| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题背景 | 第9页 |
| ·基于动物叫声的行为识别的意义及理论依据 | 第9-10页 |
| ·研究意义 | 第9-10页 |
| ·理论基础 | 第10页 |
| ·BREWMP和声音识别技术的发展 | 第10-12页 |
| ·BREW技术发展概况 | 第10-11页 |
| ·声音识别技术发展概况 | 第11-12页 |
| ·基于动物叫声的行为识别方法和原理 | 第12-13页 |
| ·基本方法 | 第12-13页 |
| ·研究的原理 | 第13页 |
| ·技术难点 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 BREWMP下的声音处理 | 第14-24页 |
| ·BREWMP的架构 | 第14-15页 |
| ·BREWMP重要的基本概念 | 第15-16页 |
| ·BREWMP声音信号的采集 | 第16-18页 |
| ·BREWMP支持的声音格式 | 第16页 |
| ·BREWMP下声音的采集 | 第16-18页 |
| ·BREWMP环境下的动物叫声识别Applet设计 | 第18-23页 |
| ·BREWMP的模拟开发环境 | 第18-19页 |
| ·BREWMP的Extension设计 | 第19-21页 |
| ·动物叫声信号处理Applet | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 动物声音信号的预处理 | 第24-33页 |
| ·声音信号的表示 | 第24-25页 |
| ·声音信号的数字化 | 第24页 |
| ·声音信号的的参数表示 | 第24-25页 |
| ·声音信号的时域特征 | 第25-27页 |
| ·短时自相关函数 | 第25-26页 |
| ·动物叫声信号的基音检测 | 第26-27页 |
| ·声音信号的频域特征 | 第27-30页 |
| ·动物叫声的功率谱 | 第27-28页 |
| ·Mel频率 | 第28页 |
| ·MFCC的求解 | 第28-30页 |
| ·特征提取的具体问题 | 第30-31页 |
| ·矢量量化 | 第31-32页 |
| ·矢量量化的原理 | 第31-32页 |
| ·失真测度 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 GMM在动物叫声识别中的应用 | 第33-42页 |
| ·声音识别模型概述 | 第33-34页 |
| ·统计模型-GMM | 第34-38页 |
| ·高斯混合模型GMM | 第34-36页 |
| ·GMM参数训练 | 第36-38页 |
| ·GMM模型的概率输出 | 第38页 |
| ·基于叫声特征似然度加权的特定行为识别算法 | 第38-41页 |
| ·对角协方差假设 | 第39页 |
| ·特征似然度加权 | 第39-41页 |
| ·决策策略 | 第41页 |
| ·本章小结 | 第41-42页 |
| 5 系统实现与实验分析 | 第42-51页 |
| ·GMM移植到BREWMP | 第42-47页 |
| ·系统UI设计 | 第42-44页 |
| ·QCP格式数据解码 | 第44-45页 |
| ·BREWMP OEM层设计 | 第45-47页 |
| ·实验与结论 | 第47-50页 |
| ·实验语料库描述 | 第47-48页 |
| ·不同特征的对识别性能的影响 | 第48-49页 |
| ·特征似然度加权对系统性能的影响 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录A | 第55-56页 |
| 附录B | 第56-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |