音频信号特征提取及其分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 音频分类的发展历程及研究现状 | 第12-14页 |
| 1.3 本文创新点 | 第14页 |
| 1.4 本文主要工作和论文组织结构 | 第14-17页 |
| 第二章 音频分类技术综述 | 第17-37页 |
| 2.1 音频分类基础知识 | 第17-22页 |
| 2.1.1 音频的相关概念 | 第17-19页 |
| 2.1.2 音频的构成要素 | 第19-21页 |
| 2.1.3 音频分类的一般步骤 | 第21-22页 |
| 2.2 特征提取 | 第22-33页 |
| 2.2.1 时域特征 | 第22-24页 |
| 2.2.2 频域特征 | 第24-27页 |
| 2.2.3 倒谱域特征 | 第27-29页 |
| 2.2.4 其它特征 | 第29-33页 |
| 2.3 音频分类方法 | 第33-36页 |
| 2.3.1 基于决策树的音频分类方法 | 第33-34页 |
| 2.3.2 基于K最近邻算法的音频分类方法 | 第34-35页 |
| 2.3.3 基于人工神经网络的音频分类方法 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 音频信号特征集构建 | 第37-57页 |
| 3.1 音频信号预处理 | 第37-39页 |
| 3.1.1 采样和量化 | 第37页 |
| 3.1.2 分帧 | 第37-38页 |
| 3.1.3 加窗 | 第38-39页 |
| 3.2 音频信号原始特征集构建 | 第39-41页 |
| 3.2.1 音频数据库 | 第39页 |
| 3.2.2 音频信号原始特征集 | 第39-41页 |
| 3.3 特征选择 | 第41-47页 |
| 3.3.1 基于方差法的特征预选 | 第42-43页 |
| 3.3.2 基于相关性的特征选择算法 | 第43页 |
| 3.3.3 基于权重的特征选择算法 | 第43-45页 |
| 3.3.4 改进的相关系数特征选择算法 | 第45-47页 |
| 3.4 特征选择实验及结果分析 | 第47-55页 |
| 3.4.1 特征项被选次数对比 | 第50-51页 |
| 3.4.2 特征项权重对比 | 第51-54页 |
| 3.4.3 特征选择后的特征集项数对比 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 模拟退火算法改进的BP神经网络分类算法 | 第57-65页 |
| 4.1 模拟退火算法 | 第57-59页 |
| 4.1.1 模拟退火算法简介 | 第57页 |
| 4.1.2 模拟退火算法原理 | 第57-59页 |
| 4.2 BP神经网络算法 | 第59-62页 |
| 4.2.1 BP神经网络算法简介 | 第59-60页 |
| 4.2.2 BP神经网络算法原理 | 第60-62页 |
| 4.3 模拟退火算法改进的BP神经网络分类算法 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 音频分类实验设计与结果分析 | 第65-75页 |
| 5.1 原始特征集的音频分类实验 | 第65-70页 |
| 5.1.1 语音和音乐分类实验 | 第66-67页 |
| 5.1.2 音乐流派分类实验 | 第67-68页 |
| 5.1.3 音乐乐器分类实验 | 第68-69页 |
| 5.1.4 实验结果对比与分析 | 第69-70页 |
| 5.2 传统BP分类器和改进的BP分类器对比实验 | 第70-71页 |
| 5.3 特征选择后的音频分类实验 | 第71-74页 |
| 5.3.1 音频分类实验 | 第71-73页 |
| 5.3.2 实验结果对比与分析 | 第73-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录A (攻读硕士学位期间主要成果) | 第83-85页 |
| 附录B (源程序主要代码) | 第85-97页 |
