声明
致谢
摘要
第一章 绪论
1.1 列车鸣笛识别的背景及意义
1.2 国内外研究现状
1.2.1 语音识别研究现状
1.2.1 非语音识别研究现状
1.3 论文的主要工作和结构安排
1.3.1 论文的主要工作
1.3.2 论文的结构安排
第二章 声音处理的相关理论与方法
2.1 声音的基本概念
2.2 语音的特点和发声原理
2.3 声音信号的分析方法
2.3.1 声音信号的预处理
2.3.2 声音信号的时域分析方法
2.3.3 声音信号的频域分析方法
2.4 声音识别的基本方法
2.4.1 声音识别特征参数的选取
2.4.2 声音识别的分类方法
2.4.3 声音识别的性能评价
第三章 基于小波变换的MFCC特征提取改进算法
3.1 梅尔频率倒谱系数及其提取算法
3.1.1 梅尔频率简介
3.1.2 MFCC参数的提取
3.1.3 差分MFCC参数的提取
3.2 小波变换
3.2.1 小波分析
3.2.2 连续小波变换及其离散化
3.2.3 多分辨率分析
3.3 声音信号的MFCC特征提取改进方法研究
3.3.1 声音信号的小波去噪
3.3.2 声音信号的小波包分解
3.3.3 基于小波变换的MFCC特征提取
第四章 基于隐马尔可夫模型的列车鸣笛识别方法
4.1 隐马尔可夫模型
4.1.1 马尔可夫链
4.1.2 隐马尔可夫模型的定义
4.1.3 隐马尔可夫模型的结构
4.2 隐马尔可夫模型的基本问题
4.2.1 隐马尔可夫模型的评估问题
4.2.2 隐马尔可夫模型的解码问题
4.2.3 隐马尔可夫模型的训练问题
4.3 基于隐马尔可夫模型的列车鸣笛识别
第五章 基于小波MFCC和HMM的列车鸣笛识别的实验分析
5.1 实验流程
5.2 实验结果分析
5.3 声音识别方法在其它领域的应用
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的学术活动及成果情况
合肥工业大学;