基于GMM-SVM的管道泄漏检测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 图表目录 | 第8-10页 |
| 绪论 | 第10-13页 |
| ·研究目的和意义 | 第10-11页 |
| ·发展历史和研究现状 | 第11页 |
| ·论文工作的主要内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 数据的准备 | 第13-25页 |
| ·声音数据的预处理 | 第13-14页 |
| ·预加重 | 第13页 |
| ·声音信号的加窗分帧 | 第13-14页 |
| ·声音数据的端点检测 | 第14-16页 |
| ·短时过零率和短时能量 | 第14-15页 |
| ·基于短时过零率和短时能量的端点检测 | 第15-16页 |
| ·声音数据的特征提取 | 第16-21页 |
| ·线性预测及其倒谱系数 | 第16-17页 |
| ·梅尔倒谱系数 | 第17-19页 |
| ·感知线性预测 | 第19-20页 |
| ·动态参数 | 第20-21页 |
| ·实验数据集的建立 | 第21-24页 |
| ·目标音与噪声的划分 | 第21-23页 |
| ·声学特征的选取 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于GMM的管道测漏检测技术研究 | 第25-35页 |
| ·系统基本结构 | 第25-26页 |
| ·训练阶段 | 第26-32页 |
| ·GMM模型的相关理论 | 第26-28页 |
| ·GMM模型参数的初始化 | 第28-29页 |
| ·GMM模型的参数估计 | 第29-31页 |
| ·异常样本的处理 | 第31-32页 |
| ·识别阶段 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于GMM-SVM的管道泄漏检测技术研究 | 第35-45页 |
| ·支持向量机(SVM) | 第35-39页 |
| ·线性分类器 | 第35-38页 |
| ·非线性分类器 | 第38-39页 |
| ·SVM的多类分类方法 | 第39-41页 |
| ·基于GMM-SVM的管道泄漏检测系统设计 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验结果分析 | 第45-51页 |
| ·实验平台及识别结果的平均标准 | 第45页 |
| ·实验结果分析 | 第45-51页 |
| ·不同特征对比实验 | 第45-47页 |
| ·加入动态信息和能量的特征的识别实验 | 第47-49页 |
| ·不同混合特征的对比实验 | 第49-50页 |
| ·基于GMM和GMM+SVM识别系统的对比实验 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
