| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 声学事件检测研究现状 | 第11-13页 |
| 1.2.2 声学特征提取 | 第13-14页 |
| 1.2.3 鲁棒主成分分析 | 第14-16页 |
| 1.3 本文的研究内容 | 第16-18页 |
| 第2章 基于周期特性的声学事件检测方法 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 基于周期特性的检测方法 | 第18-23页 |
| 2.2.1 警笛声的产生原理 | 第18-19页 |
| 2.2.2 周期信号检测方法 | 第19-22页 |
| 2.2.3 警笛声检测方法 | 第22-23页 |
| 2.3 行车环境声学事件检测数据集 | 第23-24页 |
| 2.4 实验结果和分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于 MFCC 和 SVM 的声学事件检测方法 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 MFCC 特征提取 | 第27-28页 |
| 3.3 支持向量机 | 第28-32页 |
| 3.4 基于 SVM 的检测方法 | 第32-33页 |
| 3.5 实验结果和分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于主成分分析的声学事件检测方法 | 第37-61页 |
| 4.1 引言 | 第37-38页 |
| 4.2 基于主成分分析表示的特征 | 第38-44页 |
| 4.2.1 主成分分析方法 | 第38-39页 |
| 4.2.2 基于 ALM 方法的主成分特征提取 | 第39-44页 |
| 4.3 主成分特征提取算法的改进 | 第44-55页 |
| 4.3.1 求解问题的转换 | 第45-46页 |
| 4.3.2 基于极分解的快速 SVT 算法 | 第46-52页 |
| 4.3.3 快速 SVT 算法性能测试 | 第52-54页 |
| 4.3.4 快速 SVT 算法提取主成分特征 | 第54-55页 |
| 4.4 基于鲁棒主成分分析的声学事件检测方法 | 第55-56页 |
| 4.5 实验结果与分析 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70页 |