婴儿啼哭声的特征分析与识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·背景意义 | 第9-10页 |
| ·发展现状与趋势 | 第10-13页 |
| ·本文主要工作及结构 | 第13-15页 |
| ·主要工作 | 第13页 |
| ·总体结构 | 第13-15页 |
| 2 婴儿啼哭声信号分析与处理 | 第15-21页 |
| ·婴儿啼哭声信号与语音信号的关联 | 第15-18页 |
| ·发声结构 | 第15-17页 |
| ·发声原理 | 第17-18页 |
| ·婴儿啼哭声识别系统的基本理论 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 婴儿啼哭声信号的前端处理 | 第21-43页 |
| ·婴儿啼哭声信号的预处理 | 第21-31页 |
| ·婴儿啼哭声信号的采样和量化 | 第21-22页 |
| ·预加重 | 第22页 |
| ·分帧 | 第22-23页 |
| ·加窗 | 第23-24页 |
| ·端点检测 | 第24-31页 |
| ·婴儿啼哭声信号的特征提取算法 | 第31-41页 |
| ·线性预测系数(LPC) | 第31-34页 |
| ·线性预测倒谱系数(LPCC) | 第34-36页 |
| ·Mel 频率倒谱系数(MFCC) | 第36-39页 |
| ·优化的MFCC 算法 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 4 婴儿啼哭声识别算法研究 | 第43-50页 |
| ·动态时间规整(DTW) | 第43-47页 |
| ·基本原理 | 第43-45页 |
| ·算法步骤 | 第45-46页 |
| ·模板训练算法 | 第46-47页 |
| ·隐马尔可夫模型(HMM) | 第47-48页 |
| ·人工神经网络(ANN) | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 实验结果与分析 | 第50-66页 |
| ·实验原理 | 第50-51页 |
| ·婴儿啼哭声信号处理过程 | 第50-51页 |
| ·实验环境介绍 | 第51页 |
| ·数据库的建立 | 第51-53页 |
| ·数据对象分析 | 第51-52页 |
| ·数据来源 | 第52页 |
| ·数据库描述 | 第52-53页 |
| ·婴儿啼哭声信号预处理 | 第53-58页 |
| ·特征参数提取 | 第58-62页 |
| ·实验数据分析 | 第62-65页 |
| ·MFCC 特征参数 | 第62-63页 |
| ·组合特征参数 | 第63-65页 |
| ·实验结论 | 第65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71-72页 |
| 致谢 | 第72-73页 |
