咳嗽自动分类技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景与研究意义 | 第11页 |
| ·咳嗽音分析技术的研究现状 | 第11-13页 |
| ·语音识别研究历史及其发展 | 第11-12页 |
| ·国内外咳嗽音分析研究现状 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| ·研究内容与研究目标 | 第13页 |
| ·论文结构安排 | 第13-15页 |
| 第2章 咳嗽分类系统框架与咳嗽机理分析 | 第15-29页 |
| ·系统需求 | 第15-16页 |
| ·咳嗽分类系统框架与算法要点 | 第16-17页 |
| ·语音信号 | 第17-21页 |
| ·语音产生机理 | 第17-18页 |
| ·语音的声学特征 | 第18-19页 |
| ·语音产生的离散系统模型 | 第19-21页 |
| ·咳嗽产生机理及其特征分析 | 第21-26页 |
| ·咳嗽的产生机理 | 第21-22页 |
| ·咳嗽的类型 | 第22页 |
| ·咳嗽音的特征分析 | 第22-26页 |
| ·人耳听觉特性 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 咳嗽音特征参数提取 | 第29-39页 |
| ·短时分析技术 | 第29-30页 |
| ·线性预测倒谱系数LPCC | 第30-32页 |
| ·Mel 频率倒谱系数MFCC | 第32-35页 |
| ·MFCC 参数的提取 | 第32-34页 |
| ·差分MFCC 参数的提取 | 第34-35页 |
| ·感知线性预测PLP | 第35-36页 |
| ·噪声抑制技术 | 第36-38页 |
| ·RASTA 技术 | 第36-37页 |
| ·带噪声抑制的MFCC | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 咳嗽自动分类方法与原理 | 第39-47页 |
| ·动态时间规整DTW | 第39-46页 |
| ·DTW 基本原理 | 第39-42页 |
| ·模板训练方法 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 咳嗽音分析软件系统的设计与实现 | 第47-61页 |
| ·系统总体设计 | 第47-49页 |
| ·系统设计目标 | 第47页 |
| ·系统整体设计方案 | 第47-49页 |
| ·系统前端各功能模块详细设计 | 第49-53页 |
| ·数据读取与管理模块 | 第49-51页 |
| ·音频播放控制模块 | 第51-52页 |
| ·波形图绘制模块 | 第52页 |
| ·程序配置与字符串资源管理模块 | 第52-53页 |
| ·系统核心算法中的设计模式 | 第53-57页 |
| ·关键技术实现 | 第57-60页 |
| ·大文件的数据读取 | 第57-58页 |
| ·预处理技术 | 第58-59页 |
| ·双缓存绘图技术 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 实验结果与分析 | 第61-67页 |
| ·实验过程与方法 | 第61-62页 |
| ·信号的采集 | 第61页 |
| ·样本库的构成 | 第61页 |
| ·实验方法与过程 | 第61-62页 |
| ·实验结果与分析 | 第62-65页 |
| ·各种特征参数分类结果对比 | 第62-63页 |
| ·噪声抑制技术对分类结果的影响 | 第63-64页 |
| ·DTW 中的参数对分类结果的影响 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 结论与探讨 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 致谢 | 第75页 |
