| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 语音/音频混合编码标准的发展历程 | 第9-11页 |
| 1.2.2 语音/音乐分类特征选取的研究现状 | 第11-12页 |
| 1.2.3 语音/音乐分类算法研究现状 | 第12-15页 |
| 1.3 论文主要工作 | 第15-17页 |
| 1.4 论文组织架构 | 第17-19页 |
| 2 编码方式选择与信号分类算法 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 语音/音频混合编码器的编码方式选择 | 第19-26页 |
| 2.2.1 AMR-WB+编码方式选择 | 第19-24页 |
| 2.2.2 EVS编码方式选择 | 第24-26页 |
| 2.3 信号分类算法 | 第26-31页 |
| 2.3.1 基于统计特性的信号分类算法 | 第26-28页 |
| 2.3.2 基于概率生成模型的信号分类算法 | 第28-29页 |
| 2.3.3 基于深度神经网络的信号分类算法 | 第29-31页 |
| 2.4 语音/音乐信号分类算法的比较与选择 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于闭环模式监督的RNN分类算法及其在AMR-WB+中的应用 | 第33-53页 |
| 3.1 引言 | 第33-34页 |
| 3.2 数据集的收集与分析 | 第34-36页 |
| 3.3 特征选择与提取 | 第36-38页 |
| 3.4 RNN分类算法的设计与训练 | 第38-42页 |
| 3.5 RNN算法在AMR-WB+中的集成 | 第42-44页 |
| 3.6 实验与讨论 | 第44-51页 |
| 3.6.1 分类准确率及时间复杂度 | 第44-45页 |
| 3.6.2 基于客观测度的RNN优化 | 第45-48页 |
| 3.6.3 主观测试与分析 | 第48-51页 |
| 3.7 本章小结 | 第51-53页 |
| 4 基于主观因素监督的RNN分类算法及其在EVS中的应用 | 第53-62页 |
| 4.1 引言 | 第53-54页 |
| 4.2 数据集的收集与标签确定 | 第54-55页 |
| 4.3 特征选择与提取 | 第55-57页 |
| 4.4 RNN分类算法的设计与训练 | 第57-59页 |
| 4.5 实验结果与分析 | 第59-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-65页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |