| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-21页 |
| ·概述 | 第14-15页 |
| ·舱音记录器的发展概述 | 第15-16页 |
| ·舱音记录器非话语的信号处理 | 第16-18页 |
| ·舱音记录器声信息的分类及特点 | 第16-17页 |
| ·舱音记录器的研究现状 | 第17-18页 |
| ·声信息识别的一般过程 | 第18-19页 |
| ·论文的主要研究内容 | 第19-21页 |
| 第二章 基于独立分量分析的CVR 背景声分离 | 第21-36页 |
| ·引言 | 第21页 |
| ·CVR 声音信息的小波降噪 | 第21-29页 |
| ·小波变换理论与分析 | 第21-22页 |
| ·连续小波变换 | 第22-24页 |
| ·离散小波变换 | 第24页 |
| ·声音信号的小波降噪 | 第24-26页 |
| ·CVR 声音信息的降噪结果 | 第26-29页 |
| ·独立分量分析原理 | 第29-31页 |
| ·独立分量分析 | 第29-30页 |
| ·信号的非高斯性测度 | 第30页 |
| ·对照函数 | 第30-31页 |
| ·CVR 混合信号分离 | 第31-35页 |
| ·信号的预处理 | 第31-32页 |
| ·快速ICA 算法 | 第32-34页 |
| ·仿真实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 CVR 背景声信号的特征分析 | 第36-48页 |
| ·引言 | 第36页 |
| ·背景声的预处理 | 第36-41页 |
| ·去噪处理 | 第36页 |
| ·分帧加窗 | 第36-38页 |
| ·端点检测 | 第38-41页 |
| ·背景声的时域分析 | 第41-43页 |
| ·短时能量分析 | 第41-42页 |
| ·短时平均幅度分析 | 第42页 |
| ·短时过零率分析 | 第42-43页 |
| ·背景声的频域分析 | 第43-45页 |
| ·幅值谱 | 第43-44页 |
| ·功率谱 | 第44页 |
| ·对数谱 | 第44页 |
| ·CVR 信号时频特征分析 | 第44-45页 |
| ·背景声的倒谱分析 | 第45-47页 |
| ·倒谱分析 | 第45-46页 |
| ·MFCC 分析 | 第46-47页 |
| ·MFCC 的求取过程 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于核主成分分析方法的CVR 背景声特征提取 | 第48-60页 |
| ·引言 | 第48页 |
| ·核方法的理论基础 | 第48-51页 |
| ·核的定义 | 第48-49页 |
| ·再生核理论及Mercer 定理 | 第49-50页 |
| ·常用核函数及其构造 | 第50-51页 |
| ·CVR 背景声的特征提取 | 第51-59页 |
| ·主成分分析 | 第51-54页 |
| ·核主成分分析 | 第54-55页 |
| ·PCA 与 KPCA 的比较 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于神经网络的CVR 背景声识别 | 第60-76页 |
| ·引言 | 第60页 |
| ·RBF 神经网络 | 第60-63页 |
| ·RBF 神经网络的拓扑结构 | 第60-61页 |
| ·RBF 神经网络的映射机理 | 第61-62页 |
| ·RBF 神经网络的改进算法 | 第62-63页 |
| ·SVM 分类器设计 | 第63-71页 |
| ·线性支持向量机 | 第64-66页 |
| ·基于核的支持向量机算法分析 | 第66-67页 |
| ·用于多类问题的SVM 算法分析 | 第67-71页 |
| ·CVR 背景声识别的实验分析 | 第71-75页 |
| ·基于RBF 神经网络的CVR 背景声识别 | 第71-73页 |
| ·基于SVM 多类分类算法的CVR 背景声识别 | 第73页 |
| ·分类算法比较 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·工作总结 | 第76页 |
| ·今后展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 在学期间的研究成果及发表的学术论文 | 第84页 |