西洋乐器的音色识别
| 中文摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 缩写说明 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 课题研究现状及发展趋势 | 第13-16页 |
| 1.2.1 乐器音色感知 | 第13-14页 |
| 1.2.2 乐器识别 | 第14-16页 |
| 1.3 本文主要工作与内容安排 | 第16-17页 |
| 第2章 基础理论 | 第17-28页 |
| 2.1 乐器的分类 | 第17页 |
| 2.2 乐音信号的数学模型 | 第17-21页 |
| 2.2.1 激励源-滤波器模型 | 第18-19页 |
| 2.2.2 正弦加噪声模型 | 第19-20页 |
| 2.2.3 调频-调幅模型 | 第20-21页 |
| 2.3 音色特征 | 第21-26页 |
| 2.3.1 时域特征 | 第21-22页 |
| 2.3.2 频域特征 | 第22-23页 |
| 2.3.3 倒频域特征 | 第23-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于梅尔频率倒谱系数的音色特征 | 第28-41页 |
| 3.1 基于非音高成分的梅尔频率倒谱系数 | 第28-33页 |
| 3.1.1 乐音信号综合模型 | 第28-29页 |
| 3.1.2 特征提取与分析 | 第29-33页 |
| 3.2 基于低阶本征模态和的梅尔频率倒谱系数 | 第33-40页 |
| 3.2.1 经验模态分解 | 第33-38页 |
| 3.2.2 特征提取与分析 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 乐器识别实验 | 第41-59页 |
| 4.1 分类算法 | 第41-48页 |
| 4.1.1 贝叶斯分类器 | 第41-42页 |
| 4.1.2 K近邻算法 | 第42页 |
| 4.1.3 支持向量机 | 第42-43页 |
| 4.1.4 高斯混合模型 | 第43-44页 |
| 4.1.5 决策树 | 第44-45页 |
| 4.1.6 人工神经网络 | 第45-46页 |
| 4.1.7 回声状态网络 | 第46-48页 |
| 4.2 实验材料及预处理 | 第48-49页 |
| 4.3 分类方案的设计 | 第49页 |
| 4.4 特征分类结果与分析 | 第49-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-62页 |
| 5.1 主要研究工作与总结 | 第59-60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
