2.2 小型化机内通话器系统设计 |
| 2.3 基本工作流程设计 |
| 2.4 本章小结 |
| 第三章 机内通话器硬件设计与实现 |
| 3.1 语音处理盒硬件设计 |
| 3.1.1 语音处理盒模拟电路设计 |
| 3.1.2 语音处理盒数字电路设计 |
| 3.2 机通控制盒硬件设计 |
| 3.2.1 导光板设计 |
| 3.2.2 前置音频放大电路 |
| 3.2.3 采集电路设计 |
| 3.3 电路仿真设计 |
| 3.3.1 设计过程 |
| 3.3.2 电路仿真 |
| 3.3.3 设计验证 |
| 3.4 本章小结 |
| 第四章 机内通话器软件设计与实现 |
| 4.1 单片机工作软件 |
| 4.1.1 面板状态采集模块设计 |
| 4.1.2 面板状态显示模块 |
| 4.1.3 通信模块设计 |
| 4.2 系统可编程器件逻辑编程 |
| 4.2.1 422 通信模块设计 |
| 4.2.2 离散量采集模块设计 |
| 4.2.3 模拟音频采集和输出模块设计 |
| 4.3 DSP软件设计 |
| 4.3.1 系统初始化和自检模块设计 |
| 4.3.2 语音数据压缩解压模块设计 |
| 4.3.3 语音数据数字混音处理 |
| 4.3.4 音频数据采集和输出模块设计 |
| 4.3.5 降噪模块软件 |
| 4.3.6 静噪模块软件 |
| 4.4 PC测试界面设计 |
| 4.4.1 验证功能介绍 |
| 4.4.2 LabVIEW介绍 |
| 4.4.3 人机界面设计与实现 |
| 4.5 本章小结 |
| 第五章 机内通话器试验测试 |
| 5.1 项目测试验证 |
| 5.1.1 项目完成情况 |
| 5.1.2 项目测试验证 |
| 5.2 小型化测试验证 |
| 5.2.1 测试要求 |
| 5.2.2 测试过程 |
| 5.2.3 测试结果 |
| 5.3 性能指标测试验证 |
| 5.3.1 测试要求 |
| 5.3.2 测试方法 |
| 5.3.3 项目结果 |
| 5.4 基本通话功能测试验证 |
| 5.4.1 测试要求 |
| 5.4.2 测试过程 |
| 5.4.3 测试结果 |
| 5.5 带噪环境通话功能测试验证 |
| 5.5.1 测试要求 |
| 5.5.2 测试过程 |
| 5.5.3 测试结果 |
| 5.6 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（9）基于DSP的语音处理教学实验平台设计（论文提纲范文）
| 0 引言 |
| 1 语音处理系统硬件设计 |
| 1.1 音频CODEC模块 |
| 1.2 DSP模块 |
| 1.3 存储器扩展模块 |
| 1.4 电源管理 |
| 1.5 人机接口模块 |
| 2 语音处理平台实验项目设计 |
| 2.1硬件平台的搭建实验 |
| 2.2 语音信号处理算法实验 |
| 3 结束语 |
（10）基于DSP的语音信号压缩通信系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与发展趋势 |
| 1.2.1 语音编码技术研究现状 |
| 1.2.2 语音编码技术发展趋势 |
| 1.3 论文主要工作与安排 |
| 1.4 本章小结 |
| 第2章G.723.1 编码算法的研究 |
| 2.1 语音编码技术的评价指标 |
| 2.2 G.723.1 编码过程 |
| 2.2.1 整帧处理部分 |
| 2.2.2 子帧处理部分 |
| 2.2.3 信息打包发送 |
| 2.3 G.723.1 解码过程 |
| 2.4 算法的运算耗时分析 |
| 2.5 C代码优化 |
| 2.5.1 算法优化 |
| 2.5.2 程序优化 |
| 2.6 本章小结 |
| 第3章 算法在局域网通信系统中的实现 |
| 3.1 数据传输技术介绍 |
| 3.2 系统的总体设计方案 |
| 3.3 音频信号的采集 |
| 3.4 音频信号的传输 |
| 3.5 系统实现及结果分析 |
| 3.5.1 系统实现 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第4章 算法在DSP上的优化实现 |
| 4.1 TMS320VC5402处理器介绍 |
| 4.1.1 特点 |
| 4.1.2 性能介绍 |
| 4.2 C代码移植 |
| 4.3 汇编优化 |
| 4.3.1 汇编语言的使用 |
| 4.3.2 内联函数的使用 |
| 4.3.3 特殊指令的使用 |
| 4.3.4 特殊位的使用 |
| 4.4 优化结果与性能分析 |
| 4.4.1 占用时钟分析 |
| 4.4.2 编解延时分析 |
| 4.4.3 语音质量分析 |
| 4.5 本章小结 |
| 第5章 基于DSP的语音压缩通信系统设计 |
| 5.1 总体设计方案 |
| 5.2 系统硬件设计 |
| 5.2.1 电源和时钟模块 |
| 5.2.2 外扩存储模块 |
| 5.2.3 模数转换模块 |
| 5.2.4 网络接口模块 |
| 5.3 系统软件设计 |
| 5.3.1 DSP芯片的初始化 |
| 5.3.2 A/D采集模块 |
| 5.3.3 数据编码部分 |
| 5.3.4 网络控制模块 |
| 5.3.5 界面程序 |
| 5.4 DSP与PC间的传输验证 |
| 5.5 系统的测试与结果分析 |
| 5.5.1 系统测试 |
| 5.5.2 实时性分析 |
| 5.6 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学位论文 |
| 致谢 |
四、基于DSP5402的语音处理系统的研究（论文参考文献）
- [1]基于深度神经网络的回声消除算法的研究与实现[D]. 申学帅. 扬州大学, 2020(04)
- [2]婴儿哭声检测报警系统的设计与实现[D]. 杭慧陶. 浙江工业大学, 2020(02)
- [3]面向老年人的数字助听器关键技术研究[D]. 王敏敏. 合肥工业大学, 2020(02)
- [4]基于麦克风阵列的语音信号处理算法研究[D]. 朱雨薇. 沈阳航空航天大学, 2019(04)
- [5]灾区救援应急通信系统研究与实现[D]. 周栋. 北京工商大学, 2019(12)
- [6]车辆智能语音安全监控系统设计与应用[D]. 林少宏. 西南交通大学, 2019(03)
- [7]基于OMAP-L138的有限空间内语音源信号提取研究与实现[D]. 严发鑫. 兰州交通大学, 2019(04)
- [8]一款小型化直升机数字式机内通话器研究[D]. 余亮亮. 上海交通大学, 2019(06)
- [9]基于DSP的语音处理教学实验平台设计[J]. 于永江,王菲. 电子测试, 2016(17)
- [10]基于DSP的语音信号压缩通信系统的研究[D]. 冯金金. 江苏科技大学, 2016(03)