咳嗽音特征提取及在身份识别中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·咳嗽音识别的研究现状 | 第8-11页 |
| ·语音识别的研究历史及现状 | 第9-10页 |
| ·咳嗽音识别的研究现状 | 第10-11页 |
| ·本文研究内容 | 第11-13页 |
| ·研究内容 | 第11页 |
| ·组织结构及创新点 | 第11-13页 |
| 第二章 咳嗽音的基础知识 | 第13-24页 |
| ·发声器官的结构 | 第13-15页 |
| ·咳嗽音信号的产生机理及模型 | 第15-16页 |
| ·咳嗽的产生机理 | 第15页 |
| ·咳嗽音信号的产生模型 | 第15-16页 |
| ·咳嗽音信号特性分析 | 第16-23页 |
| ·咳嗽音信号的时域特性 | 第16-17页 |
| ·短时能量 | 第17-19页 |
| ·短时平均幅度 | 第19-20页 |
| ·短时平均过零率 | 第20-21页 |
| ·咳嗽音信号频域特性分析 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 咳嗽音信号特征提取 | 第24-36页 |
| ·预处理 | 第24-27页 |
| ·预加重 | 第24-25页 |
| ·端点检测 | 第25-26页 |
| ·分帧加窗 | 第26-27页 |
| ·咳嗽音特征参数提取 | 第27-35页 |
| ·线性预测（LPC）特征参数 | 第28-29页 |
| ·线性预测倒谱（LPCC）特征参数 | 第29-30页 |
| ·美尔倒谱（MFCC）特征参数 | 第30-32页 |
| ·差分MFCC 特征参数 | 第32-33页 |
| ·改进的MFCC 特征参数 | 第33-34页 |
| ·组合特征参数 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 识别方法介绍 | 第36-45页 |
| ·动态时间规整方法（DTW） | 第36-39页 |
| ·DTW 基本原理 | 第36-38页 |
| ·DTW 模板训练方法 | 第38-39页 |
| ·高斯混合模型(GMM) | 第39-44页 |
| ·GMM 基本原理 | 第39-40页 |
| ·GMM 的参数估计 | 第40-43页 |
| ·GMM 参数初始化 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 咳嗽音身份识别的实验研究 | 第45-54页 |
| ·实验条件 | 第45-46页 |
| ·实验平台 | 第45页 |
| ·实验数据 | 第45-46页 |
| ·基于DTW 的咳嗽音身份识别实验 | 第46-48页 |
| ·结构框图 | 第46页 |
| ·实验结果及分析 | 第46-48页 |
| ·基于GMM 的咳嗽音身份识别实验 | 第48-53页 |
| ·结构框图 | 第48-49页 |
| ·采用不同GMM 阶数的实验结果及分析 | 第49-50页 |
| ·采用不同特征参数的实验结果及分析 | 第50-51页 |
| ·噪声环境下的实验结果及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士研究生期间研究成果 | 第60页 |
