复杂背景下的声音信号识别技术研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 本文研究的背景及意义 | 第11-12页 |
| 1.2 国内外相关行业的研究概况 | 第12-16页 |
| 1.2.1 国外研究概况 | 第12-14页 |
| 1.2.2 国内研究概况 | 第14-16页 |
| 1.3 本文研究的主要内容 | 第16-17页 |
| 1.4 章节安排 | 第17-18页 |
| 第2章 系统研究平台设计 | 第18-28页 |
| 2.1 系统总体方案设计 | 第18页 |
| 2.2 声音信号识别系统的相关技术分析 | 第18-21页 |
| 2.2.1 声音信号与语音信号的区别 | 第18-19页 |
| 2.2.2 声音信号的采集与存储 | 第19-21页 |
| 2.3 硬件平台简述 | 第21-23页 |
| 2.3.1 GRAS麦克风 | 第21-22页 |
| 2.3.2 NI--9234 数据采集卡 | 第22-23页 |
| 2.4 声音信号识别系统软件开发背景 | 第23-27页 |
| 2.4.1 MATLAB简介 | 第24页 |
| 2.4.2 图形用户界面开发背景（GUIDE） | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 复杂背景下的声音信号识别技术研究 | 第28-59页 |
| 3.1 声音信号特征提取 | 第29-37页 |
| 3.1.1 声音信号的特性分析 | 第29-31页 |
| 3.1.2 声音信号特征提取方法 | 第31-36页 |
| 3.1.3 新特征参数构成法 | 第36页 |
| 3.1.4 数据文档建立 | 第36-37页 |
| 3.2 声音信号数据预处理 | 第37-41页 |
| 3.2.1 声音信号降噪 | 第37-39页 |
| 3.2.2 分帧加窗 | 第39-41页 |
| 3.3 声音信号盲源分离 | 第41-50页 |
| 3.3.1 独立分量分析（ICA） | 第43-44页 |
| 3.3.2 信息最大化算法（Infomax） | 第44-46页 |
| 3.3.3 联合近似对角化算法（JADE） | 第46-48页 |
| 3.3.4 性能对比 | 第48-50页 |
| 3.4 声音信号时域分析、端点检测 | 第50-53页 |
| 3.4.1 声音信号时域分析 | 第50-52页 |
| 3.4.2 端点检测 | 第52-53页 |
| 3.5 声音信号的识别算法 | 第53-58页 |
| 3.5.1 人工神经网络 | 第53-54页 |
| 3.5.2 传统的BP神经网络 | 第54页 |
| 3.5.3 改进的BP神经网络 | 第54-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第4章 声音信号识别系统软件平台的开发与设计 | 第59-69页 |
| 4.1 前端系统主要模块 | 第59-65页 |
| 4.1.1 系统欢迎模块 | 第59-60页 |
| 4.1.2 声音信号特征提取模块 | 第60-61页 |
| 4.1.3 声音信号数据预处理模块 | 第61-62页 |
| 4.1.4 声音信号识别模块 | 第62-65页 |
| 4.2 声音识别实验结果与分析 | 第65-68页 |
| 4.3 本章小结 | 第68-69页 |
| 结论 | 第69-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录A | 第78-80页 |
