病态嗓音特征提取研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 病态嗓音识别的一般分析过程 | 第9页 |
| 1.3 病态嗓音识别研究现状 | 第9-12页 |
| 1.4 本文主要研究内容 | 第12页 |
| 1.5 本文各章节组织结构 | 第12-13页 |
| 第2章 声学特征参数与模式识别理论 | 第13-27页 |
| 2.1 数据采集 | 第13页 |
| 2.2 传统声学特征参数 | 第13-15页 |
| 2.2.1 基频、频率微扰与振幅微扰 | 第13-14页 |
| 2.2.2 Mel频域倒谱系数 | 第14-15页 |
| 2.2.3 线性预测倒谱系数(LPCC) | 第15页 |
| 2.2.4 共振峰 | 第15页 |
| 2.3 非线性特征参数 | 第15-21页 |
| 2.3.1 相空间重构 | 第16页 |
| 2.3.2 吸引子 | 第16-17页 |
| 2.3.3 计盒维数与计维截距 | 第17页 |
| 2.3.4 最大Lyapunov指数 | 第17-18页 |
| 2.3.5 Hurst参数 | 第18-19页 |
| 2.3.6 香农熵 | 第19页 |
| 2.3.7 二阶Renyi熵 | 第19页 |
| 2.3.8 样本熵 | 第19-20页 |
| 2.3.9 模糊熵 | 第20-21页 |
| 2.3.10 多尺度熵 | 第21页 |
| 2.4 模式识别 | 第21-26页 |
| 2.4.1 BP神经网络 | 第22-24页 |
| 2.4.2 支持向量机 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于BP神经网络的特征优化 | 第27-33页 |
| 3.1 基于BP神经网络特征选择的原理 | 第27-29页 |
| 3.2 特征排序实验及结果分析 | 第29-31页 |
| 3.2.1 BP神经网络的参数设置 | 第29-30页 |
| 3.2.2 实验中所使用的特征参数 | 第30页 |
| 3.2.3 特征排序结果 | 第30-31页 |
| 3.3 基于SVM的病态嗓音识别结果 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于小波变换的特征提取 | 第33-50页 |
| 4.1 嗓音产生机制 | 第33-34页 |
| 4.2 同态处理 | 第34-35页 |
| 4.3 基于二进离散小波变换的特征提取 | 第35-44页 |
| 4.3.1 小波变换的基本概念 | 第35-36页 |
| 4.3.2 二进离散小波变换分解与重构原理 | 第36-38页 |
| 4.3.3 基于二进离散小波变换的嗓音信号分离 | 第38-40页 |
| 4.3.4 实验结果分析 | 第40-44页 |
| 4.4 基于小波包变换的病态嗓音特征提取 | 第44-49页 |
| 4.4.1 小波包分解原理 | 第44-45页 |
| 4.4.2 实验结果分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 技术创新点 | 第50-51页 |
| 5.3 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 致谢 | 第57-58页 |
