咳嗽音识别方法的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·声音检测技术概述 | 第13-16页 |
| ·语音识别与检测 | 第13-15页 |
| ·非语音声音信号检测技术 | 第15-16页 |
| ·本文的工作和文章的安排 | 第16-18页 |
| ·本文主要研究内容 | 第16-17页 |
| ·论文的内容组织 | 第17-18页 |
| 2 咳嗽识别的相关理论基础 | 第18-31页 |
| ·傅立叶分析 | 第18-19页 |
| ·傅立叶变换 | 第18页 |
| ·短时傅立叶变换 | 第18-19页 |
| ·小波分析 | 第19-23页 |
| ·小波分析概述 | 第19-20页 |
| ·连续小波变换 | 第20-21页 |
| ·离散小波变换 | 第21-22页 |
| ·多分辨率分析 | 第22-23页 |
| ·小波包信号分解 | 第23-26页 |
| ·隐马尔可夫模型 | 第26-30页 |
| ·隐马尔可夫(HMM) | 第26-28页 |
| ·隐马尔可夫模型的三个基本问题 | 第28页 |
| ·HMM 模型的基本算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 咳嗽信号的预处理 | 第31-42页 |
| ·预加重 | 第31页 |
| ·分帧 | 第31-32页 |
| ·去噪 | 第32-33页 |
| ·端点检测 | 第33-40页 |
| ·咳嗽音的时域特征 | 第33-34页 |
| ·短时能量 | 第34-35页 |
| ·短时平均过零率 | 第35页 |
| ·传统端点检测方法 | 第35-36页 |
| ·改进端点检测方法 | 第36-40页 |
| ·改进的端点检测实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 疑似咳嗽音的特征提取和识别 | 第42-52页 |
| ·疑似咳嗽音的特征提取 | 第42-47页 |
| ·线性预测编码(LPC) | 第42-44页 |
| ·线性预测倒谱系数(LPCC) | 第44-45页 |
| ·MEL 频率倒谱系数(MFCC) | 第45-47页 |
| ·疑似咳嗽音的识别 | 第47-48页 |
| ·HMM 模型的初始化 | 第47页 |
| ·HMM 模型的训练 | 第47-48页 |
| ·HMM 模型的识别 | 第48页 |
| ·实验 | 第48-51页 |
| ·单一特征阶数选取的实验 | 第48-49页 |
| ·组合特征参数实验 | 第49-50页 |
| ·HMM 状态数及混合高斯数选取实验 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于小波包的特征参数提取的研究 | 第52-61页 |
| ·疑似咳嗽音的特性分析 | 第52-54页 |
| ·声音信号的分析方法 | 第52页 |
| ·疑似咳嗽音的特性分析 | 第52-54页 |
| ·基于小波包的特征参数提取 | 第54-58页 |
| ·基于最小小波熵的小波包分解 | 第54-56页 |
| ·直接小波包特征参数 | 第56-57页 |
| ·基于小波包的特征提取 | 第57-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·实验数据简介 | 第58页 |
| ·运用MFCC 和本文提取的特征对识别结果的比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
