弱光源环境下基于声控报警原理的安防系统仿真研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·音频信号识别的发展与现状 | 第8-10页 |
| ·本文所做工作 | 第10-12页 |
| ·论文内容安排 | 第12-13页 |
| 第二章 安防系统的基本思想及相应改进 | 第13-18页 |
| ·安防系统的概述 | 第13页 |
| ·传统声控报警系统原理及特性 | 第13-14页 |
| ·系统的相关改进 | 第14-18页 |
| 第三章 基于小波特征的声音识别及预处理过程 | 第18-31页 |
| ·基于小波特征的声音识别 | 第18-20页 |
| ·基于小波变换的特征提取方法 | 第20-22页 |
| ·原始信号预处理 | 第22-31页 |
| ·声音信号特性及存储格式 | 第22-23页 |
| ·噪声来源 | 第23-24页 |
| ·预处理流程 | 第24-31页 |
| 第四章 基于小波理论的声信号特征提取 | 第31-57页 |
| ·小波分析理论 | 第31-32页 |
| ·小波函数的选取 | 第32-39页 |
| ·从性能入手选取 | 第33-34页 |
| ·从具体应用入手选取 | 第34-37页 |
| ·分解层数的选择 | 第37-39页 |
| ·小波包技术 | 第39-43页 |
| ·小波包分析 | 第39-40页 |
| ·声信号最优基的选择 | 第40-43页 |
| ·基于小波多分辨率分析的特征提取 | 第43-47页 |
| ·小波分解 | 第43-44页 |
| ·小波特征提取 | 第44-45页 |
| ·特征空间构造 | 第45-47页 |
| ·基于多尺度小波包分析的特征提取 | 第47-57页 |
| ·改进的小波包分解 | 第47-50页 |
| ·小波包特征提取 | 第50-51页 |
| ·主成分分析和特征空间构造 | 第51-57页 |
| 第五章 基于神经网络的声信号识别 | 第57-75页 |
| ·模式识别概述 | 第57-59页 |
| ·人工神经网络 | 第59-64页 |
| ·人工神经网络原理及特点 | 第60-61页 |
| ·人工神经网络结构与学习规则 | 第61-63页 |
| ·神经网络与模式识别综合应用 | 第63-64页 |
| ·BP神经网络 | 第64-75页 |
| ·BP神经网络识别应用 | 第64-65页 |
| ·网络结构设计 | 第65-68页 |
| ·训练算法改进及过程 | 第68-72页 |
| ·合理网络模型的确定 | 第72-73页 |
| ·识别结果和分析 | 第73-75页 |
| 总结和展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录A(攻读硕士学位期间发表论文目录) | 第81页 |
