基于声音时频谱图像特征的两层分类方法
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究背景与意义 | 第8页 |
| ·相关研究现状 | 第8-9页 |
| ·环境声音识别概述 | 第9-11页 |
| ·预处理和音频特征的提取 | 第10-11页 |
| ·分类模型 | 第11页 |
| ·本文主要研究内容 | 第11-13页 |
| ·课题研究的内容与创新 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 第二章 相关预处理与音频特征 | 第13-24页 |
| ·相关预处理 | 第13-17页 |
| ·短时平均幅度 | 第13-14页 |
| ·短时自相关分析 | 第14-16页 |
| ·基于短时平均幅度与短时自相关分析的端点检测 | 第16-17页 |
| ·音频特征 | 第17-24页 |
| ·常用音频特征 | 第17-22页 |
| ·Mel频率倒谱系数(MFCC) | 第17-19页 |
| ·线性预测分析 | 第19-22页 |
| ·基于本文算法的音频特征 | 第22-24页 |
| 第三章 图像处理知识及相关改进 | 第24-29页 |
| ·RGB颜色空间模型 | 第24-25页 |
| ·伪彩色映射 | 第25-27页 |
| ·强度分层 | 第25-26页 |
| ·色图映射法 | 第26-27页 |
| ·颜色矩特征的提取 | 第27-29页 |
| 第四章 分类技术及改进 | 第29-37页 |
| ·k近邻分类法(KNN) | 第29-30页 |
| ·基于KNN改进的逐步聚类算法 | 第30-31页 |
| ·支持向量机(SVM) | 第31-37页 |
| ·线性分类器 | 第31-34页 |
| ·非线性分类器 | 第34-35页 |
| ·多类分类技术 | 第35-37页 |
| ·一对多 | 第35-36页 |
| ·一对一 | 第36-37页 |
| 第五章 基于时频谱图的两层环境声音识别 | 第37-45页 |
| ·有效分段平均长度的获取 | 第37-38页 |
| ·逐步聚类实现第一层分类 | 第38-39页 |
| ·彩色时频谱图像的生成 | 第39-43页 |
| ·时频矩阵的提取与灰度图像生成 | 第40页 |
| ·基于HSV色图和强度分层的双门限伪着色算法 | 第40-43页 |
| ·颜色矩特征提取 | 第43-45页 |
| 第六章 实验与分析 | 第45-53页 |
| ·声音数据库 | 第45-46页 |
| ·性能指标 | 第46页 |
| ·实验过程与结果 | 第46-51页 |
| ·抗噪性能分析 | 第51-53页 |
| 第七章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在读期间研究成果以及发表的学术论文 | 第58页 |
