| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 病态嗓音识别概述 | 第8-15页 |
| ·病态嗓音检测概况 | 第8-9页 |
| ·病态嗓音识别技术原理 | 第9-12页 |
| ·传统基于声学参数的病态嗓音检测结构 | 第9-10页 |
| ·计算机病态嗓音识别系统的基本结构 | 第10页 |
| ·计算机病态嗓音识别系统的关键技术 | 第10-12页 |
| ·问题的提出 | 第12-13页 |
| ·本文的主要工作 | 第13页 |
| ·论文的主要内容与安排 | 第13-15页 |
| 第2章 特征的处理与概率统计模型 | 第15-29页 |
| ·语音信号的特征提取 | 第15-19页 |
| ·LPC 倒谱系数(LPCC) | 第15-16页 |
| ·Mel 倒谱系数(MFCC) | 第16-19页 |
| ·概率统计模型 | 第19-28页 |
| ·隐马尔可夫模型(HMM)概述 | 第19-20页 |
| ·高斯混合模型(GMM) | 第20-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 小波变换及其在信号处理中的应用 | 第29-39页 |
| ·傅立叶分析 | 第29-30页 |
| ·傅立叶变换 | 第29页 |
| ·短时Fourier 变换 | 第29-30页 |
| ·小波分析 | 第30-32页 |
| ·连续小波变换 | 第30-31页 |
| ·离散小波变换 | 第31-32页 |
| ·小波分析与傅立叶变换的区别 | 第32页 |
| ·小波变换算法 | 第32-35页 |
| ·Mallat 算法 | 第32-33页 |
| ·二进离散小波变换及其Mallat 算法 | 第33-35页 |
| ·小波变换的实现 | 第35页 |
| ·小波去噪 | 第35-38页 |
| ·含噪声信号的小波分析特性 | 第36页 |
| ·噪声在小波分解下的特性 | 第36-37页 |
| ·小波去噪方法 | 第37页 |
| ·小波信号阈值消噪步骤 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 ECDDMA 系数的提取及选择 | 第39-48页 |
| ·ECDDMA 系数的提出 | 第39-40页 |
| ·ECDDMA 系数提取需解决的问题 | 第40-42页 |
| ·小波基选取问题 | 第40-41页 |
| ·小波去噪阈值选取问题 | 第41页 |
| ·统计方法问题 | 第41-42页 |
| ·ECDDMA 系数的计算流程 | 第42-43页 |
| ·特征选择 | 第43-46页 |
| ·传统穷举法特征选择 | 第43-44页 |
| ·基于神经网络的特征选择 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 基于GMM 的病态嗓音识别系统的实现及测试 | 第48-59页 |
| ·实验的软硬件环境 | 第48页 |
| ·测试数据简介 | 第48页 |
| ·实验结果和分析 | 第48-59页 |
| ·去噪前后ECDDMA 系数识别结果对比 | 第48-49页 |
| ·ECDDMA 系数用于识别时GMM 混合数选取对识别率的影响 | 第49-50页 |
| ·ECDDMA 系数在做小波变换时分解层数对识别率的影响 | 第50-51页 |
| ·ECDDMA 系数与MFCC 系数识别结果对比 | 第51页 |
| ·两种特征选择方法实验结果与分析 | 第51-56页 |
| ·ECDDMA 系数与声学参数的对比研究 | 第56-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·技术创新点 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
