光缆感知声音识别系统的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 声音识别的现状 | 第11-14页 |
| 1.1 光缆环境的现状 | 第11-12页 |
| 1.2 声音识别的现状 | 第12-13页 |
| 1.2.1 国外现状 | 第12页 |
| 1.2.2 国内现状 | 第12-13页 |
| 1.3 本文的内容结构 | 第13-14页 |
| 第二章 声音识别系统的建模方法 | 第14-18页 |
| 2.1 建模的意义 | 第14页 |
| 2.2 识别系统的建模 | 第14-17页 |
| 2.2.1 声音的特性 | 第14-16页 |
| 2.2.2 识别的建模 | 第16-17页 |
| 2.3 本章总结 | 第17-18页 |
| 第三章 预处理 | 第18-29页 |
| 3.1 概述 | 第18-19页 |
| 3.2 采样量化 | 第19-20页 |
| 3.3 预加重 | 第20页 |
| 3.4 分帧加窗 | 第20-21页 |
| 3.4.1 分帧 | 第20-21页 |
| 3.4.2 加窗 | 第21页 |
| 3.5 端点检测 | 第21-27页 |
| 3.5.1 基于能量的端点检测 | 第22-24页 |
| 3.5.2 基于信息熵的端点检测 | 第24-25页 |
| 3.5.3 基于CO复杂性的端点检测 | 第25-27页 |
| 3.6 本章总结 | 第27-29页 |
| 第四章 特征提取 | 第29-41页 |
| 4.1 概述 | 第29页 |
| 4.2 短时能量和短时频谱 | 第29-30页 |
| 4.2.1 短时能量 | 第29-30页 |
| 4.2.2 短时频谱 | 第30页 |
| 4.2.3 小结 | 第30页 |
| 4.3 线性预测系数 | 第30-38页 |
| 4.3.1 基本原理 | 第30-33页 |
| 4.3.2 计算方法 | 第33-37页 |
| 4.3.3 小结 | 第37-38页 |
| 4.4 线性预测倒谱系数 | 第38-39页 |
| 4.5 梅尔倒谱系数 | 第39-40页 |
| 4.6 本章总结 | 第40-41页 |
| 第五章 分类匹配模型 | 第41-57页 |
| 5.1 概述 | 第41页 |
| 5.2 动态时间规整 | 第41-44页 |
| 5.3 线性分类器 | 第44-47页 |
| 5.3.1 概述 | 第44页 |
| 5.3.2 判别函数 | 第44-46页 |
| 5.3.3 分类器的设计 | 第46-47页 |
| 5.3.4 小结 | 第47页 |
| 5.4 支持向量机 | 第47-51页 |
| 5.4.1 概述 | 第47-48页 |
| 5.4.2 支持向量机 | 第48-50页 |
| 5.4.3 小结 | 第50-51页 |
| 5.5 人工神经网络 | 第51-56页 |
| 5.5.1 概述 | 第51页 |
| 5.5.2 网络模型 | 第51-54页 |
| 5.5.3 反馈学习 | 第54-56页 |
| 5.5.4 小结 | 第56页 |
| 5.6 本章总结 | 第56-57页 |
| 第六章 声音识别系统实验 | 第57-62页 |
| 6.1 实验准备 | 第57页 |
| 6.2 实验过程 | 第57-59页 |
| 6.3 实验结果 | 第59-61页 |
| 6.4 本章总结 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70页 |
