| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-12页 |
| 附表清单 | 第12-13页 |
| 1 绪论 | 第13-18页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·基于鸟鸣声的鸟类识别 | 第14-16页 |
| ·国内外的鸟鸣声研究发展历程 | 第14页 |
| ·鸟类识别的发展历程 | 第14-15页 |
| ·基于鸟鸣声的鸟类识别 | 第15-16页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 实验系统介绍与实验数据采集 | 第18-24页 |
| ·实验系统介绍 | 第18-21页 |
| ·实验装置简介 | 第18页 |
| ·CRIO控制器 | 第18-19页 |
| ·小车步进电机驱动器 | 第19-21页 |
| ·实验数据采集 | 第21-22页 |
| ·信号预处理 | 第22-23页 |
| ·预加重 | 第22页 |
| ·异常值剔除 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于 AOK 理论的鸟鸣声信号分析 | 第24-33页 |
| ·AOK分布简介 | 第24-27页 |
| ·最优核时频分 | 第24-25页 |
| ·自适应最优核时频分布 | 第25页 |
| ·自适应最优核函数 | 第25-27页 |
| ·用AOK分布对鸟鸣声信号进行分析和对比 | 第27-32页 |
| ·四种不同鸟种的鸣声信号分析结果 | 第27-30页 |
| ·四种雀形目鸟种的鸣声信号分析结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 4 基于 AOK 时频谱图的图像纹理特征提取 | 第33-40页 |
| ·图像纹理特征 | 第33-34页 |
| ·灰度共生矩阵 | 第34-37页 |
| ·灰度共生矩阵的定义 | 第34页 |
| ·灰度共生矩阵的生成方向θ、生成步长d和图像灰度级g的选取 | 第34-35页 |
| ·灰度共生矩阵的主要特征参数 | 第35-37页 |
| ·基于时频谱图的图像纹理特征参数的提取 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 5 识别算法的实现和实验结果分析 | 第40-48页 |
| ·DTW算法简介 | 第40-41页 |
| ·DTW计算过程介绍 | 第41-43页 |
| ·实验结果分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 6 软件的实现 | 第48-57页 |
| ·编程语言简介 | 第48-50页 |
| ·虚拟仪器 | 第48-49页 |
| ·LabVIEW与MATLAB简介 | 第49页 |
| ·LabVIEW与MATLAB的混合编程 | 第49-50页 |
| ·系统软件功能及主程序介绍 | 第50-53页 |
| ·系统各功能模块介绍 | 第53-57页 |
| ·鸣声采集 | 第53页 |
| ·图像获取 | 第53-54页 |
| ·模型训练 | 第54-55页 |
| ·鸟类识别 | 第55-57页 |
| 7 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简介 | 第62页 |