| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 语音信号处理的发展 | 第7-9页 |
| 1.1.1 国外语音信号处理的发展 | 第7-8页 |
| 1.1.2 我国语音信号处理的发展 | 第8-9页 |
| 1.1.3 语音信号处理发展方向 | 第9页 |
| 1.2 蝙蝠声音信号的研究现状 | 第9-12页 |
| 1.2.1 蝙蝠生物特点 | 第9-10页 |
| 1.2.2 研究对象—马铁菊头蝠 | 第10-11页 |
| 1.2.3 蝙蝠“方言”的研究 | 第11-12页 |
| 1.3 研究意义和技术创新 | 第12页 |
| 1.3.1 研究意义 | 第12页 |
| 1.3.2 技术创新 | 第12页 |
| 1.4 论文的内容与结构安排 | 第12-13页 |
| 第二章 对蝙蝠“方言”信号处理所应用的技术 | 第13-32页 |
| 2.1 语谱图 | 第13-15页 |
| 2.1.1 语谱图的相关介绍 | 第13页 |
| 2.1.2 语谱图的产生原理 | 第13-15页 |
| 2.2 数学形态学 | 第15-21页 |
| 2.2.1 数学形态学的发展简史 | 第15-16页 |
| 2.2.2 数学形态学的运算理论 | 第16-20页 |
| 2.2.3 数学形态学中骨架化图像处理 | 第20-21页 |
| 2.2.4 数学形态学在图像处理中的应用 | 第21页 |
| 2.3 直方图 | 第21-26页 |
| 2.3.1 直方图的基本原理 | 第21-24页 |
| 2.3.2 灰度直方图的性质 | 第24-25页 |
| 2.3.3 灰度直方图的应用 | 第25-26页 |
| 2.4 BP 神经网络 | 第26-31页 |
| 2.4.1 BP 神经网络模型 | 第27-28页 |
| 2.4.2 BP 神经网络的算法 | 第28-30页 |
| 2.4.3 BP 神经网络算法的改进 | 第30-31页 |
| 2.4.4 BP 神经网络的应用 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 对蝙蝠“方言”信号的技术处理 | 第32-40页 |
| 3.1 蝙蝠“方言”信号的语谱图生成 | 第32-34页 |
| 3.2 直方图的图像处理 | 第34-36页 |
| 3.3 数学形态学方法对语谱图的预处理 | 第36-38页 |
| 3.3.1 数学形态学图像处理在语谱图中的应用现状 | 第36页 |
| 3.3.2 语谱图图像的二值化处理 | 第36-37页 |
| 3.3.3 结构元素的设定与形态学滤波 | 第37-38页 |
| 3.4 数学形态学中骨架化算法对语谱图的处理 | 第38-39页 |
| 3.4.1 数字图像的细化 | 第38页 |
| 3.4.2 蝙蝠“方言”语谱图的骨架化处理 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 角度分析与 BP 神经网络检测 | 第40-45页 |
| 4.1 蝙蝠“方言”信号图像的角度处理 | 第40-43页 |
| 4.1.1 角度算法 | 第40-41页 |
| 4.1.2 角度处理 | 第41-43页 |
| 4.2 蝙蝠“方言”信号的 BP 神经网络检测 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |