| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 地下电缆防破坏研究背景及意义 | 第10-11页 |
| 1.2 挖掘设备声音识别算法结构和评价标准 | 第11-13页 |
| 1.2.1 挖掘设备声音识别算法结构 | 第11-12页 |
| 1.2.2 挖掘设备声音识别算法评价标准 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 特征提取方法研究现状 | 第13-14页 |
| 1.3.2 分类算法研究现状 | 第14-17页 |
| 1.4 该领域的研究难点 | 第17页 |
| 1.5 本文主要研究内容 | 第17-19页 |
| 第2章 挖掘设备声音特征提取 | 第19-32页 |
| 2.1 声音信号数字化 | 第19页 |
| 2.2 声音信号时、频域分析 | 第19-22页 |
| 2.2.1 声音信号时域波形 | 第19-21页 |
| 2.2.2 声音信号频谱特性 | 第21-22页 |
| 2.3 挖掘设备声音特征提取 | 第22-31页 |
| 2.3.1 声音信号预处理 | 第23-25页 |
| 2.3.1.1 预加重 | 第23-24页 |
| 2.3.1.2 分帧、加窗 | 第24页 |
| 2.3.1.3 端点检测 | 第24-25页 |
| 2.3.2 MFCC、(35) MFCC、(35)(35) MFCC特征提取 | 第25-28页 |
| 2.3.3 频谱动态特征提取 | 第28-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第3章 声音识别匹配算法研究 | 第32-43页 |
| 3.1 前馈BP神经网络 | 第32-35页 |
| 3.2 K最近邻(KNN) | 第35-38页 |
| 3.3 极限学习机(ELM) | 第38-42页 |
| 3.3.1 极限学习机的理论知识 | 第38-40页 |
| 3.3.2 极限学习机的分类理论 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 挖掘设备声音特征提取及识别算法研究 | 第43-58页 |
| 4.1 实验软硬件介绍 | 第43-44页 |
| 4.2 挖掘设备声音库的建立 | 第44页 |
| 4.3 挖掘设备声音识别算法具体过程 | 第44-47页 |
| 4.3.1 预处理 | 第44-45页 |
| 4.3.2 声音特征提取与分析 | 第45-46页 |
| 4.3.3 模型训练与识别 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-54页 |
| 4.4.1 MFCC、(35) MFCC、(35)(35) MFCC实验对比 | 第47-49页 |
| 4.4.2 MFCC、频谱动态特征实验对比 | 第49-52页 |
| 4.4.2.1 不同分类器下训练模型性能分析 | 第49-50页 |
| 4.4.2.2 同一时间段识别性能分析 | 第50-51页 |
| 4.4.2.3 噪声对识别性能影响 | 第51-52页 |
| 4.4.3 实时信号测试 | 第52-54页 |
| 4.5 软件界面的使用 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 研究工作总结 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第67页 |