基于多频段谱减法的鲁棒性生态环境声音识别
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·特征提取技术 | 第9-10页 |
| ·生态环境声音分类 | 第10-11页 |
| ·本文主要工作 | 第11-13页 |
| ·本研究内容和创新 | 第11页 |
| ·本文的组织结构 | 第11-13页 |
| 第二章 预处理和特征提取 | 第13-27页 |
| ·数字化和预处理 | 第13-14页 |
| ·采样量化 | 第13页 |
| ·预加重 | 第13-14页 |
| ·分帧加窗处理 | 第14页 |
| ·声音信号特征分析 | 第14-23页 |
| ·傅里叶变换分析 | 第15页 |
| ·Mel频率倒谱系数 | 第15-18页 |
| ·谱能量变化加权特征矢量 | 第18-19页 |
| ·音调特征 | 第19-21页 |
| ·其他常用的声音特征 | 第21-23页 |
| ·维数约简 | 第23-26页 |
| ·线性降维 | 第23-24页 |
| ·非线性降维 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 低信噪比环境下的抗噪研究 | 第27-37页 |
| ·功率谱估计 | 第27-32页 |
| ·直接周期图法功率谱估计 | 第28-29页 |
| ·Bartlett法功率谱估计(BAP) | 第29-30页 |
| ·自适应平滑周期图法功率谱估计(AAP) | 第30-32页 |
| ·多频带谱减法 | 第32-34页 |
| ·谱减原理 | 第32-33页 |
| ·谱减法实现 | 第33-34页 |
| ·算法性能测试 | 第34-37页 |
| 第四章 高斯混合模型 | 第37-42页 |
| ·高斯混合模型基本原理 | 第37-38页 |
| ·高斯混合模型的训练 | 第38页 |
| ·EM算法 | 第38-41页 |
| ·EM算法原理 | 第38-39页 |
| ·GMM参数估计 | 第39-41页 |
| ·GMM分类器的设计 | 第41-42页 |
| 第五章 基于支持向量机的生态声音分类算法 | 第42-50页 |
| ·统计学理论的核心内容 | 第42-44页 |
| ·VC维 | 第42页 |
| ·泛化能力的界 | 第42-43页 |
| ·结构风险最小化 | 第43-44页 |
| ·支持向量机 | 第44-46页 |
| ·线性可分情况下 | 第44-45页 |
| ·线性不可分的情况 | 第45-46页 |
| ·非线性参数分析 | 第46-48页 |
| ·SVM算法流程 | 第48-50页 |
| 第六章 实验与结果分析 | 第50-57页 |
| ·基于SVM和GMM结合的二级分类模型 | 第51-52页 |
| ·特征筛选 | 第52-53页 |
| ·具有抗噪性能的分类系统 | 第53-54页 |
| ·噪声情境分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 个人简历、在校期间发表的学术论文 | 第63页 |
