朱鹮鸣声特征与行为关系的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.1.1 研究意义 | 第9页 |
| 1.1.2 研究基础 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 基于朱鹮鸣声的行为识别方法和原理 | 第11-13页 |
| 1.3.1 研究内容的框架 | 第11-12页 |
| 1.3.2 基本方法 | 第12页 |
| 1.3.3 技术难点 | 第12-13页 |
| 1.4 主要工作 | 第13-15页 |
| 2 朱鹮鸣声信号的预处理与分析 | 第15-29页 |
| 2.1 朱鹮鸣声信号的采集 | 第15-16页 |
| 2.1.1 朱鹮鸣声信号的录制 | 第15页 |
| 2.1.2 朱鹮鸣声信号的数字化处理 | 第15-16页 |
| 2.2 朱鹮鸣声信号的预处理 | 第16-19页 |
| 2.2.1 朱鹮鸣声信号的预滤波和预加重处理 | 第16页 |
| 2.2.2 朱鹮鸣声信号的分帧与加窗 | 第16-19页 |
| 2.3 朱鹮鸣声信号的时域分析 | 第19-21页 |
| 2.3.1 短时能量分析 | 第19-20页 |
| 2.3.2 短时过零率分析 | 第20-21页 |
| 2.4 鸣声信号的频域分析 | 第21-22页 |
| 2.5 鸣声信号的时频分析 | 第22-23页 |
| 2.6 端点检测的实现方法 | 第23-28页 |
| 2.6.1 能量的端点检测 | 第23-24页 |
| 2.6.2 自相关的端点检测 | 第24页 |
| 2.6.3 改进的端点检测方法 | 第24-28页 |
| 2.7 本章小结 | 第28-29页 |
| 3 朱鹮鸣声信号的特征提取 | 第29-39页 |
| 3.1 朱鹮鸣声行为识别特征 | 第29-30页 |
| 3.2 倒谱特性 | 第30-33页 |
| 3.2.1 Mel 频率 | 第30-31页 |
| 3.2.2 Mel 滤波器 | 第31-32页 |
| 3.2.3 MFCC 具体求解步骤 | 第32-33页 |
| 3.3 线性预测特性 | 第33-38页 |
| 3.3.1 线性分析的基本原理 | 第33-36页 |
| 3.3.2 LPCC 参数 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 朱鹮鸣声信号的模式匹配 | 第39-49页 |
| 4.1 矢量量化 | 第39-40页 |
| 4.2 码书设计 | 第40-44页 |
| 4.2.1 码书设计原理 | 第41页 |
| 4.2.2 LBG 算法 | 第41-44页 |
| 4.3 码书算法的改进 | 第44-46页 |
| 4.3.1 人工蜂群算法 | 第44-45页 |
| 4.3.2 改进的人工蜂群算法 | 第45-46页 |
| 4.4 改进人工蜂群算法的码书设计 | 第46-47页 |
| 4.4.1 种群初始化 | 第46页 |
| 4.4.2 适应度 | 第46页 |
| 4.4.3 选择概率 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 系统实现和结果分析 | 第49-55页 |
| 5.1 系统概述 | 第49-50页 |
| 5.2 实验建立与分析 | 第50-53页 |
| 5.2.1 建立端点检测实验 | 第50-51页 |
| 5.2.2 端点检测实验分析 | 第51-52页 |
| 5.2.3 建立识别模型 | 第52页 |
| 5.2.4 实验结果及分析 | 第52-53页 |
| 5.2.5 实验结论 | 第53页 |
| 5.3 本章小结 | 第53-55页 |
| 6 总结与展望结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 在读期间的研究成果 | 第62页 |
