| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的意义 | 第7页 |
| ·国内外研究现状及发展趋势 | 第7-9页 |
| ·本文的主要研究工作 | 第9-10页 |
| ·论文结构安排 | 第10-13页 |
| 第二章 声频分类的基本理论 | 第13-21页 |
| ·声频分类方法 | 第13页 |
| ·常用声学特征 | 第13-16页 |
| ·主要分类器原理 | 第16-19页 |
| ·硬性k 均值聚类原理 | 第16页 |
| ·自组织网络原理 | 第16-17页 |
| ·支持向量机原理 | 第17-19页 |
| ·遗传算法原理 | 第19页 |
| ·匹配追踪算法原理 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于样本熵及多特征融合的声频分类 | 第21-29页 |
| ·基于样本熵的自然界声频/人工声频分类 | 第21-23页 |
| ·基于样本熵的自然界声频/人工声频分类的原理 | 第21-22页 |
| ·算法步骤 | 第22页 |
| ·仿真实验结果及分析 | 第22-23页 |
| ·基于多特征融合的声频小类分类 | 第23-28页 |
| ·小类声频的多样性 | 第23-25页 |
| ·特征融合规则 | 第25-26页 |
| ·仿真实验结果及分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于MP 稀疏分解原子参数特征的声频分类 | 第29-37页 |
| ·声频信号与MP 稀疏分解原子参数的联系 | 第29-32页 |
| ·稀疏分解Gabor 原子参数与乐器及鸟类叫声信号的联系 | 第32页 |
| ·算法步骤 | 第32-33页 |
| ·仿真实验与结果分析 | 第33-36页 |
| ·稀疏分解原子参数 | 第33页 |
| ·前n 个原子数与分类正确率的关系 | 第33-35页 |
| ·稀疏分解原子参数与MFCC 分别作为特征时分类正确率对比 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于乐器机理改进MP 稀疏分解原子参数的乐器分类 | 第37-43页 |
| ·乐器信号中MP 稀疏分解Gabor 原子参数的规律性 | 第37-38页 |
| ·算法实现步骤 | 第38-40页 |
| ·仿真实验结果及分析 | 第40-41页 |
| ·改进算法与原始MP 算法提取的原子参数对比 | 第40-41页 |
| ·两种算法的运行时间对比 | 第41页 |
| ·两种算法的分类正确率对比 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第六章 利用遗传算法改进自组织网络初始权值的声频分类方法 | 第43-49页 |
| ·利用遗传算法改进自组织网络初始权值的原理 | 第43-44页 |
| ·算法实现步骤 | 第44页 |
| ·仿真实验与结果分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第七章 总结与展望 | 第49-51页 |
| ·全文内容总结 | 第49页 |
| ·展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |
