| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 语音识别研究现状 | 第10-11页 |
| 1.2.2 非语音识别研究现状 | 第11-18页 |
| 1.3 研究内容及结构安排 | 第18-21页 |
| 1.3.1 研究内容 | 第18页 |
| 1.3.2 主要工作 | 第18-19页 |
| 1.3.3 结构安排 | 第19-21页 |
| 第二章 材质声音信号分析及特征提取算法 | 第21-37页 |
| 2.1 材质声音信号分析 | 第21-24页 |
| 2.1.1 材质声音信号数字化 | 第21-22页 |
| 2.1.2 材质声音信号预处理 | 第22-24页 |
| 2.2 材质声音信号特征提取算法 | 第24-34页 |
| 2.2.1 高阶梅尔倒谱特征系数(HMFCC)提取算法 | 第25-28页 |
| 2.2.2 高阶线性预测梅尔倒谱特征系数(LPHMFCC)提取算法 | 第28-31页 |
| 2.2.3 基于小波变换的高阶梅尔倒谱特征系数(WHMFCC)提取算法 | 第31-34页 |
| 2.3 倒谱分量相对重要性评价 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 分类器算法介绍 | 第37-46页 |
| 3.1 支持向量机(SupportVectorMachine,SVM) | 第37-42页 |
| 3.1.1 支持向量机概述 | 第37-38页 |
| 3.1.2 支持向量机分类算法 | 第38-40页 |
| 3.1.3 LIBSVM工具箱介绍 | 第40页 |
| 3.1.4 最优参数c和g的选取 | 第40-42页 |
| 3.2 极限学习机(ExtremeLearningMachine,ELM) | 第42-45页 |
| 3.2.1 极限学习机概述 | 第42页 |
| 3.2.2 基本极限学习机算法 | 第42-44页 |
| 3.2.3 基于正则化的极限学习机算法 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 基于材质声音特征的物体表面材质识别研究 | 第46-72页 |
| 4.1 实验的软硬件设计 | 第46-48页 |
| 4.2 敲击声音数据集的建立 | 第48-50页 |
| 4.3 实验具体过程 | 第50-56页 |
| 4.3.1 材质声音信号和噪声信号分析 | 第50-52页 |
| 4.3.2 材质声音信号预处理 | 第52-53页 |
| 4.3.3 材质声音信号特征提取 | 第53-55页 |
| 4.3.4 分类器模型训练与识别 | 第55-56页 |
| 4.4 实验结果验证 | 第56-71页 |
| 4.4.1 基于支持向量机分类器算法的物体表面材质识别实验验证 | 第56-64页 |
| 4.4.2 基于RELM分类器算法的物体表面材质识别实验验证 | 第64-69页 |
| 4.4.3 实验结果分析对比 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 基于声音多特征组合与RELM算法的木材识别研究 | 第72-82页 |
| 5.1 木材识别问题描述 | 第72-73页 |
| 5.2 声音数据集WSD-9的建立 | 第73-75页 |
| 5.3 实验结果验证 | 第75-81页 |
| 5.3.1 滑动声音实验结果分析 | 第75-77页 |
| 5.3.2 敲击声音实验结果分析 | 第77-78页 |
| 5.3.3 声音多特征组合实验结果分析 | 第78-81页 |
| 5.4 本章小结 | 第81-82页 |
| 第六章 物体表面材质识别系统上位机软件设计 | 第82-90页 |
| 6.1 软件的设计流程 | 第82-83页 |
| 6.2 软件界面的设计与使用 | 第83-89页 |
| 6.3 本章小结 | 第89-90页 |
| 第七章 总结与展望 | 第90-92页 |
| 7.1 本文工作总结 | 第90-91页 |
| 7.2 工作展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-97页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第97页 |
