音频场景分析与识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-12页 |
| 1.2 本文研究工作 | 第12-13页 |
| 1.3 论文结构 | 第13-15页 |
| 第2章 音频分析与识别研究 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 音频摘要 | 第15-17页 |
| 2.3 声音分类和识别 | 第17-19页 |
| 2.4 音频场景感知 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 音频特征提取 | 第21-35页 |
| 3.1 引言 | 第21页 |
| 3.2 Mel频率倒谱系数音频特征 | 第21-25页 |
| 3.3 基于小波包分解的音频特征学习与提取 | 第25-32页 |
| 3.3.1 音频小波包分解 | 第25-27页 |
| 3.3.2 LDB算法 | 第27-30页 |
| 3.3.3 基于boosting的特征选择 | 第30-31页 |
| 3.3.4 基于随机森林的特征选择 | 第31-32页 |
| 3.4 基于词典的音频特征 | 第32-33页 |
| 3.5 Pseudo-Semantic特征 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 音频场景建模与分类 | 第35-56页 |
| 4.1 引言 | 第35页 |
| 4.2 音频场景建模 | 第35-36页 |
| 4.3 基于HMM的音频场景分类 | 第36-45页 |
| 4.3.1 概率图模型 | 第36-39页 |
| 4.3.2 HMM模型 | 第39-44页 |
| 4.3.3 使用HMM模型进行音频场景分类 | 第44-45页 |
| 4.4 基于高斯混合模型的音频场景分类 | 第45-51页 |
| 4.4.1 高斯混合模型 | 第45-50页 |
| 4.4.2 使用高斯混合模型进行音频场景分类 | 第50-51页 |
| 4.5 基于随机森林的音频场景分类 | 第51-55页 |
| 4.5.1 随机森林模型 | 第52-54页 |
| 4.5.2 使用随机森林进行音频场景分类 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 实验结果 | 第56-67页 |
| 5.1 实验数据 | 第56页 |
| 5.2 基于HMM的分类 | 第56-59页 |
| 5.2.1 基于场景HMM的音频场景分类 | 第57-58页 |
| 5.2.2 基于音效和场景HMM的音频场景分类 | 第58-59页 |
| 5.3 基于随机森林的分类 | 第59-61页 |
| 5.3.1 直接使用场景数据分类 | 第59-60页 |
| 5.3.2 利用音效提取音频伪语义特征建模 | 第60-61页 |
| 5.4 基于高斯混合模型的分类 | 第61-62页 |
| 5.5 分类方法结果对比 | 第62-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第6章 结束语 | 第67-69页 |
| 6.1 本文成果 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75-76页 |
| 附录A 攻读硕士学位期间参加的科研项目 | 第75页 |
| 附录B 攻读硕士学位期间发表的学术论文 | 第75-76页 |
