原创力文档- 1、本文档共47页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于多层次特征图谱的高压并联电抗器声纹识别模型研究
目录
1.内容概览................................................3
1.1研究背景.............................................3
1.2研究意义.............................................4
1.3国内外研究现状.......................................5
1.3.1高压并联电抗器声纹识别技术发展...................6
1.3.2多层次特征图谱应用研究...........................8
1.3.3模型研究进展.....................................9
2.系统设计................................................9
2.1系统架构............................................10
2.1.1数据采集与预处理................................11
2.1.2特征提取与融合..................................12
2.1.3模型训练与优化..................................13
2.1.4模型评估与应用..................................15
2.2硬件平台............................................16
2.3软件平台............................................17
3.多层次特征图谱构建.....................................18
3.1特征提取方法........................................19
3.1.1时域特征提取....................................20
3.1.2频域特征提取....................................21
3.1.3时频域特征提取..................................22
3.2特征融合策略........................................24
3.2.1层次化特征融合..................................25
3.2.2模块化特征融合..................................26
3.3特征图谱构建流程....................................27
4.声纹识别模型...........................................28
4.1模型结构设计........................................29
4.1.1深度神经网络结构................................30
4.1.2支持向量机结构..................................31
4.1.3卷积神经网络结构................................33
4.2模型训练方法........................................34
4.2.1数据增强........................................35
4.2.2正则化..........................................36
4.2.3损失函数设计....................................36
4.3模型优化策略........................................37
5.实验与分析.............................................39
5.1实验数据集..........................................40
5
文档评论（0）