环境异常状况声音特征研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·环境异常状况声音概述 | 第7-10页 |
| ·环境声音种类 | 第7-9页 |
| ·声音数据库 | 第9-10页 |
| ·课题研究的背景和意义 | 第10页 |
| ·国内外研究的历史及现状 | 第10-12页 |
| ·该领域目前研究中存在的问题 | 第12页 |
| ·本文研究的内容 | 第12-14页 |
| 2 异常声音特征参数分析 | 第14-24页 |
| ·时域分析 | 第14-16页 |
| ·短时能量 | 第14-15页 |
| ·短时过零率 | 第15-16页 |
| ·频域和倒谱分析 | 第16-23页 |
| ·线性预测系数LPC | 第17-18页 |
| ·线性预测倒谱系数LPCC | 第18-20页 |
| ·Mel频率倒谱系数MFCC | 第20-23页 |
| ·对数倒谱系数LFCC | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 异常声音的特征提取 | 第24-31页 |
| ·预处理 | 第24-28页 |
| ·预加重 | 第24-25页 |
| ·加窗和分帧 | 第25-28页 |
| ·家居声音的特征提取 | 第28-30页 |
| ·短时能量的提取 | 第28-29页 |
| ·Mel频率倒谱系数(MFCC)的提取 | 第29页 |
| ·特征矢量 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 异常声音识别算法 | 第31-41页 |
| ·异常声音识别原理 | 第31页 |
| ·匹配算法比较应用 | 第31-36页 |
| ·动态时间规整(DTW)方法 | 第32-34页 |
| ·基于隐马尔可夫模型(HMM)的识别 | 第34-36页 |
| ·基于高斯混合模型(GMM)的识别 | 第36页 |
| ·高斯混合模型(GMM) | 第36-40页 |
| ·GMM基本原理 | 第36-37页 |
| ·GMM的训练和EM算法 | 第37-39页 |
| ·GMM的识别算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 异常声音识别算法仿真测试 | 第41-51页 |
| ·实验环境 | 第41页 |
| ·异常声音库的建立 | 第41-42页 |
| ·算法的实现和GUI界面 | 第42-45页 |
| ·仿真测试与结果分析 | 第45-50页 |
| ·GMM模型阶数选择 | 第45页 |
| ·帧长和帧移对识别性能的影响 | 第45-46页 |
| ·样本数对识别性能的影响 | 第46-47页 |
| ·不同特征参数性能比较 | 第47-49页 |
| ·噪音对识别性能的影响 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·研究工作总结 | 第51页 |
| ·研究工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 申请学位期间的研究成果及发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
