基于类脑计算方法的鲁棒声音识别

目录

第1章 绪论

1.1 研究背景及意义

1.2 研究现状及存在的问题

1.3 主要工作及贡献

1.4 论文结构

第2章 声音识别模型介绍

2.1 声音识别框架

2.2 传统的特征提取方法

2.2.1 语谱图图像

2.2.2 梅尔频率倒谱系数特征

2.3 传统的分类器模型

2.3.1 隐马尔科夫模型

2.3.2 深度学习方法

2.3.3 脉冲神经网络

2.4 本章小结

第3章 基于局部时频特征和卷积神经网络的鲁棒声音识别

3.1 方法概述

3.2 声音数据预处理

3.3 关键点技术提取局部时频特征

3.4 分类器模型

3.4.1 深度神经网路模型

3.4.2 卷积神经网络模型

3.5 实验

3.5.1 实验数据库

3.5.2 实验方法

3.5.3 实验结果和讨论

3.6 本章小结

第4章 基于扩维关键点编码和脉冲神经网络的鲁棒声音识别

4.1 方法概述

4.2 扩维关键点编码

4.3 Tempotron单脉冲学习算法

4.4 读出分类

4.5 实验

4.5.1 实验方法

4.5.2 实验结果和讨论

4.6 本章小结

第5章 结语

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况说明

致谢