基于鸣声的鸟类智能识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究概况 | 第11-14页 |
| 1.2.1 特征参数研究概况 | 第11-12页 |
| 1.2.2 分类模型研究概况 | 第12-13页 |
| 1.2.3 应用研究概况 | 第13-14页 |
| 1.2.4 存在问题分析 | 第14页 |
| 1.3 研究内容及技术路线 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 鸟类鸣声与特点 | 第17-21页 |
| 2.1 鸟类的发声机制 | 第17-18页 |
| 2.2 鸣声类型 | 第18-20页 |
| 2.2.1 鸣叫声 | 第18-19页 |
| 2.2.2 鸣唱声 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 鸟类鸣声特征参数与优选 | 第21-33页 |
| 3.1 声音识别特征参数分析 | 第21-24页 |
| 3.1.1 特征参数选取的标准 | 第21页 |
| 3.1.2 不同特征参数分析 | 第21-24页 |
| 3.2 Mel 频率 | 第24-25页 |
| 3.3 MFCC 的计算过程 | 第25-30页 |
| 3.3.1 预加重 | 第25-26页 |
| 3.3.2 分帧 | 第26-27页 |
| 3.3.3 加窗 | 第27-28页 |
| 3.3.4 FFT | 第28页 |
| 3.3.5 Mel 滤波器组 | 第28-29页 |
| 3.3.6 对数转换 | 第29-30页 |
| 3.3.7 DCT | 第30页 |
| 3.4 差分变量和短时能量 | 第30-31页 |
| 3.4.1 差分变量 | 第30页 |
| 3.4.2 短时能量 | 第30-31页 |
| 3.5 新型特征参数 MFCCA | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 鸟类识别方法与识别模型 | 第33-39页 |
| 4.1 声音识别方法分析 | 第33-34页 |
| 4.2 高斯混合模型 | 第34-38页 |
| 4.2.1 模型描述 | 第34-35页 |
| 4.2.2 模型参数估计 | 第35-37页 |
| 4.2.3 鸟类种类识别 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 实验与结果分析 | 第39-50页 |
| 5.1 实验软硬件环境 | 第39-40页 |
| 5.2 实验样本获取来源及预处理 | 第40-42页 |
| 5.3 不同特征参数比较 | 第42-45页 |
| 5.4 不同分类模型比较 | 第45-48页 |
| 5.5 不同模型阶数比较 | 第48-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第六章 识别测试系统与 GUI 设计 | 第50-57页 |
| 6.1 识别测试系统 | 第50-52页 |
| 6.2 GUI 设计 | 第52-54页 |
| 6.3 测试结果 | 第54-56页 |
| 6.4 本章小结 | 第56-57页 |
| 第七章 结论和展望 | 第57-59页 |
| 7.1 结论 | 第57页 |
| 7.2 创新点 | 第57-58页 |
| 7.3 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
