基于时间编码的环境声音识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究背景与意义 | 第8-9页 |
| ·生态环境声音分类和识别研究现状 | 第9-11页 |
| ·本文主要工作 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 语音信号去噪 | 第13-21页 |
| ·现有语音信号去噪的原理及其比较 | 第13-17页 |
| ·傅里叶变换 | 第13-14页 |
| ·短时傅里叶变换 | 第14页 |
| ·小波变换 | 第14-17页 |
| ·小波去噪基本原理和步骤 | 第17-20页 |
| ·小波去噪基本原理 | 第18页 |
| ·小波去噪的阈值处理 | 第18-19页 |
| ·改进的阈值法去噪 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 时间编码信号处理与识别算法 | 第21-30页 |
| ·环境声音信号特征提取技术 | 第21页 |
| ·时间编码信号处理与识别算法 | 第21-26页 |
| ·TESPAR | 第22-23页 |
| ·LBG矢量量化 | 第23-25页 |
| ·TESPAR编码 | 第25页 |
| ·TESPAR矩阵 | 第25-26页 |
| ·传统的特征提取方法 | 第26-28页 |
| ·线性预测倒谱系数LPCC | 第26-27页 |
| ·MFCC | 第27-28页 |
| ·小结 | 第28-30页 |
| 第四章 环境声音识别分类器 | 第30-34页 |
| ·分类器 | 第30页 |
| ·人工神经网络 | 第30-33页 |
| ·多层感知器 | 第30-31页 |
| ·BP算法 | 第31-32页 |
| ·分类决策 | 第32-33页 |
| ·原型方法 | 第33页 |
| ·小结 | 第33-34页 |
| 第五章 实验与结果分析 | 第34-43页 |
| ·数据集 | 第34-35页 |
| ·小波去噪 | 第35-37页 |
| ·小波去噪评估标准 | 第35页 |
| ·小波去噪实验结果分析 | 第35-37页 |
| ·K-折交叉验证法 | 第37-38页 |
| ·TESPAR参数设置 | 第38-39页 |
| ·分类器选择 | 第39-40页 |
| ·快速人工神经网络 | 第39-40页 |
| ·原型方法 | 第40页 |
| ·实验结果与分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 总结与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 个人简历,在读期间研究成果及发表论文 | 第48页 |
