基于循环神经网络的声学车型识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究目的、背景及意义 | 第14-15页 |
| 1.2 车型识别研究现状 | 第15-16页 |
| 1.3 本文的主要研究内容 | 第16-18页 |
| 第二章 声音识别模型和循环神经网络 | 第18-34页 |
| 2.1 声音识别研究内容及流程 | 第18-19页 |
| 2.2 声音识别常见模型 | 第19-24页 |
| 2.2.1 模板匹配模型 | 第19-20页 |
| 2.2.2 高斯混合模型 | 第20-21页 |
| 2.2.3 神经网络模型 | 第21-24页 |
| 2.3 循环神经网络 | 第24-32页 |
| 2.3.1 循环神经网络简介 | 第25-27页 |
| 2.3.2 长短时间记忆单元 | 第27-29页 |
| 2.3.3 双向LSTM网络 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 训练数据获取与预处理 | 第34-44页 |
| 3.1 原始声音信号采集 | 第34-35页 |
| 3.2 训练测试数据处理 | 第35-40页 |
| 3.2.1 训练测试数据获取 | 第35-38页 |
| 3.2.2 数据的特征提取 | 第38-40页 |
| 3.3 数据的保存读取方式 | 第40-42页 |
| 3.3.1 数据的存储 | 第40-41页 |
| 3.3.2 数据的读取 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于双向LSTM的车辆噪声识别算法实现 | 第44-52页 |
| 4.1 LSTM网络实现框架选择 | 第44-45页 |
| 4.2 LSTM网络参数设定 | 第45-46页 |
| 4.3 实验结果及分析 | 第46-50页 |
| 4.3.1 高斯混合模型实验 | 第47页 |
| 4.3.2 无反馈神经网络实验 | 第47-48页 |
| 4.3.3 循环神经网络实验 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文内容总结 | 第52-53页 |
| 5.2 未来与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |
