基于音频的数字媒体中乐器识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·课题背景及研究的目的和意义 | 第9-10页 |
| ·国内外在该方向的研究现状 | 第10-11页 |
| ·本文研究的内容 | 第11-12页 |
| 第2章 乐器识别中的预处理和特征提取 | 第12-22页 |
| ·音乐信号的预处理 | 第12-14页 |
| ·采样与量化 | 第12页 |
| ·预加重处理 | 第12-13页 |
| ·分帧和加窗 | 第13-14页 |
| ·LPCC特征 | 第14-16页 |
| ·LPCC的定义 | 第14页 |
| ·LPCC的提取 | 第14-16页 |
| ·LPCC的分析 | 第16页 |
| ·MFCC特征 | 第16-19页 |
| ·MFCC的定义 | 第16-17页 |
| ·MFCC的提取 | 第17-19页 |
| ·MFCC的分析 | 第19页 |
| ·差分系数的提取 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 高斯混合模型在乐器识别中的应用 | 第22-31页 |
| ·高斯混合模型的基本概念 | 第22-24页 |
| ·高斯混合模型的含义 | 第22-23页 |
| ·高斯混合模型的描述 | 第23-24页 |
| ·高斯混合模型的训练 | 第24页 |
| ·EM算法 | 第24-27页 |
| ·EM算法的含义 | 第25页 |
| ·EM算法的原理 | 第25-26页 |
| ·EM算法估计GMM的参数 | 第26-27页 |
| ·GMM参数的初始化 | 第27-29页 |
| ·常用方法简述 | 第28页 |
| ·K-均值聚类算法 | 第28-29页 |
| ·乐器识别系统的判别准则 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第4章 基于自适应谐振思想的乐器识别方法 | 第31-40页 |
| ·自适应谐振网络 | 第31-36页 |
| ·网络系统结构 | 第31-32页 |
| ·网络运行原理 | 第32-34页 |
| ·网络学习算法 | 第34-36页 |
| ·系统构建和阈值选择 | 第36-39页 |
| ·系统构建 | 第36-37页 |
| ·阈值选择 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 乐器识别系统实现与实验分析 | 第40-54页 |
| ·系统构建 | 第40-41页 |
| ·系统框图 | 第40页 |
| ·系统中实际应用问题 | 第40-41页 |
| ·实验条件 | 第41页 |
| ·软硬件条件 | 第41页 |
| ·实验乐曲库 | 第41页 |
| ·系统性能研究 | 第41-49页 |
| ·测试乐曲长度对识别结果的影响 | 第41-45页 |
| ·LPCC特征和MFCC特征对识别结果的影响 | 第45-46页 |
| ·高斯混合模型的阶数对识别结果的影响 | 第46-47页 |
| ·帧长对识别结果的影响 | 第47-49页 |
| ·基于改进EM算法的乐器识别系统的研究 | 第49-51页 |
| ·改进EM算法 | 第49页 |
| ·实验结果及其分析 | 第49-51页 |
| ·基于自适应谐振思想的乐器识别系统的实验分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
