| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 咳嗽信号识别的目的及意义 | 第10页 |
| 1.2 咳嗽信号识别技术的发展历史以及国内外现状 | 第10-14页 |
| 1.2.1 语音识别的发展历史 | 第11-13页 |
| 1.2.2 咳嗽信号识别技术的研究情况 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-16页 |
| 1.3.1 研究的内容与目标 | 第14页 |
| 1.3.2 论文的内容安排 | 第14-16页 |
| 第二章 咳嗽识别系统基本框架及咳嗽识别算法 | 第16-27页 |
| 2.1 需求分析 | 第16-17页 |
| 2.2 户外录音咳嗽识别系统的特点 | 第17页 |
| 2.3 咳嗽信号识别系统的系统框架 | 第17-20页 |
| 2.4 咳嗽信号识别系统的性能评估标准 | 第20页 |
| 2.5 咳嗽识别方法及原理 | 第20-26页 |
| 2.5.1 DTW 模型 | 第21-24页 |
| 2.5.2 咳嗽特征模板训练算法 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 咳嗽信号的时域分析与端点检测 | 第27-43页 |
| 3.1 咳嗽信号的生理过程 | 第27-31页 |
| 3.1.1 人的发声器官 | 第27-28页 |
| 3.1.2 咳嗽的发生机理及声学特性 | 第28-31页 |
| 3.2 咳嗽信号的时域特征与短时时域分析 | 第31-38页 |
| 3.2.1 咳嗽信号的时域特征 | 第31-32页 |
| 3.2.2 咳嗽信号的预处理 | 第32页 |
| 3.2.3 咳嗽信号的短时平均能量和短时平均幅度 | 第32-36页 |
| 3.2.4 咳嗽信号的短时平均过零率 | 第36-38页 |
| 3.3 户外咳嗽录音的端点检测 | 第38-41页 |
| 3.3.1 语音端点检测的常见方法以及值得咳嗽借鉴之处 | 第38-40页 |
| 3.3.2 基于能量和过零率的咳嗽信号端点检测 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 特征提取 | 第43-58页 |
| 4.1 简介 | 第43-44页 |
| 4.2 咳嗽信号的频域分析 | 第44-48页 |
| 4.3 基于人耳听觉特性的特征参数 | 第48-54页 |
| 4.3.1 人耳的听觉过程 | 第48-50页 |
| 4.3.2 过零峰值幅度(ZCPA) | 第50-51页 |
| 4.3.3 Mel 频率倒谱参数(MFCC) | 第51-54页 |
| 4.4 基于咳嗽信号特征的 MFCC 改进 | 第54-56页 |
| 4.4.1 特征参数的差分选择 | 第54-55页 |
| 4.4.2 局部特征提取 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 DTW 在咳嗽识别系统中的应用 | 第58-69页 |
| 5.1 户外录音样本采集与分析 | 第58-59页 |
| 5.2 户外录音咳嗽信号的 DTW 搜索路径 | 第59-61页 |
| 5.3 基于 DTW 方法的咳嗽识别系统仿真实现 | 第61-62页 |
| 5.4 咳嗽信号识别结果与对比 | 第62-64页 |
| 5.5 实验结果分析 | 第64-67页 |
| 5.5.1 咳嗽信号识别率与漏检率分析 | 第64-66页 |
| 5.5.2 基于 DTW 方法的咳嗽识别系统识别效果分析 | 第66-67页 |
| 5.6 本章小结 | 第67-69页 |
| 结论与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |