致谢 | 第6-7页 |
摘要 | 第7-8页 |
Abstract | 第8-9页 |
第一章 绪论 | 第14-19页 |
1.1 引言 | 第14页 |
1.2 课题研究背景及意义 | 第14-15页 |
1.3 “显著”音频事件的检测与识别过程以及课题的研究现状 | 第15-18页 |
1.3.1 “显著”音频事件的检测与识别过程 | 第15-16页 |
1.3.2 课题的研究现状 | 第16-18页 |
1.4 论文的主要内容及组织结构 | 第18-19页 |
第二章 “显著”音频事件的端点检测 | 第19-29页 |
2.1 引言 | 第19页 |
2.2 基于调频-调幅模型的音频特征描述 | 第19-23页 |
2.2.1 音频信号的调幅-调频建模 | 第19-20页 |
2.2.2 Teager能量算子 | 第20-21页 |
2.2.3 能量分离算法 | 第21-22页 |
2.2.4 基于调频-调幅模型的音频特征描述 | 第22-23页 |
2.3 基于贝叶斯惊奇模型的“显著”音频事件检测 | 第23-26页 |
2.3.1 贝叶斯惊奇模型 | 第23-24页 |
2.3.2 基于贝叶斯惊奇模型的“显著”音频事件检测 | 第24-26页 |
2.4 实验结果及分析 | 第26-28页 |
2.5 本章小结 | 第28-29页 |
第三章 “显著”音频事件的声谱图及其特征提取 | 第29-42页 |
3.1 引言 | 第29页 |
3.2 “显著”音频事件的声谱图 | 第29-31页 |
3.2.1 声谱图的形成 | 第29-30页 |
3.2.2 “显著”音频事件信号的声谱图分析 | 第30-31页 |
3.3 基于2D-Gabor滤波器的“显著”音频事件声谱图的特征描述 | 第31-36页 |
3.3.1 2D-Gabor滤波器 | 第31-33页 |
3.3.2 2D-Gabor滤波器的参数设置 | 第33-35页 |
3.3.3 基于2D-Gabor滤波器的“显著”声音片段的声谱图特征描述 | 第35-36页 |
3.4 基于声谱图的“显著”声音片段的特征提取 | 第36-40页 |
3.4.1 灰度共生矩阵 | 第36-37页 |
3.4.2 基于灰度共生矩阵的特征参数 | 第37-39页 |
3.4.3 基于灰度共生矩阵的“显著”音频事件的声谱图特征提取 | 第39-40页 |
3.5 本章小结 | 第40-42页 |
第四章 基于声谱图的“显著”音频事件的识别研究 | 第42-50页 |
4.1 引言 | 第42页 |
4.2 基于稀疏表示的“显著”音频事件识别方法 | 第42-47页 |
4.2.1 稀疏表示相关概念 | 第42-43页 |
4.2.2 基于声谱图特征的稀疏表示模型 | 第43-44页 |
4.2.3 基于稀疏表示的分类算法 | 第44-47页 |
4.3 实验结果与分析 | 第47-49页 |
4.3.1 基于声谱图特征提取的“显著”音频事件的识别结果 | 第47-48页 |
4.3.2 与传统方法的综合对比实验 | 第48-49页 |
4.4 本章小结 | 第49-50页 |
第五章 总结与展望 | 第50-52页 |
5.1 工作总结 | 第50-51页 |
5.2 工作展望 | 第51-52页 |
参考文献 | 第52-57页 |
攻读硕士学位期间的学术活动及成果情况 | 第57-58页 |