| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 引言 | 第12-18页 |
| ·咳嗽识别意义及目的 | 第12页 |
| ·连续无限制语音流中咳嗽信号的识别系统的特点 | 第12-13页 |
| ·国内外关键词识别发展概况 | 第13-15页 |
| ·系统性能评价指标 | 第15页 |
| ·咳嗽识别技术的现状 | 第15-16页 |
| ·本文的研究与识别办法 | 第16页 |
| ·本文工作及内容安排 | 第16-18页 |
| 第二章 咳嗽样本采集系统 | 第18-31页 |
| ·发声器官的结构 | 第18-21页 |
| ·喉 | 第18-20页 |
| ·声道 | 第20-21页 |
| ·嘴 | 第21页 |
| ·咳嗽 | 第21-25页 |
| ·咳嗽的机制 | 第21-23页 |
| ·咳嗽的声学特性 | 第23-24页 |
| ·咳嗽的客观标准及与其它典型性干扰的区别 | 第24-25页 |
| ·咳嗽信号产生模型 | 第25-27页 |
| ·咳嗽样本采集系统 | 第27-29页 |
| ·音源 | 第27页 |
| ·拾音器 | 第27页 |
| ·数模转换 | 第27-29页 |
| ·采样频率 | 第28页 |
| ·编码方式 | 第28-29页 |
| ·量化比特数 | 第29页 |
| ·饱和失真 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第三章 短时分析及短时傅里叶变换分析 | 第31-42页 |
| ·简介 | 第31页 |
| ·短时分析 | 第31-38页 |
| ·短时能量和平均幅度 | 第32-33页 |
| ·短时能量和短时平均幅度的比较和窗函数的选择 | 第33-37页 |
| ·短时平均过零率 | 第37-38页 |
| ·傅里叶变换 | 第38-41页 |
| ·滤波器组观点 | 第38-40页 |
| ·窗函数的选择 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 咳嗽信号的端点检测 | 第42-48页 |
| ·简介 | 第42页 |
| ·咳嗽的声学特性 | 第42-43页 |
| ·短时特征参数 | 第43-44页 |
| ·样本和方法 | 第44-46页 |
| ·样本采集 | 第44页 |
| ·咳嗽信号的端点检测 | 第44-46页 |
| ·阈值的设定 | 第44-45页 |
| ·起止点的检测 | 第45-46页 |
| ·结果 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 咳嗽信号的特征提取 | 第48-54页 |
| ·简介 | 第48-49页 |
| ·用特征参数LPC 进行特征提取 | 第49页 |
| ·LPCC（线性预测编码倒谱系数） | 第49-50页 |
| ·MFCC 特征参数 | 第50-52页 |
| ·对咳嗽声进行特征提取 | 第52页 |
| ·本章小结 | 第52-54页 |
| 第六章 隐马尔可夫模型及其在咳嗽识别系统中的应用 | 第54-71页 |
| ·HMM 的描述 | 第54-56页 |
| ·马尔可夫链 | 第54页 |
| ·隐马氏模型（Hidden Markov Model，HMM） | 第54-56页 |
| ·隐马可夫模型的组成元素 | 第55页 |
| ·隐马可夫模型的类型 | 第55-56页 |
| ·HMM 三个基本问题 | 第56-61页 |
| ·识别问题 | 第56-58页 |
| ·解码问题 | 第58-59页 |
| ·学习问题 | 第59-61页 |
| ·在咳嗽识别中使用HMM | 第61-67页 |
| ·数据库的建立 | 第62-64页 |
| ·样本采集 | 第62-63页 |
| ·样本库 | 第63-64页 |
| ·模型选择 | 第64-67页 |
| ·咳嗽信号的特点 | 第64-65页 |
| ·建立模型 | 第65-67页 |
| ·样本的机器标注和模型的迭代训练 | 第67页 |
| ·试验及其结果分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 结论及探讨 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |