| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 地下管线防破坏的研究背景和意义 | 第10页 |
| 1.2 管线安全系统研究的技术现状 | 第10-16页 |
| 1.2.1 地下管线的安全监控技术现状 | 第10-12页 |
| 1.2.2 声音识别方法的发展历史和研究现状 | 第12-16页 |
| 1.3 本文的主要研究和工作内容 | 第16-17页 |
| 1.4 章节结构的安排 | 第17-18页 |
| 第2章 经典特征提取算法介绍 | 第18-26页 |
| 2.1 器械声音的发声分析与识别流程 | 第18-20页 |
| 2.1.1 工程器械声音的产生机理 | 第18-19页 |
| 2.1.2 声音识别的一般流程 | 第19-20页 |
| 2.2 梅尔频率倒谱系数(MFCC) | 第20-22页 |
| 2.2.1 MFCC提取原理 | 第20-21页 |
| 2.2.2 工程器械声音的MFCC特征 | 第21-22页 |
| 2.3 线性预测倒谱系数(LPCC) | 第22-25页 |
| 2.3.1 LPCC特征的提取原理 | 第22-24页 |
| 2.3.2 工程器械声音的LPCC特征 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 SVM与ELM智能分类方法的研究 | 第26-35页 |
| 3.1 支持向量机(SVM) | 第26-30页 |
| 3.1.1 SVM原理 | 第26-29页 |
| 3.1.2 核函数 | 第29页 |
| 3.1.3 SVM多分类问题 | 第29-30页 |
| 3.2 极限学习机(ELM) | 第30-34页 |
| 3.2.1 极限学习机的原理 | 第30-32页 |
| 3.2.2 ELM的激活函数 | 第32-33页 |
| 3.2.3 ELM的应用和发展 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 统计特征提取方法 | 第35-49页 |
| 4.1 器械声音的特性分析 | 第35-37页 |
| 4.1.1 时域分析 | 第35-36页 |
| 4.1.2 频谱分析 | 第36-37页 |
| 4.2 统计特征的提取流程 | 第37-38页 |
| 4.3 特征参数的选择和提取 | 第38-44页 |
| 4.3.1 短时帧能量变化率(SFER, Short Frame Energy Ratio) | 第38-40页 |
| 4.3.2 截取能量脉冲宽度(TER, Truncated Energy Range)和脉冲间隔(IoP, Interval of Pulses) | 第40-43页 |
| 4.3.3 频谱能量集中度(CSER, Concentration of Spectral Energy Ratio) | 第43-44页 |
| 4.4 时频域特征性能分析 | 第44-48页 |
| 4.4.1 统计特征的总体分布 | 第44-45页 |
| 4.4.2 单域特征性能分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 识别算法的对比实验 | 第49-60页 |
| 5.1 实验设备 | 第49-50页 |
| 5.2 监控系统的结构组成和安装 | 第50-51页 |
| 5.3 不同识别算法的对比实验 | 第51-59页 |
| 5.3.1 一般情况的声音识别 | 第51-53页 |
| 5.3.2 声源距离影响 | 第53-56页 |
| 5.3.3 高斯白噪声干扰 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
