| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 本文的主要内容与创新 | 第11页 |
| 1.3 数字音乐质量监测方法的国内外研究历史与现状 | 第11-13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 系统分析与架构分析 | 第15-20页 |
| 2.1 系统需求 | 第15-17页 |
| 2.2 数字音乐质量检测系统解决方案 | 第17-18页 |
| 2.3 数字音乐质量系统架构 | 第18-20页 |
| 第三章 数字音乐噪声监测模块 | 第20-42页 |
| 3.1 音频信号采集与分析 | 第20-26页 |
| 3.1.1 音频信号采集方案 | 第20-22页 |
| 3.1.2 LABVIEW软件介绍 | 第22-23页 |
| 3.1.3 基于LABVIEW的虚拟示波器 | 第23-24页 |
| 3.1.4 虚拟分析仪实现 | 第24-26页 |
| 3.2 音频特征分析 | 第26-32页 |
| 3.2.1 短时能量EN | 第26-27页 |
| 3.2.2 过零率 | 第27-28页 |
| 3.2.3 自相关函数 | 第28-30页 |
| 3.2.4 基音周期 | 第30-31页 |
| 3.2.5 线性预测系数（LPC） | 第31页 |
| 3.2.6 梅尔刻度特征参数（MFCC） | 第31-32页 |
| 3.3 音频特征提取 | 第32-37页 |
| 3.3.1 音频帧确定 | 第32-34页 |
| 3.3.2 快速特征提取 | 第34-35页 |
| 3.3.3 特征提取实现 | 第35-36页 |
| 3.3.4 滤波器选择 | 第36-37页 |
| 3.4 核心算法实现介绍 | 第37-40页 |
| 3.4.1 无监督分类对样本进行类聚 | 第37-38页 |
| 3.4.2 基于最小风险率贝叶斯算法的噪音监测 | 第38-39页 |
| 3.4.3 分类模型参数学习的预判方法 | 第39-40页 |
| 3.5 模块技术指标 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 数字音乐合规性检测模块 | 第42-44页 |
| 4.1 数字音乐合规性检测模块需求 | 第42页 |
| 4.2 数字音乐合规性检测方法 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 系统集成与测试 | 第44-53页 |
| 5.1 系统集成 | 第44-46页 |
| 5.1.1 软件环境 | 第45页 |
| 5.1.2 硬件环境 | 第45-46页 |
| 5.1.3 网络环境 | 第46页 |
| 5.2 系统测试 | 第46-52页 |
| 5.2.1 音乐合规性检测功能及测试 | 第46-48页 |
| 5.2.2 音乐质量检测功能及测试 | 第48-50页 |
| 5.2.3 文件对比检测功能及测试 | 第50-51页 |
| 5.2.4 用户管理功能及测试 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 全文总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53页 |
| 6.2 后续工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录一 特征提取分析 | 第58-62页 |
| 附录二 数字滤波器选择 | 第62-88页 |