| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文组织安排 | 第15-16页 |
| 2 异常声音识别相关理论基础 | 第16-26页 |
| 2.1 引言 | 第16-17页 |
| 2.2 经典异常声音特征提取方法 | 第17-20页 |
| 2.2.1 时域特征参数 | 第17-18页 |
| 2.2.2 频域特征参数 | 第18页 |
| 2.2.3 倒谱域特征参数 | 第18-20页 |
| 2.3 分类模型与方法 | 第20-25页 |
| 2.3.1 高斯混合模型 | 第21-23页 |
| 2.3.2 支持向量机 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 3 基于无交叠统计均等梅尔特征的异常声音识别算法设计 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 无交叠统计均等梅尔特征提取过程 | 第26-29页 |
| 3.2.1 无交叠统计均等矩形滤波器组设计 | 第26-28页 |
| 3.2.2 信号特征提取与融合 | 第28-29页 |
| 3.3 异常声音识别算法实现 | 第29-34页 |
| 3.3.1 信号预处理模块 | 第30-31页 |
| 3.3.2 特征提取模块 | 第31-33页 |
| 3.3.3 分类模块 | 第33页 |
| 3.3.4 算法定点化模块 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.4.1 端点检测精度测试实验 | 第35-37页 |
| 3.4.2 算法识别性能测试实验 | 第37-38页 |
| 3.4.3 长时测试实验 | 第38-39页 |
| 3.4.4 算法开销测试实验 | 第39页 |
| 3.5 小结 | 第39-40页 |
| 4 基于能级迁移概率特征和背景建模的异常声音检测算法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 公共场所异常声音与背景声音特性分析 | 第40-41页 |
| 4.3 能级迁移概率特征提取 | 第41-43页 |
| 4.3.1 能级迁移状态机 | 第41-42页 |
| 4.3.2 能级迁移概率特征 | 第42-43页 |
| 4.4 基于能级迁移概率特征和背景建模的异常声音检测算法 | 第43-45页 |
| 4.4.1 背景建模过程 | 第44-45页 |
| 4.4.2 异常声音检测过程 | 第45页 |
| 4.5 实验结果与分析 | 第45-51页 |
| 4.5.1 背景模型单高斯个数研究实验 | 第46-47页 |
| 4.5.2 能级迁移概率特征最优维数研究实验 | 第47-48页 |
| 4.5.3 不同信噪比环境下算法性能评估实验 | 第48页 |
| 4.5.4 真实环境下算法性能评估实验 | 第48-51页 |
| 4.6 小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A.作者在攻读硕士学位期间发表的论文和取得的科研成果 | 第59页 |
| B.作者在攻读硕士学位期间参加的科研项目 | 第59页 |
