公共场所下的枪声检测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 基本的枪声检测系统 | 第15-33页 |
| 2.1 引言 | 第15页 |
| 2.2 特征分析与提取 | 第15-25页 |
| 2.2.1 信号预处理 | 第16页 |
| 2.2.2 时域特征 | 第16-18页 |
| 2.2.3 频域特征 | 第18-22页 |
| 2.2.4 感知域特征 | 第22-25页 |
| 2.2.5 基于相关函数的特征 | 第25页 |
| 2.2.6 特征全集 | 第25页 |
| 2.3 基于GMM的枪声检测系统 | 第25-29页 |
| 2.3.1 GMM分类模型 | 第26-28页 |
| 2.3.2 基于GMM的枪声检测 | 第28-29页 |
| 2.4 实验数据与评价指标 | 第29-32页 |
| 2.4.1 实验数据 | 第30-31页 |
| 2.4.2 评价指标 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于特征选择的枪声检测 | 第33-52页 |
| 3.1 引言 | 第33-34页 |
| 3.2 枪声特征选择 | 第34-41页 |
| 3.2.1 基于Logo算法的枪声特征选择 | 第34-37页 |
| 3.2.2 基于FFS算法的枪声特征选择 | 第37-40页 |
| 3.2.3 基于Ada Boost的枪声特征选择 | 第40-41页 |
| 3.3 不同特征空间下GMM参数学习 | 第41-45页 |
| 3.3.1 最小描述长度准则 | 第42-43页 |
| 3.3.2 混合最小描述长度准则 | 第43-45页 |
| 3.4 最佳特征子集选择 | 第45-46页 |
| 3.5 实验对比与分析 | 第46-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第4章 基于混合局部字典的枪声检测 | 第52-64页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基于字典学习的枪声降噪 | 第53-56页 |
| 4.2.1 字典学习 | 第53-55页 |
| 4.2.2 枪声降噪 | 第55-56页 |
| 4.3 基于混合局部字典的枪声降噪 | 第56-61页 |
| 4.3.1 声谱结构中字典局部性 | 第56-58页 |
| 4.3.2 混合局部字典学习 | 第58-60页 |
| 4.3.3 枪声降噪 | 第60-61页 |
| 4.4 基于混合局部字典的枪声检测 | 第61页 |
| 4.5 实验结果与分析 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71页 |
