| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·咳嗽音识别技术的研究现状 | 第10-14页 |
| ·语音识别研究历史及其发展 | 第10-11页 |
| ·国内外咳嗽音识别研究现状 | 第11-14页 |
| ·本文研究内容 | 第14-15页 |
| ·研究内容与目标 | 第14页 |
| ·论文结构安排 | 第14-15页 |
| 2 咳嗽音识别的基本原理与技术分析 | 第15-28页 |
| ·咳嗽识别系统框架与概述 | 第15-16页 |
| ·系统性能的评估 | 第16页 |
| ·咳嗽产生机理及其特征分析 | 第16-19页 |
| ·咳嗽的产生机理 | 第16-17页 |
| ·咳嗽音的时域特性 | 第17-18页 |
| ·咳嗽音的频域特性 | 第18-19页 |
| ·咳嗽音短时平稳性 | 第19页 |
| ·咳嗽音预处理 | 第19-27页 |
| ·采样 | 第19页 |
| ·滤波 | 第19-20页 |
| ·预加重 | 第20-22页 |
| ·分帧加窗 | 第22-25页 |
| ·端点检测 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 咳嗽信号的特征选择与提取 | 第28-35页 |
| ·简介 | 第28页 |
| ·特征参数LPC | 第28-29页 |
| ·线性预测倒谱系数LPCC | 第29页 |
| ·MFCC 特征参数 | 第29-32页 |
| ·MFCC 参数的提取 | 第30-31页 |
| ·差分MFCC 参数的提取 | 第31页 |
| ·咳嗽声特征选取 | 第31-32页 |
| ·抑噪技术 | 第32-34页 |
| ·RASTA 技术 | 第32-33页 |
| ·带噪声抑制的MFCC | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 HMM-ANN 混合模型及其在咳嗽音识别中的应用 | 第35-52页 |
| ·隐马尔可夫模型 | 第35-41页 |
| ·隐马尔可夫模型的数学描述 | 第36页 |
| ·HMM 的三个基本问题 | 第36-40页 |
| ·建立咳嗽音HMM 模型的原理 | 第40-41页 |
| ·HMM 的不足及其解决方法 | 第41页 |
| ·人工神经网络 | 第41-45页 |
| ·人工神经网络的基本要素 | 第42-43页 |
| ·人工神经网络学习算法 | 第43页 |
| ·BP 神经网络 | 第43-45页 |
| ·基于HMM-ANN 混合模型的语音识别系统 | 第45-51页 |
| ·识别系统的基本原理 | 第45-46页 |
| ·HMM-ANN 混合模型的训练 | 第46-49页 |
| ·HMM-ANN 混合模型的识别 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 仿真实验及结果讨论 | 第52-61页 |
| ·仿真实验原理 | 第52页 |
| ·实验数据样本 | 第52页 |
| ·预处理 | 第52-54页 |
| ·HMM-ANN 结构 | 第54页 |
| ·咳嗽音混合模型中HMM 的训练 | 第54-55页 |
| ·咳嗽音混合模型中ANN 训练 | 第55-56页 |
| ·咳嗽音混合模型的识别 | 第56-57页 |
| ·不同特征参数对检测结果的影响 | 第57-58页 |
| ·抑噪技术对分类结果的影响 | 第58-59页 |
| ·咳嗽音在HMM 模型与HMM-ANN 模型的实验对比 | 第59页 |
| ·本章小结 | 第59-61页 |
| 6 结论与探讨 | 第61-63页 |
| ·结论 | 第61页 |
| ·探讨 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 作者在攻读学位期间发表的论文目录 | 第67页 |