基于MFCC和BP神经网络的乐音主频识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·技术发展和研究现状 | 第9-12页 |
| ·本文内容及章节安排 | 第12-14页 |
| 第二章 乐音识别的研究路线和基本原理 | 第14-37页 |
| ·乐音物理特性和基本乐理 | 第14-18页 |
| ·钢琴乐音的物理特性 | 第14-16页 |
| ·乐音的基本乐理分析 | 第16-18页 |
| ·乐音识别基本研究路线 | 第18-20页 |
| ·乐音识别预处理研究 | 第20-25页 |
| ·噪声消除 | 第20-22页 |
| ·端点检测 | 第22-24页 |
| ·单音符分割 | 第24-25页 |
| ·乐音识别中的特征提取 | 第25-30页 |
| ·LPCC线性预测倒谱系数 | 第25-28页 |
| ·MFCC梅尔频率倒谱系数 | 第28-30页 |
| ·特征参数提取算法的比较 | 第30页 |
| ·乐音识别模型研究 | 第30-36页 |
| ·DTW动态时间归整模型 | 第31-34页 |
| ·HMM隐马尔可夫模型 | 第34页 |
| ·ANN人工神经网络 | 第34-36页 |
| ·识别模型的比较 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于BP神经网络的乐音识别分析 | 第37-48页 |
| ·神经网络的基本概念 | 第37-41页 |
| ·神经元 | 第37-38页 |
| ·神经网络的结构 | 第38-39页 |
| ·神经网络的学习 | 第39-41页 |
| ·BP神经网络的基本模型结构 | 第41-45页 |
| ·BP神经网络基本原理 | 第41-42页 |
| ·BP网络的学习规则 | 第42-43页 |
| ·BP网络的设计原则 | 第43-45页 |
| ·神经网络在乐音识别中的应用 | 第45-47页 |
| ·相关参数设置 | 第45页 |
| ·网络结构 | 第45-46页 |
| ·识别算法 | 第46-47页 |
| ·学习训练算法 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第四章 乐音音符识别的仿真研究 | 第48-63页 |
| ·单音符识别系统构建及性能分析 | 第48-56页 |
| ·样本库的建立 | 第48-49页 |
| ·信号的预处理 | 第49-51页 |
| ·信号的特征提取 | 第51-53页 |
| ·BP网络的模型匹配 | 第53-55页 |
| ·BP神经网络性能分析 | 第55-56页 |
| ·连续乐音识别系统构建 | 第56-61页 |
| ·乐音信号的采集 | 第57页 |
| ·乐音信号的预处理 | 第57-60页 |
| ·特征参数提取 | 第60-61页 |
| ·模型匹配 | 第61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间主要的研究成果 | 第71页 |
