智能分析方法在声音识别中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究的目的和意义 | 第9-11页 |
| 1.2 声音识别技术的基本介绍 | 第11-16页 |
| 1.2.1 声音识别的基本原理 | 第11-12页 |
| 1.2.2 声音识别系统组成 | 第12-15页 |
| 1.2.3 声音特征参数提取方法研究现状 | 第15-16页 |
| 1.2.4 声音识别模型研究现状 | 第16页 |
| 1.3 本文研究的主要内容 | 第16-18页 |
| 第2章 声音识别前期处理 | 第18-24页 |
| 2.1 采样和量化 | 第18-19页 |
| 2.2 预加重 | 第19页 |
| 2.3 分帧和加窗 | 第19-20页 |
| 2.4 短时能量分析 | 第20-21页 |
| 2.5 短时平均过零率 | 第21-22页 |
| 2.6 短时傅里叶变换 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 声音信号特征提取方法研究 | 第24-36页 |
| 3.1 线性预测倒谱系数 | 第24-27页 |
| 3.1.1 线性预测编码LPC | 第24-26页 |
| 3.1.2 线性预测倒谱系数LPCC | 第26-27页 |
| 3.2 梅尔倒谱系数 | 第27-30页 |
| 3.2.1 MFCC系数提取 | 第27-29页 |
| 3.2.2 MFCC差分系数的提取 | 第29-30页 |
| 3.3 LPMFCC参数提取 | 第30-31页 |
| 3.4 基于相关距离的FISHER准则的特征组合 | 第31-35页 |
| 3.4.1 Fisher准则 | 第32页 |
| 3.4.2 基于相关距离的Fisher准则 | 第32-34页 |
| 3.4.3 混合特征参数提取 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 改进支持向量机的声音识别算法 | 第36-56页 |
| 4.1 支持向量机的基础理论 | 第36-45页 |
| 4.1.1 线性可分问题 | 第37-43页 |
| 4.1.2 线性不可分问题 | 第43-44页 |
| 4.1.3 非线性分类问题 | 第44-45页 |
| 4.2 核函数类型 | 第45-51页 |
| 4.3 基于遗传算法的SVM参数优化 | 第51-54页 |
| 4.3.1 惩罚因子 | 第51页 |
| 4.3.2 遗传算法的基本特点 | 第51-52页 |
| 4.3.3 遗传算法对SVM参数优化方法 | 第52-54页 |
| 4.4 改进SVM在声音特征识别中的应用 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 实验结果及分析 | 第56-63页 |
| 5.1 实现过程 | 第56-57页 |
| 5.2 特征参数提取实验分析 | 第57-60页 |
| 5.3 SVM核函数实验分析 | 第60-61页 |
| 5.4 综合实验分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-64页 |
| 6.1 全文总结 | 第63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及参与科研情况 | 第67-68页 |
| 致谢 | 第68页 |
