1. 毕业设计（论文）主要内容：
语音编码是对含有语音的数字音频信号进行数据压缩的一种应用。
在生活中，高码率的音频信号数据量大，传输与存储成本都较高，为了使信号便于处理、传输和存储，就需要对语音信号进行压缩。
在保持语音高质量的前提下，占用尽可能少的通信容量，意味着能够在一定的宽带内传输更多的高质量语音，因此对语音编码技术的研究在数字语音通信中具有重要的应用价值。
2. 毕业设计（论文）主要任务及要求
1、 训练准备：了解语音信号基础与传统语音编码技术；准备不同说话者、不同方言等情况下的宽带语音信号作为语音编码训练库；传统编码技术需要提取复杂的声学特征，深度学习方法中只需从原始语音信号中提取语音样本作为特征参数，训练一个端对端的语音编码框架；
2、 深度神经网络训练：构建基于深度神经网络的语音编码框架，框架由两部分构成：Encoder部分学习输入语音中最优的紧凑表示，得到压缩后的编码信息，Decoder部分从编码信息中重构出高质量的宽带语音。通过压缩、重构语音信号与其它约束项，找到给定码率下最高质量的语音信号，训练初性能优越的深度神经网络是该研究最为核心的部分；
3、 语音合成：将测试用宽带语音转换到低码率下的特征参数所在域，利用深度神经网络所学习的宽带语音与压缩后语音之间的映射关系，得到给定比特率下的语音信号。
3. 毕业设计（论文）完成任务的计划与安排
1、 2019年1月11日-2019年1月31日：阅读深度学习、语音信号基础与传统语音编码技术相关的文献，构建语音编码实验数据集；
2、 2019年2月1日-2019年2月28日：针对性的学习编程语言、算法，理解目前现有的语音编码技术，并尝试搭建神经网络框架，完成开题报告；
4. 主要参考文献
[1] KankanahalliS.End-to-End Optimized Speech Coding with Deep Neural Networks[J]. In:Acoustics, Speech and Signal Processing(ICASSP), 2018 IEEE InternationalConference on. IEEE, 2018, pp. 2521-2525.
[2]Shigeo Morishima, H Harashima, and Y Katayama.Speech coding based on amulti-layer neural network. In: Communications, 1990. ICC’90, IncludingSupercomm Technical Sessions. SUPERCOMM/ICC’90. Conference Record., IEEEInternational Conference on. IEEE, 1990, pp. 429–433.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
