声明
第一章 绪论
1.1 课题背景及其意义
1.2 国内外自闭症的研究现状
1.3 音频信号分析技术研究与发展
1.4 机器学习的研究与发展
1.4.1 机器学习的概念
1.4.2 机器学习的分类
1.4.3 机器学习的发展
1.5 论文整体结构安排
第二章 自闭症音频信号分析和预处理
2.1 自闭症音频信号预处理
2.1.1 预加重
2.1.2 分帧加窗
2.2 自闭症音频信号去噪
2.2.1 加性噪声建模
2.2.2 多窗谱减法去噪
2.3 自闭症音频信号端点检测
2.3.1 基于双门限端点检测算法
2.3.2 五种算法对比与优化
2.4 低龄儿童自闭症音频信号的采集与制作
2.4.1 采集背景介绍
2.4.2 采集流程和实验范式
2.4.3 时频域分析
2.5 本章小结
第三章 自闭症音频声学特征提取
3.1 多层小波分解系数
3.2 线性预测倒谱系数
3.2.1 线性预测系数LPC
3.2.2 线性预测倒谱系数LPCC
3.3 梅尔倒谱系数
3.4 感知线性预测
3.5 小波梅尔倒谱
3.6 本章小结
第四章 自闭症分类模型研究
4.1 模型参数优化
4.1.1 网格搜索算法
4.1.2 粒子群优化算法
4.1.3 遗传算法
4.2 混淆矩阵与性能评估指标
4.2.1 二分类混淆矩阵
4.2.2 性能评估指标
4.3 基于支持向量机的自闭症声学特征选取
4.3.1 统计学习概论
4.3.2 支持向量机概念
4.3.3 支持向量机参数模型寻优
4.3.4 声学特征鲁棒性实验与分析
4.4 基于一维卷积模型的鲁棒性分析
4.4.1 人工神经网络概念
4.4.2 卷积神经网络概述
4.4.2 改进的一维卷积模型
4.4.4 实验分析
4.5 本章小结
第五章 基于SVM 的自闭症儿童音频检测系统
5.1 系统功能设计
5.2 系统界面运行演示
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
作者攻读硕士学位期间取得的学术成果
安徽大学;
