基于LSTM网络的声学场景在线检测系统
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-16页 |
| 1.2.1 音频在线检测系统研究现状 | 第11-14页 |
| 1.2.2 声学场景识别研究现状 | 第14-16页 |
| 1.3 论文主要研究内容 | 第16-18页 |
| 第2章 基于GMM的声学场景识别方法 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 MFCC特征提取 | 第18-20页 |
| 2.3 GMM模型 | 第20-22页 |
| 2.3.1 GMM定义 | 第21页 |
| 2.3.2 GMM训练过程 | 第21-22页 |
| 2.4 实验平台与数据 | 第22-25页 |
| 2.4.1 数据集 | 第23页 |
| 2.4.2 特征及分类器 | 第23-24页 |
| 2.4.3 评价指标及结果 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于LSTM的声学场景识别方法 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 RNN网络模型 | 第26-27页 |
| 3.3 基于LSTM的声学场景识别模型 | 第27-35页 |
| 3.3.1 LSTM网络 | 第28-29页 |
| 3.3.2 预处理 | 第29-30页 |
| 3.3.3 特征提取 | 第30-32页 |
| 3.3.4 分段处理 | 第32-33页 |
| 3.3.5 模型设计 | 第33-35页 |
| 3.4 实验结果与分析 | 第35-39页 |
| 3.4.1 实验准备 | 第35-36页 |
| 3.4.2 结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 在线检测系统的设计与实现 | 第40-57页 |
| 4.1 引言 | 第40页 |
| 4.2 声学场景在线检测的增量模型框架 | 第40-42页 |
| 4.3 在线检测过程 | 第42-48页 |
| 4.3.1 输入接收 | 第42-44页 |
| 4.3.2 静音和特征处理 | 第44-46页 |
| 4.3.3 GMM区分模块 | 第46-47页 |
| 4.3.4 LSTM声学场景识别模块 | 第47-48页 |
| 4.4 系统模型再训练 | 第48-52页 |
| 4.4.1 再训练数据集的生成 | 第49-50页 |
| 4.4.2 模型再训练 | 第50-52页 |
| 4.5 系统测试 | 第52-56页 |
| 4.5.1 测试环境 | 第52页 |
| 4.5.2 测试准备 | 第52-53页 |
| 4.5.3 测试结果 | 第53-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
