基于动物声音的个体辨认技术的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·课题研究背景 | 第7页 |
| ·动物声音模式识别的意义及其理论依据 | 第7页 |
| ·声音识别的发展 | 第7-9页 |
| ·声音识别的前景 | 第7-8页 |
| ·声音识别的现状 | 第8-9页 |
| ·声音模式识别的一般过程 | 第9-10页 |
| ·声音识别的原理 | 第9-10页 |
| ·声音识别的技术难点 | 第10页 |
| ·本文的主要工作 | 第10-12页 |
| 2 声音信号的预处理 | 第12-20页 |
| ·声音信号的数字化 | 第12页 |
| ·声音信号的采集 | 第12页 |
| ·声音信号的数字化处理 | 第12页 |
| ·端点检测的前端处理 | 第12-14页 |
| ·声音信号的预加重处理 | 第12-13页 |
| ·声音信号的分帧 | 第13页 |
| ·声音信号的加窗处理 | 第13-14页 |
| ·端点检测的实现方法 | 第14-16页 |
| ·短时能量和短时平均幅度 | 第14-15页 |
| ·短时过零率 | 第15-16页 |
| ·双门限算法 | 第16页 |
| ·技术的改进和实现方法 | 第16-19页 |
| ·双门限法 | 第16-18页 |
| ·能频值法 | 第18-19页 |
| ·结论 | 第19-20页 |
| 3 声音信号的特征提取 | 第20-27页 |
| ·声音信号个体辨认常用特征 | 第20页 |
| ·线性预测(LPC)及其倒谱分析(LPCC) | 第20-24页 |
| ·LPC基本原理 | 第21页 |
| ·线性预测系数的计算 | 第21-23页 |
| ·声音信号的倒谱分析 | 第23页 |
| ·LPC倒谱特征 | 第23-24页 |
| ·美尔频率倒谱系数(MFCC) | 第24-26页 |
| ·Mel频率基本原理 | 第25页 |
| ·Mel滤波器组 | 第25-26页 |
| ·MFCC的运算过程 | 第26页 |
| ·本章小结 | 第26-27页 |
| 4 VQ与HMM模型 | 第27-43页 |
| ·矢量量化(VQ) | 第27-32页 |
| ·矢量量化特点及量化器的组成 | 第27-28页 |
| ·LBG算法 | 第28-30页 |
| ·初始码本的生成 | 第30-32页 |
| ·隐马尔可夫模型(HMM) | 第32-42页 |
| ·概述 | 第32-33页 |
| ·HMM的三个基本问题 | 第33页 |
| ·HMM基本问题的解决算法 | 第33-38页 |
| ·前向-后向算法 | 第33-35页 |
| ·维特比(Viterbi)算法及其改进 | 第35-36页 |
| ·Baum-Welch算法 | 第36-38页 |
| ·参数估计值的计算机溢出问题及解决方法 | 第38-40页 |
| ·HMM的改进算法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 系统实现与结果分析 | 第43-54页 |
| ·系统结构的设计 | 第43-44页 |
| ·辨认系统的实现 | 第44-52页 |
| ·能频值法端点检测的实现 | 第46-48页 |
| ·线性预测倒谱参数的提取实现 | 第48-50页 |
| ·美尔倒谱系数及其差分的提取实现 | 第50-52页 |
| ·识别算法的实现 | 第52页 |
| ·实验结果分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |
