| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 咳嗽音识别技术以及研究现状 | 第9-11页 |
| 1.2.1 咳嗽音识别技术 | 第9-10页 |
| 1.2.2 咳嗽音识别的研究现状 | 第10-11页 |
| 1.3 本文的研究内容和意义 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第2章 Hilbert-Huang变换(HHT)和隐马尔可夫模型(HMM) | 第13-28页 |
| 2.1 Hilbert-Huang变换中的重要概念 | 第13-20页 |
| 2.1.1 瞬时频率 | 第14-15页 |
| 2.1.2 本征模态函数 | 第15-16页 |
| 2.1.3 经验模态分解 | 第16-19页 |
| 2.1.4 Hilbert谱 | 第19-20页 |
| 2.2 Hilbert-Huang变换的有效性 | 第20-21页 |
| 2.3 HMM模型 | 第21-27页 |
| 2.3.1 HMM的基本概念和定义 | 第21-22页 |
| 2.3.2 HMM的三个基本问题 | 第22页 |
| 2.3.3 HMM的基本算法 | 第22-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于HHT的咳嗽音特征提取研究 | 第28-38页 |
| 3.1 咳嗽音的特征分析 | 第28-29页 |
| 3.1.1 咳嗽音的时域特征 | 第28页 |
| 3.1.2 咳嗽音的频域特征 | 第28-29页 |
| 3.2 MFCC特征参数提取 | 第29-31页 |
| 3.3 MFCC1特征参数提取 | 第31-32页 |
| 3.4 基于去除缓慢变化趋势特征参数提取 | 第32-35页 |
| 3.4.1 SMFCC、SMFCC1特征参数提取 | 第33页 |
| 3.4.2 SWMFCC、SWMFCC1特征参数提取 | 第33-35页 |
| 3.5 基于Hilbert边际谱特征参数提取 | 第35-37页 |
| 3.5.1 SECC特征参数提取 | 第35页 |
| 3.5.2 STECC特征提取 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于HMM模型的咳嗽音识别 | 第38-50页 |
| 4.1 实验数据说明 | 第38页 |
| 4.2 基于HMM模型识别系统的各项参数最佳选取 | 第38-40页 |
| 4.2.1 HMM结构的选择 | 第38-39页 |
| 4.2.2 HMM类型的选择 | 第39页 |
| 4.2.3 HMM状态数和高斯混合数的选择 | 第39-40页 |
| 4.3 基于HMM模型的咳嗽音识别系统实现 | 第40-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56-57页 |
