异常音频事件检测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文内容安排 | 第11-13页 |
| 第二章 异常音频事件的特征提取 | 第13-25页 |
| 2.1 引言 | 第13-14页 |
| 2.2 特征提取与分析 | 第14-23页 |
| 2.2.1 Mel频率倒谱系数 | 第14-16页 |
| 2.2.2 线性预测系数 | 第16-18页 |
| 2.2.3 LPC反射系数 | 第18-19页 |
| 2.2.4 LPC倒谱系数 | 第19页 |
| 2.2.5 感知线性预测系数 | 第19-21页 |
| 2.2.6 其他有效特征 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 模型搭建与优化 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 基于GMM-HMM模型的系统搭建 | 第25-36页 |
| 3.2.1 HMM算法基本原理 | 第25-32页 |
| 3.2.2 GMM-HMM建模算法 | 第32-36页 |
| 3.3 系统评价方法 | 第36页 |
| 3.4 异常音频事件定义 | 第36-37页 |
| 3.5 模型的优化与实验 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 特征选择算法研究 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 特征选择算法简介 | 第41-45页 |
| 4.2.1 产生过程 | 第42-43页 |
| 4.2.2 评价函数 | 第43-45页 |
| 4.3 Relief-F特征选择算法 | 第45-52页 |
| 4.3.1 Relief算法介绍 | 第45-49页 |
| 4.3.2 改进算法Relief-F | 第49-50页 |
| 4.3.3 基于Relief-F的实验与讨论 | 第50-51页 |
| 4.3.4 Relief-F算法的优化 | 第51页 |
| 4.3.5 Relief-F与其他算法的对比实验 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 异常音频事件检测系统优化 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 拒识模块 | 第53-54页 |
| 5.3 环境自适应模块 | 第54-55页 |
| 5.3.1 MLLR的算法介绍 | 第54-55页 |
| 5.3.2 自适应模块的实验与分析 | 第55页 |
| 5.4 似然值调节模块 | 第55-57页 |
| 5.5 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
