独立成分分析在音乐信号处理中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·音乐信号研究背景和意义 | 第7页 |
| ·音乐信号处理的现状 | 第7-9页 |
| ·独立成分分析概述 | 第9-10页 |
| ·论文的主要内容和方法 | 第10-11页 |
| 第二章 音乐信号相关知识 | 第11-23页 |
| ·声学基础 | 第11-13页 |
| ·声音的产生 | 第11页 |
| ·声音的感知 | 第11-13页 |
| ·音乐的主观量 | 第13-16页 |
| ·响度 | 第13-14页 |
| ·音调 | 第14-15页 |
| ·音色 | 第15-16页 |
| ·音乐信号的特征分析 | 第16-23页 |
| ·时域特征 | 第16-19页 |
| ·频域分析 | 第19-20页 |
| ·音乐的Mel 频率倒谱分析 | 第20-23页 |
| 第三章 独立成分分析简介 | 第23-43页 |
| ·独立成分分析的引出 | 第23-26页 |
| ·盲源分离(BSS) | 第23-24页 |
| ·ICA 的定义及基本模型 | 第24-26页 |
| ·ICA 预备知识 | 第26-30页 |
| ·信息论基础 | 第26-27页 |
| ·高阶统计量 | 第27-30页 |
| ·信号预处理 | 第30-34页 |
| ·主成分分析（PCA） | 第30-33页 |
| ·白化 | 第33-34页 |
| ·ICA 算法原理 | 第34-40页 |
| ·极大化非高斯性 | 第35-38页 |
| ·最大似然原理 | 第38-39页 |
| ·信息极大原理 | 第39-40页 |
| ·极小化互信息 | 第40页 |
| ·FastICA 算法介绍 | 第40-43页 |
| 第四章 ICA 在音乐信号处理中的应用 | 第43-56页 |
| ·引言 | 第43页 |
| ·ICA 在音符检测中的应用 | 第43-51页 |
| ·音符介绍 | 第43-45页 |
| ·基于概率模型的音符检测算法 | 第45-48页 |
| ·实验仿真 | 第48-51页 |
| ·ICA 在音乐特征提取中的应用 | 第51-55页 |
| ·ICA 特征提取的基本原理 | 第51-52页 |
| ·实验仿真 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·研究总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 附录 | 第61-64页 |
| 致谢 | 第64页 |
