摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 引言 | 第8-13页 |
1.1 选题背景及研究意义 | 第8页 |
1.2 研究现状 | 第8-10页 |
1.3 本文主要工作 | 第10-13页 |
1.3.1 研究内容 | 第10-11页 |
1.3.2 论文结构 | 第11-13页 |
第二章 正交匹配追踪 | 第13-21页 |
2.1 声音信号稀疏分解 | 第13-15页 |
2.1.1 声音信号稀疏分解基本思想 | 第13-14页 |
2.1.2 常见的信号分解 | 第14-15页 |
2.2 基于正交匹配追踪的信号稀疏分解 | 第15-20页 |
2.2.1 时频原子字典 | 第15-17页 |
2.2.2 MP信号稀疏分解 | 第17-18页 |
2.2.3 OMP信号稀疏分解 | 第18-20页 |
2.3 本章小结 | 第20-21页 |
第三章 基于粒子群优化的OMP稀疏分解 | 第21-27页 |
3.1 PSO算法的基本原理 | 第21-22页 |
3.2 基于PSO优化的OMP稀疏分解 | 第22-24页 |
3.3 寻优参数设定 | 第24页 |
3.4 实验结果与分析 | 第24-26页 |
3.5 本章小结 | 第26-27页 |
第四章 优化OMP自适应重构 | 第27-35页 |
4.1 常见的声音增强方法 | 第27-29页 |
4.1.1 维纳滤波法 | 第27-28页 |
4.1.2 小波增强 | 第28页 |
4.1.3 多频带谱减法 | 第28-29页 |
4.2 优化OMP自适应重构 | 第29-31页 |
4.2.1 优化OMP首次稀疏重构 | 第29-30页 |
4.2.2 短时谱估计二次重构 | 第30-31页 |
4.3 实验结果与分析 | 第31-34页 |
4.4 本章小结 | 第34-35页 |
第五章 优化OMP复合特征和DBN的声音事件识别 | 第35-44页 |
5.1 优化OMP复合特征集 | 第35-37页 |
5.1.1 常见特征 | 第35-36页 |
5.1.2 提取优化OMP复合特征集 | 第36-37页 |
5.2 DBN分类 | 第37-41页 |
5.2.1 DBN的基本原理 | 第37-38页 |
5.2.2 受限玻尔兹曼机(RBM) | 第38-40页 |
5.2.3 DBN网络构建 | 第40-41页 |
5.3 常用的分类器 | 第41-43页 |
5.3.1 随机森林 | 第41页 |
5.3.2 支持向量机 | 第41-43页 |
5.4 本章小结 | 第43-44页 |
第六章 实验设计与结果分析 | 第44-54页 |
6.1 声音样本集 | 第44页 |
6.2 实验参数设置 | 第44-45页 |
6.3 实验设计 | 第45-46页 |
6.4 实验结果分析 | 第46-53页 |
6.4.1 优化OMP自适应重构性能对比 | 第46-47页 |
6.4.2 不同深度结构的DBN识别性能 | 第47-48页 |
6.4.3 不同声音增强算法在不同环境不同信噪比下比较 | 第48-49页 |
6.4.4 复合特征的各个特征识别性能比较 | 第49-50页 |
6.4.5 不同特征在无环境声和不同环境不同信噪比下比较 | 第50-51页 |
6.4.6 不同分类器比较 | 第51-52页 |
6.4.7 与其它新方法的比较 | 第52-53页 |
6.5 本章小结 | 第53-54页 |
结论与展望 | 第54-55页 |
参考文献 | 第55-59页 |
致谢 | 第59-60页 |
个人简历、在学期间的研究成果及发表的学术论文 | 第60页 |