基于脚步声身份识别的算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 脚步声识别研究的背景及意义 | 第9-10页 |
| 1.2 脚步声识别技术的发展及现状 | 第10-12页 |
| 1.3 脚步声识别系统概述 | 第12-13页 |
| 1.4 本文的主要内容及结构安排 | 第13-15页 |
| 第2章 脚步声音信号的预处理 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 脚步声的录制 | 第15-17页 |
| 2.3 脚步声的预处理 | 第17-24页 |
| 2.3.1 脚步声的端点检测 | 第18-20页 |
| 2.3.2 脚步声的虑噪 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于GMM似然度的脚步声判断 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 MFCC提取 | 第25-27页 |
| 3.3 GMM似然值估计 | 第27-29页 |
| 3.3.1 高斯混合模型的介绍及定义 | 第27-28页 |
| 3.3.2 GMM似然值估计算法 | 第28-29页 |
| 3.4 实验结果和分析 | 第29-32页 |
| 3.4.1 脚步声的GMM似然值范围 | 第30页 |
| 3.4.2 实验测试 | 第30-32页 |
| 3.4.3 实验结果及讨论 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于脚步声的个人身份识别 | 第33-47页 |
| 4.1 引言 | 第33-34页 |
| 4.2 脚步声音信号的分析 | 第34-38页 |
| 4.3 我们提出的方法 | 第38-40页 |
| 4.4 KNN分类器算法 | 第40-41页 |
| 4.5 实验仿真与分析 | 第41-44页 |
| 4.5.1 我们的方法 | 第41-43页 |
| 4.5.2 我们的方法和其他现有方法的对比 | 第43-44页 |
| 4.6 本章小结 | 第44-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 5.1 全文总结 | 第47-48页 |
| 5.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57页 |
