基于声谱图的音频事件检测特征提取研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究难点 | 第12页 |
| 1.4 研究内容 | 第12-13页 |
| 1.5 本文内容安排 | 第13-16页 |
| 第二章 关键音频事件检测算法概述 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 算法概述 | 第16-28页 |
| 2.2.1 分帧加窗 | 第16-17页 |
| 2.2.2 特征提取 | 第17-21页 |
| 2.2.2.1 时域特征 | 第18页 |
| 2.2.2.2 频域特征 | 第18-19页 |
| 2.2.2.3 倒谱特征 | 第19-20页 |
| 2.2.2.4 时频特征 | 第20-21页 |
| 2.2.2.5 MPEG-7标准中定义的特征 | 第21页 |
| 2.2.3 特征降维 | 第21-23页 |
| 2.2.4 分类模型 | 第23-28页 |
| 2.3 算法评价准则 | 第28-29页 |
| 2.3.1 准确率、召回率 | 第28页 |
| 2.3.2 噪声鲁棒性 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于声谱图方向性的特征提取研究 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 声谱图生成 | 第30-32页 |
| 3.3 Gabor变换法 | 第32-43页 |
| 3.3.0 2D-Gabor滤波器 | 第32-34页 |
| 3.3.1 Gabor特征 | 第34-35页 |
| 3.3.2 部分Gabor特征 | 第35页 |
| 3.3.3 特征降维 | 第35-36页 |
| 3.3.4 分类模型选择 | 第36页 |
| 3.3.5 实验结果及分析 | 第36-43页 |
| 3.3.5.1 基线算法 | 第36-37页 |
| 3.3.5.2 在纯净音频上的识别效果 | 第37-40页 |
| 3.3.5.3 特征鲁棒性测试 | 第40-43页 |
| 3.4 投影法 | 第43-49页 |
| 3.4.1 算法简介 | 第43-46页 |
| 3.4.2 统计特征提取 | 第46-47页 |
| 3.4.3 实验结果与分析 | 第47-49页 |
| 3.4.3.1 在纯净音频上的识别效果 | 第47-49页 |
| 3.4.3.2 特征鲁棒性测试 | 第49页 |
| 3.5 本章小结 | 第49-52页 |
| 第四章 基于声谱图能量分布的特征提取研究 | 第52-58页 |
| 4.1 引言 | 第52页 |
| 4.2 算法描述 | 第52-53页 |
| 4.3 实验结果及分析 | 第53-57页 |
| 4.3.1 在纯净音频上的识别效果 | 第53-55页 |
| 4.3.2 特征鲁棒性测试 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-62页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 研究展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
