摘要 | 第4-5页 |
ABSTRACT | 第5页 |
创新点摘要 | 第6-9页 |
第一章 绪论 | 第9-15页 |
1.1 本课题的研究背景及意义 | 第9-11页 |
1.2 发展及现状 | 第11-12页 |
1.3 故障监测的问题和困难 | 第12-13页 |
1.4 本课题的主要研究内容 | 第13页 |
1.5 本章小结 | 第13-15页 |
第二章 音频信号分析 | 第15-28页 |
2.1 音频信号的预处理 | 第15-19页 |
2.1.1 预加重 | 第15页 |
2.1.2 分帧加窗 | 第15-16页 |
2.1.3 音频端点检测算法改进及实现 | 第16-19页 |
2.2 音频信号的特征参数提取 | 第19-27页 |
2.2.1 线性预测倒谱系数(LPCC) | 第19-22页 |
2.2.2 Mel频率倒谱系数(MFCC) | 第22-25页 |
2.2.3 改进的Mel频率倒谱系数(△MFCC) | 第25-27页 |
2.3 本章小结 | 第27-28页 |
第三章 音频识别的模型及其训练方法 | 第28-38页 |
3.1 隐马尔可夫模型(HMM) | 第28-34页 |
3.1.1 隐马尔可夫模型的概念 | 第28-29页 |
3.1.2 隐马尔可夫模型的结构与类型 | 第29-30页 |
3.1.3 隐马尔可夫模型的三个基本问题 | 第30-34页 |
3.2 隐马尔可夫模型在音频识别中的应用 | 第34-37页 |
3.3 本章小结 | 第37-38页 |
第四章 电机噪声信号的降噪处理 | 第38-45页 |
4.1 噪声的分类 | 第38-39页 |
4.1.1 加性噪声、乘性噪声 | 第38-39页 |
4.1.2 平稳噪声、缓变噪声与冲激噪声 | 第39页 |
4.2 噪声对识别系统的影响 | 第39页 |
4.3 各种抗噪声音频识别技术 | 第39-43页 |
4.3.1 抗噪声音频增强技术 | 第39-41页 |
4.3.2 抗噪型音频特征提取技术 | 第41-42页 |
4.3.3 基于模型补偿的去噪方法 | 第42-43页 |
4.4 本章小结 | 第43-45页 |
第五章 系统的设计与实现 | 第45-56页 |
5.1 实验的软硬件环境 | 第45页 |
5.2 故障模型库的建立 | 第45页 |
5.3 识别系统的组成 | 第45-54页 |
5.3.1 音频信号的预处理 | 第45-48页 |
5.3.2 特征参数的改进 | 第48-51页 |
5.3.3 基于HMM模型的故障识别 | 第51-52页 |
5.3.4 抗噪处理技术 | 第52-54页 |
5.4 系统的实现 | 第54-55页 |
5.5 本章小结 | 第55-56页 |
总结与展望 | 第56-58页 |
参考文献 | 第58-61页 |
攻读硕士学位期间发表文章目录 | 第61-62页 |
致谢 | 第62-63页 |