| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 钱塘江涌潮检测研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究与发展现状 | 第11-12页 |
| 1.2.1 传统涌潮检测方法 | 第11页 |
| 1.2.2 声音识别的发展历史与现在 | 第11-12页 |
| 1.3 声音识别的基本介绍 | 第12-14页 |
| 1.3.1 声音识别常见的特征参数 | 第12-13页 |
| 1.3.2 声音识别常用的建模方法 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 频谱特征提取算法在声音识别中的应用 | 第16-28页 |
| 2.1 涌潮声音信号时域、频域分析 | 第16-17页 |
| 2.1.1 涌潮声音信号时域波形 | 第16页 |
| 2.1.2 涌潮声音频域特性 | 第16-17页 |
| 2.2 涌潮声音特征提取 | 第17-26页 |
| 2.2.1 声音信号的预处理 | 第17-20页 |
| 2.2.1.1 声音信号预加重 | 第18页 |
| 2.2.1.2 声音信号的分帧与加窗 | 第18-19页 |
| 2.2.1.3 声音信号的端点检测 | 第19-20页 |
| 2.2.2 LPCC特征提取 | 第20-23页 |
| 2.2.3 MFCC特征值提取 | 第23-26页 |
| 2.3 声音信号动态特征参数的提取 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 声音识别算法的研究 | 第28-37页 |
| 3.1 BP神经网络 | 第28-32页 |
| 3.1.1 BP神经网络原理及结构 | 第28-31页 |
| 3.1.2 设计BP神经网络的过程 | 第31-32页 |
| 3.2 支持向量机(SVM) | 第32-36页 |
| 3.2.1 支持向量机原理与结构 | 第32-34页 |
| 3.2.2 非线性支持向量机 | 第34-35页 |
| 3.2.3 支持向量机核函数和参数的选择 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于LPCC与BP神经网络的涌潮检测方法 | 第37-43页 |
| 4.1 实验软件介绍 | 第37页 |
| 4.2 涌潮声音的采集与声音库的建立 | 第37-38页 |
| 4.3 涌潮声音识别系统的构建 | 第38-39页 |
| 4.3.1 声音信号的预处理 | 第38页 |
| 4.3.2 声音信号的特征值提取 | 第38-39页 |
| 4.3.3 模型的训练与识别 | 第39页 |
| 4.4 实验结果分析与研究 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 基于MFCC与支持向量机的涌潮检测方法 | 第43-53页 |
| 5.1 实验软件介绍 | 第43页 |
| 5.2 涌潮声音的采集与声音库的建立 | 第43页 |
| 5.3 涌潮声音识别系统的构建 | 第43-45页 |
| 5.3.1 声音信号的预处理 | 第43-44页 |
| 5.3.2 声音信号的特征值提取 | 第44-45页 |
| 5.3.3 模型的训练与识别 | 第45页 |
| 5.4 实验结果分析与研究 | 第45-49页 |
| 5.4.1 MFCC特征参数在不同核函数下的识别效果 | 第45-47页 |
| 5.4.2 LPCC与支持向量机组合的识别效果 | 第47-48页 |
| 5.4.3 BP神经网络对比识别的精度 | 第48-49页 |
| 5.5 基于 C | 第49-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 研究工作总结 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |