| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 声学事件检测研究现状 | 第11-13页 |
| 1.2.2 小波降噪研究现状 | 第13-14页 |
| 1.2.3 鲁棒性声学特征研究现状 | 第14-15页 |
| 1.2.4 多核支持向量机研究现状 | 第15-17页 |
| 1.3 本文的研究内容 | 第17-19页 |
| 第2章 基于MFCC和SVM的声学事件检测基线系统 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 基线系统 | 第19-28页 |
| 2.2.1 系统框架图 | 第19-20页 |
| 2.2.2 车载验证平台的搭建 | 第20-21页 |
| 2.2.3 预处理 | 第21-22页 |
| 2.2.4 MFCC特征提取 | 第22-24页 |
| 2.2.5 SVM模式分类 | 第24-28页 |
| 2.3 实验及分析 | 第28-31页 |
| 2.3.1 实验数据 | 第28-30页 |
| 2.3.2 实验参数 | 第30页 |
| 2.3.3 实验结果 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于LPC与马尔科夫链噪声预测的降噪算法 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 LPC线性预测系数 | 第33-34页 |
| 3.3 基于LPC和马尔科夫链噪声预测算法 | 第34-44页 |
| 3.3.1 小波分析的理论基础 | 第34-39页 |
| 3.3.2 马尔科夫链 | 第39页 |
| 3.3.3 基于LPC和马尔科夫链的降噪算法 | 第39-44页 |
| 3.4 实验及分析 | 第44-46页 |
| 3.4.1 噪声数据 | 第44页 |
| 3.4.2 实验结果 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于人耳频率选择特性的鲁邦声学特征提取 | 第47-56页 |
| 4.1 传统MFCC的缺陷分析 | 第47-48页 |
| 4.2 基于人耳频率选择特性的声学特征提取方法 | 第48-53页 |
| 4.2.1 共振峰的提取 | 第48-50页 |
| 4.2.2 模拟人耳的频率选择增益功能 | 第50-51页 |
| 4.2.3 Mel滤波器组的加权 | 第51-53页 |
| 4.2.4 基于人耳频率选择特性的声学特征提取方法流程图 | 第53页 |
| 4.3 实验及分析 | 第53-55页 |
| 4.3.1 噪声数据 | 第54页 |
| 4.3.2 实验结果 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 基于多尺度RBF核函数的SVM快速声学事件检测算法 | 第56-68页 |
| 5.1 传统单核SVM的声学事件检测 | 第56-57页 |
| 5.2 传统多核SVM的声学事件检测 | 第57-61页 |
| 5.3 基于多尺度RBF核函数的SVM快速声学事件检测算法 | 第61-63页 |
| 5.3.1 多尺度核函数的扩展 | 第61-62页 |
| 5.3.2 多尺度SVM的训练算法 | 第62-63页 |
| 5.4 实验及分析 | 第63-66页 |
| 5.4.1 初始参数的确定 | 第63-65页 |
| 5.4.2 噪声数据 | 第65页 |
| 5.4.3 实验结果及分析 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第74-76页 |
| 致谢 | 第76页 |
