基于音频分析技术的猪异常检测
| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 研究背景和意义 | 第17-18页 |
| 1.2 国内外发展现状 | 第18-22页 |
| 1.3 论文主要研究内容 | 第22-23页 |
| 1.4 本章小结 | 第23-25页 |
| 第二章 声音的采集及降噪处理 | 第25-41页 |
| 2.1 畜禽监控系统 | 第25-30页 |
| 2.1.1 监控系统硬件的介绍 | 第26-29页 |
| 2.1.2 监控系统的软件介绍 | 第29-30页 |
| 2.2 FFmpeg音频编码技术 | 第30-32页 |
| 2.2.1 流媒体技术 | 第30-31页 |
| 2.2.2 FFmpeg音频编码 | 第31-32页 |
| 2.3 声音降噪处理 | 第32-40页 |
| 2.3.1 噪声的特性 | 第32-33页 |
| 2.3.2 声音降噪 | 第33-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 猪咳嗽声的特征参数提取与识别 | 第41-67页 |
| 3.1 猪咳嗽信号 | 第41-43页 |
| 3.1.1 咳嗽的机理 | 第41-42页 |
| 3.1.2 猪咳嗽的声学特性 | 第42-43页 |
| 3.2 预处理 | 第43-49页 |
| 3.2.1 预加重 | 第43-44页 |
| 3.2.2 分帧加窗 | 第44-46页 |
| 3.2.3 端点检测 | 第46-49页 |
| 3.3 特征参数提取 | 第49-55页 |
| 3.3.1 LPCC特征参数 | 第50-51页 |
| 3.3.2 MFCC特征参数 | 第51-53页 |
| 3.3.3 特征参数的一阶差分 | 第53-55页 |
| 3.4 基于隐马尔科夫模型对猪咳嗽声的识别 | 第55-65页 |
| 3.4.1 HMM基础理论 | 第55-57页 |
| 3.4.2 HMM基本算法 | 第57-62页 |
| 3.4.3 HMM对猪咳嗽声的识别过程 | 第62-63页 |
| 3.4.4 HMM识别结果分析 | 第63-65页 |
| 3.5 本章小结 | 第65-67页 |
| 第四章 猪异常声音识别方法的优选 | 第67-85页 |
| 4.1 猪异常声音的分析 | 第67-72页 |
| 4.1.1 波形图分析 | 第67-68页 |
| 4.1.2 频谱图分析 | 第68-69页 |
| 4.1.3 变换域分析 | 第69-72页 |
| 4.2 基于矢量量化的声音识别 | 第72-75页 |
| 4.2.1 矢量量化的基本理论 | 第72页 |
| 4.2.2 VQ声音识别基本流程 | 第72-75页 |
| 4.3 基于动态时间归正的声音识别 | 第75-78页 |
| 4.3.1 模版训练 | 第75-76页 |
| 4.3.2 动态规划 | 第76-77页 |
| 4.3.3 DTW识别算法 | 第77-78页 |
| 4.4 识别方法的优选 | 第78-83页 |
| 4.4.1 不同方法的识别结果分析 | 第78-80页 |
| 4.4.2 识别方法优选 | 第80-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章 总结与展望 | 第85-87页 |
| 5.1 总结 | 第85-86页 |
| 5.2 展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 攻读硕士学位期间发表的学术论文和科研成果 | 第92页 |
