首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于优化正交匹配追踪的低信噪比声音事件识别

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

论文共60页,点击 下载论文
上一篇:团体短期险承保精细化管理评价实证研究--以Z寿险公司为例
下一篇:量子点网点微结构导光技术的研究