一、摩托车——电子语音喇叭（论文文献综述）
林泽婷[1]（2021）在《汕头市电动自行车道路交通伤害危险因素的病例对照研究》文中指出目的通过重点人群问卷调查和中心路段实地观察了解汕头电动自行车（Electric-Bike,EB）骑行者的基本人口学特征、道路交通安全法规认知、骑行行为特征、人格特质与伤害现况,描述电动自行车道路交通伤害（E-bike road traffic injury,ERTI）现状并探讨其影响因素,明确其伤害模式和流行病学特点,为预防和控制汕头市ERTIs提供基础数据及理论依据。方法描述性研究:包括横断面研究和路边观察研究两部分。横断面研究采用多阶段分层整群随机抽样的方法,选取广东省汕头市共享电动自行车（Shared electric bicycle,SEB）投放区域（金平区、龙湖区）和非投放区域（潮阳区、潮南区和澄海区）进行调查。调查对象为幼儿园和小学的学生家长、以及初中生、高中生和大学生。路边观察研究选取汕头市市区（金平区和龙湖区）6个交通流量与人流量最大的道路交叉路口,由经过统一标准培训的研究人员分别在8:00～9:00、11:30～12:30、14:00～15:00以及17:30～18:30这4个时间段对路口的EB骑行者进行为期一周的观察。分析性研究:包括病例对照研究和病例交叉研究两部分。病例对照研究选取汕头市三家综合性三甲医院的骨科住院部（汕头大学附属第一医院、汕头大学附属第二医院以及汕头市中心医院）进行调查,筛选并确证因ERTI新入院的EB骑行者纳入病例组,由住院部的护士或医师按照统一方法进行调查。采用1:1配对的病例对照研究,以横断面调查中同性别、同年龄（±5岁）、同行政区域且在调查前12个月内未发生过ERTI者作为对照组。将病例组同一个体在伤害发生前的特定时间段定义为危险期,将伤害发生前一天起的3个月定义为对照期,对两期内某些危险因素（如头盔佩戴、手机使用等）的暴露情况进行病例交叉研究。统计方法:采用Epi Data 3.2对数据进行双录入核查比对和清洗,使用SPSS 25.0（IBM）和R 4.0.3进行统计分析。分别采用均数和标准差及频数和构成比对定量资料和定性资料进行统计描述;采用t检验、χ2检验和单因素Logistic回归进行组间比较;采用逐步向前的多因素非条件Logistic回归/Cox回归识别ERTI危险因素。P<0.05（双侧）为差异具有统计学意义。结果1.横断面研究:共对汕头市2444名EB骑行者进行调查,收集有效问卷2412份,问卷有效率为98.69%,伤害发生率为4.81%（116/2412）,男性（7.62%）伤害发生率高于女性（3.37%）,未达法定骑行年龄（16岁）的中学生为伤害高发人群。汕头市EB骑行者对道路交通安全法规知晓率较低,平均知晓率仅为60.26%;不佩戴安全头盔、闯红灯、骑行时使用手机、在机动车道上骑行、逆向骑行等危险骑行行为较为普遍。10月份（17.24%）和7月份（16.38%）发生的伤害事故最为集中,且以17:00～18:00时间段最多（9.48%）,伤害部位主要为下肢（57.76%）和上肢（28.45%）,就诊方式以私人门诊（40.52%）和医院门诊（27.59%）就诊为主。伤害原因主要是道路设计不完善、不合理,其所致ERTI占所有伤害事故三成以上（35.34%）。2.路边观察研究:共观察到14144名私有型电动自行车（Private electric bicycle,PEB）骑行者和20410名SEB骑行者。逆行发生率为4.52%,闯红灯行为发生率为5.58%,人行步道上骑行率为28.01%,骑行时接打电话和阅读手机信息的发生率分别为3.37%和7.61%。PEB骑行者在上述危险骑行行为上的发生率均高于SEB骑行者,无交警执勤处的交通路口出现上述危险骑行行为较有交警执勤处明显更高。PEB头盔佩戴率为58.17%,女性高于男性。不同时间段内的PEB骑行者头盔佩戴率不同,其中08:00～09:00（早上班高峰期）的头盔佩戴率最高,11:30～12:30（早下班高峰期）最低。有交警执勤的交叉路口头盔佩戴率（70.98%）高于无交警执勤处（53.64%）。使用SEB违规搭载大人（11.37%）的总体发生率高于搭载小孩（5.33%）,且非工作日违规搭载乘客的发生率较工作日高。商圈区域以搭载大人（13.30%）为主,而非商圈地区搭载小孩（5.34%）的发生率略高于搭载大人（5.32%）。P均<0.05。3.病例对照研究:散光是重型ERTI的保护因素（OR=0.05,95%CI:0.007～0.331）。较市区路段而言,经常骑行路段为郊区和乡镇（OR=8.19,95%CI:2.344～28.601）则更容易发生重型ERTI。包括逆向骑行史（OR=5.01,95%CI:1.523～16.449）、未佩戴头盔史（OR=6.62,95%CI:1.849～23.694）、与其它车辆或行人追逐打闹史（OR=25.57,95%CI:5.624～116.240）、发现车辆故障并继续骑行史（OR=12.52,95%CI:2.087～75.138）在内的危险骑行行为均是重型ERTI的危险因素。4.病例交叉研究:佩戴头盔为重型ERTI的保护因素,不佩戴头盔的EB骑行者发生伤害的风险较佩戴头盔者增加3.63倍（OR=4.63,95%CI:1.041～16.260）,使用手机接/打电话或阅读信息（OR=24.94,95%CI:4.266～27.793）将ERTI风险提高了23.94倍。而在机动车道上骑行（OR=0.35,95%CI:0.162～0.765）和在人行道上骑行（OR=0.08,95%CI:0.023～0.272）则为重型ERTI发生的保护因素。结论1.汕头市轻型ERTI发生率为4.81%。EB骑行者缺乏对相关道路交通安全法规的正确认知,危险骑行行为的实施率较高。初中生是ERTI防制的重点人群。2.汕头市EB头盔佩戴率为58.17%,其他交通违法行为发生率约5%。交警执法是减少危险骑行行为的强有力控制措施。3.重型ERTI高发路段为混合车道,以郊区和乡镇路段为主。部分重型ERTI导致的临床症状较重且预后不良。佩戴头盔可降低伤害发生风险,而骑行时使用手机的行为是ERTI的重要危险因素。逆向骑行、与其它车辆或行人追逐打闹、车辆故障后继续骑行等行为也与伤害发生密切相关。因此,交管部门应切实落实“一盔一带”政策的宣传和执行力度,提高EB骑行者的头盔佩戴率,坚决杜绝闯红灯、骑行使用手机等违法行为;城建规划和治理部门应着力完善道路建设和骑行环境,健全非机动车—机动车分流隔离设施,将EB的社会经济效益和公共卫生效益最大化。
刘梦玉[2]（2020）在《基于情境意识的视障人群出行伴护产品设计研究》文中研究说明随着科技的进步,智能硬件的发展和体验经济的崛起,可穿戴电子产品走进了我们的生活,也为视障群体带来福音。盲人出行辅助类产品的研究,能够为盲人提供更好的社会服务,以解决更多的社会问题。由于盲人视觉通道的缺失,盲人在出行场景中需要耗费注意力资源通过听觉、触觉等其它通道感知道路信息,对路况进行理解和预测,及时做出行为调整,以避免事故的发生,因此必须具有较高的情境意识。而盲人的出行情境意识与出行产品的可用性、风险感知等用户体验要素紧密相关,需要对听觉通道和触觉通道提示进行合理而有效的设计以降低盲人认知负荷,提高出行任务绩效,改善用户体验,提高盲人的出行情境意识。针对盲人出行情境下的听觉、触觉通道提示设计及其用户体验问题,研究了国内外学者对情境意识的理论模型、影响因素等研究成果,梳理了现有的国内外盲人出行辅助类产品研究,对听觉、触觉通道在盲人出行伴护产品中的设计要素和信号参数进行归纳,提出了听觉、触觉通道的设计原则,作为设计研究的理论依据。为了对盲人出行伴护产品整体的用户体验进行评估,结合情境意识测量方法,提出了适用于盲人出行伴护产品评估的模型框架,为评估盲人情境意识和出行伴护产品的用户体验提供思路。以盲人出行伴护产品的听觉通道和触觉通道交互设计为出发点,展开课题的具体研究。采用用户行为观察、用户访谈和问卷调查方法,了解盲人对于出行伴护产品的使用意向、产品期望、功能需求等,理解盲人在出行过程中存在的问题和风险,构建用户角色模型,对产品功能进行规划与分析,发现设计要点和机会点。对盲人出行情境进行研究,得出盲人出行情境层次,归纳了盲人出行情境要素分类表,总结出盲人出行伴护产品多通道交互设计流程,并按照该流程对盲人出行伴护产品的听觉通道和触觉通道进行了设计。采用Python和pygame等模块完成听觉系统开发,借助振动电机、超声波传感器和树莓派等模块实现触觉系统开发。开展实验验证听觉、触觉通道提示设计策略,通过分析被试对听觉提示的感知时间、任务判断正确次数,以及对触觉提示的感知时间、方向感知任务正确率、舒适度和感知程度,得出不同声音形式、不同振动模式对用户体验和情境认知的影响,并得出合适的听觉提示方式和触觉提示方式。根据实验结果选择合适的听觉、触觉提示方式,结合用户调研结果和典型用户特征,归纳出产品的设计原则,实现产品的各个功能模块,并对产品的形态语义偏向进行分析,推导出产品定位,用以指导产品的设计实践。开展实验评估盲人出行伴护产品总体的用户体验,实验表明,盲人出行伴护产品总体用户体验良好,具备听觉和振动触觉提示方式,能够提高盲人的任务完成效率,提升盲人的风险感知能力和决策正确率,降低盲人的认知负荷,从而提高了出行情境意识,满足盲人的功能需求和设计要求,也验证了听觉、触觉通道及整体设计的可行性。
唐子清[3]（2020）在《汉传与藏传佛教建筑声环境研究 ——基于山西省典型寺院的实例分析》文中进行了进一步梳理人居环境是我们离不开的生活环境,关注于人本身并提升人所处环境中的声音品质是建筑声学环境研究永恒的基本诉求之一。作为物质文化、历史建筑遗产保护重要对象的独立性强的“以寺养寺”运作机制下的汉传与藏传佛教寺院建筑,其声学遗产是遗产建筑内所不可触摸与不可分离出来的重要层面。如今建筑声学多学科交叉的研究趋向于平衡人们对历史建筑的整体感知与理解,是通过加入受各种能创造出人类体验的交叉关联因素所影响的声环境这一具体途径而实现的。然而社会大众对佛教寺院、祭祀型公园等建筑内的声环境普遍缺乏充足的认知,例如佛教寺院建筑内存在施工机械、人声等噪声烦扰,破坏着信众拜访、僧侣居住对寺院声舒适因素的体验需求,抑或在大雄宝殿或文殊大殿内僧侣诵经、演奏法器等佛事时大殿存在严重的声缺陷等声学问题也不为人知悉甚至被有意忽略。基于佛教在中国人居环境内无可替代的精神意义,本研究意在承续学科领域内的现有研究成果,探寻汉地佛教寺院建筑内部与外部环境内的人群、声音与环境三者之间的关系,以期找到提升关注、解决佛教寺院等建筑声环境的实际问题并持续改善寺院人居环境的解决路径,力求对声学学科在理论与应用上探索有价值的边缘性扩展。通过延续对寺院、佛教文化祭祀型公园等建筑遗产内声音现状的关注,本文从新的视角出发研究了汉、藏传佛教寺院建筑声环境指标及参数,引入人的主观因素评价了寺院建筑声环境。在理论层面,拓宽建筑声学与建筑史学的研究范畴,借助物理软件应用于模拟及分析佛寺大雄宝殿的声场,拓宽声学评价技术应用的思路;在实践层面,弥补汉传佛教传统寺院建筑保护工作在声环境参数及评价方面的缺失,完善了声学测量数据库并且为新寺院建筑的建设提供声学方面更为丰富的数据性参考。论文采用综合研究方法对本文的研究对象展开剖析论证,以研究论证的精确度与适用范围的广度,且达到日后拓展研究领域所必须的科学性与深度。搜集选取对象数据及模拟结果的统计分析借助SPSS.21软件,寺院建筑外部声环境利用城市区域声学分析软件Cadnaa,殿内声环境分析使用Comsol Multiphysics5.4版,最后得出寺院建筑内、外空间声环境研究结果。运用资料文献法查询以往文献,为研究奠定了理论基础;使用调查问卷法进行主观问卷调查,获得了被调查访客的基本信息以及心理声学评价;采用统计分析法与实验法展开客观声学测试,收集调研对象的声压级指标与声频等统计值,测量温湿度、距离、尺寸等物理值;结合声学模拟软件,利用模态分析法、数值分析法与有限元法或边界元法,对不局限于结构本身的材料性质,线性与非线性的结构模型进行了射线声学声场模拟,分析了做佛事时大雄宝殿的声场特征,发现了基于佛殿结构的殿堂声的变化规律;依靠主观评价法阐释了游人对寺院、殿堂及祭祀文化公园的声偏好与受到的噪声烦扰,解释了寺院建筑内视觉与声觉因素的关系,以及评价了寺院建筑整体声舒适度、协调度等。研究选取了山西太原崇善寺大雄宝殿,五台山三大佛寺主殿（显通寺大雄宝殿,菩萨顶大雄宝殿,殊像寺大文殊殿）,五台山白塔寺,晋祠公园与晋祠博物馆,北京雍和宫及妙应寺白塔等分布在不同地域的几大建筑群体。因为这些佛教寺院建筑在汉地佛教体系中具备完整性与显着性,完整性体现了汉地佛教与藏传佛教建筑的代表性价值,防止了结果偏向于某些碎片化结论;而显着性则允许实验过程能够重复再现,同时能检验样本选取的随机模型偏差。通过对北京雍和宫与五台山的菩萨顶这两处藏传佛教寺院的声环境的对比,探索出视觉、建筑功能景观的“过渡”“高潮”的连接与声环境之间的关系具有“同步性”,如塔院寺白塔处的Lmax超过了90d B,其同时是五台山视觉景观与声景地图上的制高点。研究了藏传佛教寺院内建筑空间形制、功能类型特点相似的两处节点发现山地藏传佛教寺院内的声传播速度更快范围更广的特征,与平地的地形中寺院声场具有显着的差异。研究得出几处大殿做佛事有各自的声学优势,例如崇善寺大雄宝殿内C80最高,音乐声的清晰度最好,菩萨顶大雄宝殿的T60最大,混响感最强烈;殿内诵念经文的同时演奏法器会将诵念的语言声严重染色,极大降低了殿内音效等等。本研究旨在揭示佛教建筑,特别是寺院殿内外空间的声环境特征,发现寺庙进行佛事时法力场声环境的影响因素,最终改善僧俗日常生活的声体验更创造理想的礼佛空间,探索物质文化遗产属性,提出相应的汉地佛教与藏传佛教寺院、建筑声环境的保护策略与殿内声环境的改善方法并提倡继承和发展。
迪恩·孔茨,姜焕文[4]（2020）在《无声的角落》文中研究指明有的人真正脱离了网络,任何技术都探测不到他们的行踪,然而他们可以随心所欲地游弋于互联网并使用互联网,这样的人可以说就处在"无声的角落"。第一部教我战栗1清凉的黑夜里,简·霍克醒了。有一阵子,她记不起自己睡在哪里。她只记得自己像惯常一样,睡在大号或是特大号双人床上,手枪放在另一只
庄正高[5]（2020）在《校园周边交通鸣笛声时空分布与分类方法研究》文中进行了进一步梳理交通鸣笛声是城市交通环境中常见的一类噪声,是城市噪声的主要来源之一,随着中国经济与社会的持续快速发展,交通鸣笛声污染这一问题越来越严重。持续增加的交通鸣笛声给城市交通以及居民生活带来了越来越恶劣的影响,因此,控制交通鸣笛声势在必行。目前,在城市主干道一般都装有车辆违章鸣笛抓拍系统用于捕捉违规鸣笛,而在非主干道区域,主要通过人工管控的方式整治违法交通鸣笛,该方法不仅效率低下而且会消耗大量的人力物力。因此,针对这类区域的智能化违法鸣笛声检测与识别对于管控城市交通,提升城市居民幸福感具有重大意义。本文以校园周边交通鸣笛声为研究对象,采用低成本便携式录音设备采集交通鸣笛声数据,详细讨论了交通鸣笛声的时空分布与环境和交通因素的关系,实现了基于单通道数据的交通鸣笛声分类,并进一步结合深度聚类算法实现了单通道并发交通鸣笛声分类。具体而言,首先通过低成本便携式录音设备从校园周边路段采集得到交通鸣笛声样本,针对交通鸣笛声样本的时空分布进行了统计分析,详细阐述了样本采集路段的交通鸣笛声在采集期间不同季节、一周以及一天内的频次分布情况,并结合能见度、车流量、道路特征等因素对交通鸣笛声的频次波动进行了分析。其次,针对采集得到的交通鸣笛声,提取了Mel频率倒谱系数（MFCC）与小波包能量谱两类常用特征,并采用支持向量机（SVM）与随机森林两种常用分类器将交通鸣笛声分类为大型车辆鸣笛声、中小型车辆鸣笛声、二轮及三轮车鸣笛声,平均分类准确率达到90.3%。考虑到真实环境下采集得到的交通鸣笛声中包含的环境噪声对分类效果存在一定影响,因此分别采用谱减法、维纳滤波、非负矩阵分解（NMF）三类降噪方法对鸣笛声样本进行降噪处理,通过对比发现使用NMF方法降噪后的信号分类性能提升较大,达到了2.3%。此外,针对真实环境下大概率存在的并发交通鸣笛声,研究并实现了一种基于深度聚类的单通道并发鸣笛声分离方法。该方法首先通过训练双向长短期记忆网络（BLSTM）得到交通鸣笛声的嵌入式特征,然后基于K-means算法对上述嵌入式特征进行聚类,进而实现并发交通鸣笛声的分离。最后针对分离得到的信号采用前述分类方法进行了鸣笛声分类及其性能分析,平均分类准确率达到了81.3%,有效实现了单通道并发交通鸣笛声分类。本文基于低成本便携式设备所采校园周边交通鸣笛声数据的研究成果,为缺乏车辆违章鸣笛监控系统区域的交通管控提供了一种便捷高效的辅助手段。
仇鹏[6]（2019）在《基于CRNN模型的弱标签城市交通工具声识别检测》文中研究说明为了实现智慧城市、智能交通等关键技术,对城市中交通工具发出的声音进行识别检测变得日益重要。目前大多数声音识别检测的研究都是基于强标签数据集,但获取强标签音频数据比较困难,所以我们需要研究如何在弱标签数据集下对城市交通工具声进行识别检测。论文从AudioSet数据库中选取了一个包含17种城市交通工具声的弱标签数据集进行研究,该数据集中每一类声音的样本数分布不平衡,而且数据集中的音频样本存在弱标签性、多源性的问题。论文将围绕这三个问题,就如何在弱标签数据集下提升对城市交通工具声的识别检测精度展开研究。数据集中声音的弱标签性,使得传统的声音识别检测模型不再适用。论文使用声音的对数梅尔频谱系数（MFSC）组成的时频图作为特征,并且针对研究任务的特点搭建了一种卷积循环神经网络（CRNN）作为声音识别检测系统的基线模型,该模型由卷积神经网络（CNN）和循环神经网络（RNN）组合而成,可以更充分地利用声音特征,适用于弱标签声音的识别检测任务。针对数据集中每一类声音样本分布不平衡的问题,论文使用了一种按比例选取训练批次数据的方法,该方法可以使模型充分学习到每一类声音的特征,缓解了模型训练时的有偏性问题,大幅提升了模型对城市交通工具声识别检测的精度。对于声音的多源性问题,论文使用了重要性加权识别方法和多尺度注意力融合方法。重要性加权识别方法将模型对声音的检测结果根据重要程度进行加权融合,得到最终识别结果,该方法可以更多地利用有效声音所在帧的检测结果,忽略噪声帧的检测结果。多尺度注意力融合对模型中CNN部分加入了注意力门控机制和多尺度卷积融合,注意力门控机制可以控制模型学习声音中重要的特征并且忽略不重要的特征,使模型更关注有效声音的特征而忽略噪声特征。多尺度卷积融合可以使模型提取到多个维度的声音特征并且进行融合,得到更加丰富的特征。重要性加权识别方法和多尺度注意力融合方法均可提升模型对城市交通工具声识别检测的精度。为了进一步提升模型性能,论文在CRNN模型的RNN部分使用了一种多滑窗分帧法。该方法通过设置不同长度的滑窗对CNN的输出进行分割,将分割后的特征输入进多个RNN分别进行识别检测,最后将多个识别检测结果进行融合。该方法充分考虑到了每一种声音在不同帧长维度下的特征,使模型学习到更加丰富的特征,有效提升了模型对声音识别检测的精度。论文最后还使用了两种多模型融合的方法对模型进行融合,该融合方法也可以大幅提高模型对城市交通工具声识别检测的精度。通过仿真实验可以发现,在弱标签城市交通工具声数据集下,论文使用的CRNN基线模型相比于传统的声音识别检测模型对声音的识别检测精度更高,并且论文使用的重要性加权识别方法、按比例选取训练批次数据方法、多尺度注意力融合方法、多滑窗分帧法和多模型融合方法均可提升模型对声音识别检测的精度。论文最终使用的融合模型对测试集声音识别结果的F1值为57.5%;检测结果的ER值为0.627,F1值为45.1%。
杨静妍[7]（2019）在《中山市南朗镇冲口门渔村疍家话语音词汇研究》文中认为疍家话的归属在学界一直备受争议,至今没有达成一致主张。本文选取中山市南朗镇冲口门渔村为调查点,深入实地调查,从语音和词汇两方面对其语言事实作详细描写,在此基础上与粤语广府片的代表——广州话进行比较研究,以期对冲口门渔村疍家话的系属作出判断,并为珠江三角洲地区疍家话的归属提供有效的参考材料。全文共分为六个部分:第一章:引言。首先介绍中山市的概况,包括中山市的地理位置、历史沿革、语言概况以及中山市疍家人的来源和分布;其次,对疍家话的研究现状进行简单描述,并指出本文研究的目的、意义、方法及材料来源;最后对本文调查点和发音合作人基本情况进行简述。第二章:冲口门渔村疍家话语音研究。从历时角度将冲口门渔村疍家话与中古音进行比较,理清历时上的音韵对应关系,并得出其声、韵、调三方面的特点。第三章:冲口门渔村疍家话词汇研究。首先通过古汉语词、古百越语词和外来词这三方面来展示冲口门渔村疍家话的词汇概貌。接着从共时角度出发,比较冲口门渔村疍家话与普通话在构词形式、造词方式和词义上的差别。最后从方言与文化的角度阐述了冲口门渔村疍家话与疍家文化的关系。第四章:冲口门渔村疍家话的归属。通过与广州话在语音和词汇上的比较,为冲口门渔村疍家话归属为粤语广府片提供了充分的依据。第五章:结语。对文章进行总结归纳,并将冲口门渔村疍家话归入粤语广府片,最后指出本文研究的不足。附录:包括同音字表和分类词表。
本杰明·珀西,姚人杰[8]（2019）在《暗网》文中进行了进一步梳理《俄勒冈人报》女记者莱拉?·?福尔肯发现,十年前连环杀手杰里米?·?图斯克居住的芸香公寓所在地块被地下城股份有限公司买下,奇怪的是,她哪儿都查找不到这家公司的资料。莱拉去芸香公寓实地调查,闯入工地后,发现了一个可疑的坟冢挖掘现场,一伙神秘人在那儿挖掘出一些畸形的骸骨。莱拉被对方发现,她慌乱之中拿了一只骷髅头,逃离了现场。当天晚上,特大风暴袭击波特兰,造成大面积停电,一股与暗网有关的神秘势力趁机作祟。一对情侣在公寓内遇害,凶手在墙上留下了血手印。迈克?·?朱尼珀是疲惫的旅者庇护所的管理员,有着不为人知的过往。他发现一种名叫猎犬的怪物再现人间,知道黑暗正在袭来。正当记者莱拉继续深挖骷髅头来历之时,神秘势力为了夺回骷髅头,派出了猎犬追杀,后来又劫持她的甥女汉娜作为要挟。真相渐渐清晰,邪恶组织不仅长期利用互联网收集情报,更妄想在万圣夜打开地狱大门,用蠕虫病毒将人类变成行尸走肉。正义与邪恶的大战在波特兰启幕……
诸云怡[9]（2019）在《基于麦克风阵列的机动车鸣笛声监测》文中指出随着国民经济的快速发展,机动车保有量逐年增加,大量的鸣笛声给身心健康、道路交通安全、人文与生态环境带来了不小的危害。近年来,国家紧抓违法鸣笛行为,并采用科技手段配合人工的方式定位取证,在此过程中,如何将声音智能化相关的研究应用于机动车鸣笛声的检测、识别与定位,提升准确性是研究的难点。本文针对现有违法鸣笛抓拍系统造价昂贵,难以推广的现状,设计低成本的麦克风阵列数据采集系统,系统采用了STM32F4系列芯片为控制核心,能够实现音频信号的实时采集与存储,并具有小型化、易操作等特点。并在该采集系统的基础上,聚焦嘈杂环境下机动车鸣笛声的检测问题,优化算法以弥补成本降低带来的不足。故本文在详细研究了机动车鸣笛声特性之后,将基于麦克风阵列的机动车鸣笛声自适应增强算法用于抑制禁鸣区中复杂的噪声,为后续信号检测做准备。同时将小波包能量谱作为特征,研究并改进机动车鸣笛声检测算法。结论表明,基于小波包的机动车鸣笛声检测算法准确率较高,但是随着信噪比的恶化,非鸣笛声带来的干扰影响增大。基于麦克风阵列的机动车鸣笛声自适应增强算法对噪声有更强的抑制效果,能够保留机动车鸣笛声大部分可识别特征,并有效降低非鸣笛声带来的干扰。
杨培铮[10]（2018）在《听见:人工耳蜗植入体验记》文中进行了进一步梳理声音的孤魂日夜游荡渴望涅盘阳光下的声音黑夜里的声音下雨的声音花开的声音世界的天籁凡尘的俗音都在等待重生听见一、手术:耳朵里的蜗牛2017年3月22日。终于,我来到一扇门前,门上有三个亮着的红字:手术室。进这扇门的决定是我自己下的,我的梦想需要在这扇门里实现。我的梦想原本只是颗被坚硬的外壳重重包裹的种子,靠我自己无力打开。破不了壳的种子不可能落土发芽,却弃之可惜,于是被搁置,蒙上厚厚的灰尘。经年累月,我以为它早死
二、摩托车——电子语音喇叭（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、摩托车——电子语音喇叭（论文提纲范文）
（1）汕头市电动自行车道路交通伤害危险因素的病例对照研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 研究背景 |
| 1.2 电动自行车伤害研究现状 |
| 1.3 研究目的与意义 |
| 第2章 研究内容与方法 |
| 2.1 定义判定和标准 |
| 2.2 研究对象和样本量确定 |
| 2.3 研究内容 |
| 2.4 研究方法 |
| 2.5 统计分析 |
| 2.6 技术路线 |
| 第3章 研究结果 |
| 3.1 横断面研究 |
| 3.2 路边观察研究 |
| 3.3 病例对照研究 |
| 3.4 病例交叉研究 |
| 3.5 危险因素分析 |
| 3.6 伤害特征分析 |
| 第4章 讨论 |
| 4.1 EB使用行为特征 |
| 4.2 ERTI人群分布特征 |
| 4.3 ERTI伤害发生特征 |
| 4.4 ERTI伤害临床特征 |
| 4.5 ERTI伤害危险因素 |
| 4.6 ERTI防制策略与措施 |
| 第5章 结论 |
| 第6章 创新性与局限性 |
| 6.1 创新性 |
| 6.2 局限性 |
| 第7章 研究展望 |
| 参考文献 |
| 第8章 综述 电动自行车道路交通伤害流行病学研究进展 |
| 参考文献 |
| 附录1 电动自行车道路交通伤害调查问卷 |
| 附录2 路边观察研究记录表 |
| 附录3 伦理审查书 |
| 个人简历 |
| 致谢 |
（2）基于情境意识的视障人群出行伴护产品设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目标和意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 盲人出行产品研究 |
| 1.3.2 情境意识 |
| 1.4 研究的主要内容和创新点 |
| 1.4.1 主要内容 |
| 1.4.2 创新点 |
| 1.5 研究方法 |
| 1.6 研究框架 |
| 第二章 基于情境意识的盲人出行伴护产品理论研究 |
| 2.1 情境意识概述 |
| 2.1.1 情境意识定义 |
| 2.1.2 情境意识理论模型 |
| 2.1.3 情境意识测量方法 |
| 2.1.4 情境意识影响因素 |
| 2.2 盲人出行伴护产品 |
| 2.2.1 盲人出行辅助产品分类 |
| 2.2.2 智能伴护产品概述 |
| 2.2.3 盲人出行伴护产品 |
| 2.3 感官通道设计研究 |
| 2.3.1 听觉通道 |
| 2.3.2 触觉通道 |
| 2.4 情境意识理论应用于盲人出行伴护产品的思考 |
| 2.5 盲人出行场景下的情境意识影响因素分析 |
| 2.5.1 用户情境 |
| 2.5.2 任务情境 |
| 2.5.3 环境情境 |
| 2.5.4 构建盲人出行情境意识理论模型 |
| 2.6 基于情境意识的盲人出行伴护产品用户体验评估 |
| 2.6.1 用户体验评估模型 |
| 2.6.2 基于情境意识的盲人出行伴护产品用户体验评估模型 |
| 2.7 本章小结 |
| 第三章 盲人出行伴护产品的用户需求与功能分析 |
| 3.1 目标用户 |
| 3.1.1 盲人群体生理特征 |
| 3.1.2 盲人群体感知特征 |
| 3.1.3 盲人群体心理特征 |
| 3.1.4 盲人群体行为特征 |
| 3.1.5 盲人群体出行特征 |
| 3.2 用户调研 |
| 3.2.1 调研介绍 |
| 3.2.2 用户行为观察 |
| 3.2.3 用户访谈 |
| 3.2.4 基于Kano模型的需求问卷调研及功能属性划分 |
| 3.2.5 调研总结 |
| 3.3 用户角色模型 |
| 3.3.1 主要用户角色模型 |
| 3.3.2 次要用户角色模型 |
| 3.4 产品功能规划与设计机会点 |
| 3.4.1 产品功能规划 |
| 3.4.2 产品设计机会点 |
| 3.5 本章小结 |
| 第四章 基于情境意识的盲人出行伴护产品多通道交互设计开发 |
| 4.1 盲人出行情境研究 |
| 4.1.1 盲人出行情境层次 |
| 4.1.2 盲人出行情境要素分类 |
| 4.1.3 盲人出行风险感知 |
| 4.2 盲人出行伴护产品多通道交互设计流程 |
| 4.3 盲人出行伴护产品听觉通道设计 |
| 4.3.1 设计目标和需求 |
| 4.3.2 听觉提示的声音形式 |
| 4.3.3 听觉提示的声音功能 |
| 4.3.4 语音与非语音提示划分 |
| 4.3.5 语音提示设计 |
| 4.3.6 非语音提示设计 |
| 4.4 盲人出行伴护产品触觉通道设计 |
| 4.4.1 设计目标和需求 |
| 4.4.2 分层振动提示设计 |
| 4.4.3 方向振动提示设计 |
| 4.5 听觉提示系统开发 |
| 4.5.1 技术平台与工具 |
| 4.5.2 素材整理与编辑 |
| 4.5.3 音频整合 |
| 4.6 触觉提示系统开发 |
| 4.6.1 振动提示装置 |
| 4.6.2 超声波传感器角度分布设计 |
| 4.6.3 振动点分布设计 |
| 4.6.4 振动提示系统脚本开发 |
| 4.7 本章小结 |
| 第五章 盲人出行伴护产品多通道交互设计用户体验与认知实验 |
| 5.1 听觉提示实验目的 |
| 5.2 听觉提示实验设计 |
| 5.2.1 样本与时间 |
| 5.2.2 实验环境 |
| 5.2.3 实验任务 |
| 5.2.4 实验数据收集 |
| 5.3 听觉提示实验数据及结果分析 |
| 5.3.1 听标提示实验 |
| 5.3.2 耳标提示实验 |
| 5.3.3 实验结论 |
| 5.4 振动提示实验目的 |
| 5.5 振动提示实验设计 |
| 5.5.1 研究假设 |
| 5.5.2 样本与时间 |
| 5.5.3 实验环境 |
| 5.5.4 实验任务 |
| 5.5.5 实验数据收集 |
| 5.6 振动提示实验数据及结果分析 |
| 5.6.1 间隔与强弱分层振动提示实验 |
| 5.6.2 动态与静态方向振动提示实验 |
| 5.6.3 实验结论 |
| 5.7 本章小结 |
| 第六章 基于情境意识的盲人出行伴护产品设计实现与评估 |
| 6.1 设计原则 |
| 6.1.1 安全性 |
| 6.1.2 简单易用 |
| 6.1.3 指导性和有效性 |
| 6.1.4 舒适性和便利性 |
| 6.1.5 愉悦的情感体验 |
| 6.2 功能模块实现 |
| 6.2.1 定位导航 |
| 6.2.2 障碍物测距 |
| 6.2.3 障碍物识别 |
| 6.2.4 语音交互 |
| 6.2.5 其他模块 |
| 6.3 产品形态语义偏向 |
| 6.3.1 造型语义 |
| 6.3.2 色彩语义 |
| 6.3.3 材质语义 |
| 6.4 产品定位 |
| 6.5 方案设计 |
| 6.5.1 草图与三维造型设计 |
| 6.5.2 尺寸结构与功能说明 |
| 6.5.3 佩戴方式说明 |
| 6.5.4 使用场景 |
| 6.5.5 样机制作 |
| 6.6 用户体验评估测试 |
| 6.6.1 实验目的 |
| 6.6.2 样本与设备 |
| 6.6.3 实验任务及数据收集 |
| 6.6.4 实验结果分析 |
| 6.6.5 讨论与建议 |
| 6.7 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（3）汉传与藏传佛教建筑声环境研究 ——基于山西省典型寺院的实例分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 选题依据 |
| 1.1.2 研究意义 |
| 1.2 研究现状综述 |
| 1.2.1 国内研究动态 |
| 1.2.2 国外研究动态 |
| 1.2.3 现有研究不足 |
| 1.3 研究内容概述 |
| 1.3.1 研究样本的选取 |
| 1.3.2 研究工具与设置研究前提 |
| 1.3.3 研究内容 |
| 1.4 论文理论支撑及研究手段 |
| 1.4.1 基础理论内容 |
| 1.4.2 交叉学科的理论支撑 |
| 1.4.3 研究手段 |
| 1.5 研究结构框架 |
| 第二章 汉地佛教寺院声环境的建筑学背景与声学考量 |
| 2.1 汉、藏佛教寺院建筑空间形制与声学 |
| 2.1.1 历史沿革与声学联想 |
| 2.1.2 选址及影响因素中的声学特征 |
| 2.1.3 佛教寺院空间布局及若干声学猜想 |
| 2.1.4 建筑功能类型与声学 |
| 2.1.5 建筑内部装饰及造像 |
| 2.2 佛像出现的渊源 |
| 2.2.1 佛塔与若干声学设想 |
| 2.3 佛教寺院建筑意识与文化性的探索 |
| 2.3.1 源自印度佛教建筑的思想意识 |
| 2.3.2 演变至汉地佛教寺院的意识文化性及对寺院布局与声场的影响推论 |
| 2.3.3 汉、藏佛寺意识文化性导向下对声音的异同性表征 |
| 2.4 本章小结 |
| 第三章 本研究声环境对象的理论建构 |
| 3.1 面向体系建构的原理阐释 |
| 3.1.1 佛寺的木结构与声学表现的相互影响 |
| 3.1.2 声吸收、反射机制与几种构造板的声学表现 |
| 3.1.3 人声与人耳的生理特点 |
| 3.2 面向新拓问题的研究概念 |
| 3.2.1 潜移默化的认知“治疗”机理 |
| 3.2.2 声压级测量与评价指标的拓新实现 |
| 3.2.3 噪声对人的心理干扰 |
| 3.2.4 视觉景观、功能景观与声景观的关系 |
| 3.2.5 建立一种利用射线声学研究佛殿的科学方法 |
| 3.3 本章小结 |
| 第四章 汉、藏传佛教建筑及寺院声环境实测调研 |
| 4.1 太原市开放式佛教文化祭祀公园与寺庙声环境测研 |
| 4.1.1 晋祠公园数据实测与视觉景观调研评价 |
| 4.1.2 晋祠博物院数据实测与视觉景观研评 |
| 4.1.3 崇善寺数据采集与视觉景观研析 |
| 4.2 五台山佛教寺院视觉景观与声环境测研 |
| 4.2.1 五台山中与“声”有关的佛事活动 |
| 4.2.2 大显通寺视听环境因素测研 |
| 4.2.3 塔院寺视听环境因素测研 |
| 4.2.4 五爷庙视声环境测研 |
| 4.2.5 菩萨顶视听景观环境测研 |
| 4.2.6 殊像寺视听景观测析 |
| 4.3 山西典型汉传与藏传寺院声学特征比较 |
| 4.4 北京市藏传佛教寺院视觉景观与声环境测研 |
| 4.4.1 雍和宫声环境与视觉因素测试与评析 |
| 4.4.2 妙应寺声环境与视觉因素研析 |
| 4.4.3 两处藏传佛教寺院声环境特征对比阐述 |
| 4.5 研究结论 |
| 4.6 本章小结 |
| 第五章 计算机辅助佛寺殿堂模型构建与殿内声场模拟 |
| 5.1 从SU到佛殿模型的生成与优化 |
| 5.2 COMSOL模拟方法的提出 |
| 5.3 声像法方块图大天花下声障板的效果预估 |
| 5.4 五台山汉藏佛教寺院样本佛殿内声场模拟研究 |
| 5.4.1 崇善寺大雄宝殿 |
| 5.4.2 菩萨顶大雄宝殿 |
| 5.4.3 殊像寺大文殊殿 |
| 5.4.4 显通寺大雄宝殿 |
| 5.4.5 结论 |
| 5.5 四大殿第一反射声线到达时间研究 |
| 5.6 寺院建筑大殿内空间声交接面上的声压级特点研究 |
| 5.7 四座大殿内四种比例因子下的额外时间步射线功率合成变化 |
| 5.8 研究结果分析 |
| 5.9 本章小结 |
| 第六章 互异地形藏佛教寺院及佛教文化祭祀公园声环境研究 |
| 6.1 山地与平原地形中藏传佛教寺院关键节点处声环境差异分析 |
| 6.1.1 北京雍和宫甬道牌楼处声环境 |
| 6.1.2 菩萨顶寺院108台阶处声环境 |
| 6.1.3 比较与结论 |
| 6.2 佛教文化祭祀公园声环境 |
| 6.2.1 晋祠公园与博物院主观问卷调查结果分析 |
| 6.2.2 晋祠公园内声压级与响度的关系 |
| 6.2.3 晋祠公园响度的主观烦恼度评价 |
| 6.3 本章小结 |
| 第七章 典型汉藏传佛教寺院建筑声环境保护与继承的探索 |
| 7.1 基于声景学的寺庙外部声环境改善策略分析 |
| 7.1.1 寺庙大殿外部声环境保护 |
| 7.1.2 保护声传播路径的途径 |
| 7.2 基于模型仿真的殿堂内部声环境改善 |
| 7.3 结论与展望 |
| 7.3.1 研究结论 |
| 7.3.2 展望 |
| 参考文献 |
| 附录 |
| 附录 A 佛教寺院声环境物理测量表 |
| 附录 B 佛教寺院声环境调查问卷 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）无声的角落（论文提纲范文）
| 第一部教我战栗 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 21 |
| 22 |
| 23 |
| 第二部兔子洞 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 21 |
| 22 |
| 23 |
| 24 |
| 25 |
| 26 |
| 27 |
| 28 |
| 29 |
| 30 |
| 31 |
| 32 |
| 33 |
| 34 |
| 35 |
| 36 |
| 37 |
| 38 |
| 39 |
| 40 |
| 41 |
| 42 |
| 43 |
| 第三部白噪声 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 第四部无声的角落 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 21 |
| 第五部控制机制 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 21 |
| 22 |
| 第六部最后的美好一天 |
| 1 |
| 2 |
| 3 |
| 4 |
| 5 |
| 6 |
| 7 |
| 8 |
| 9 |
| 10 |
| 11 |
| 12 |
| 13 |
| 14 |
| 15 |
| 16 |
| 17 |
| 18 |
| 19 |
| 20 |
| 21 |
| 22 |
| 23 |
| 24 |
| 25 |
| 26 |
| 27 |
| 28 |
| 29 |
| 30 |
| 31 |
| 32 |
| 33 |
| 34 |
| 35 |
| 36 |
| 37 |
| 38 |
（5）校园周边交通鸣笛声时空分布与分类方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文工作与结构安排 |
| 2 交通鸣笛声信号分析 |
| 2.1 车辆鸣笛声分析 |
| 2.1.1 鸣笛声产生机理 |
| 2.1.2 鸣笛声信号分析 |
| 2.2 常用声学特征 |
| 2.2.1 小波包能量谱 |
| 2.2.2 Mel频率倒谱系数 |
| 2.3 本章小结 |
| 3 校园周边交通鸣笛声采集与时空分布特性 |
| 3.1 数据采集与数据库构建 |
| 3.1.1 数据采集 |
| 3.1.2 数据预处理与数据库构建 |
| 3.2 校园周边交通鸣笛声时空分布特性 |
| 3.2.1 冬春两季的交通鸣笛声时空分布统计 |
| 3.2.2 一周内交通鸣笛声时空分布统计 |
| 3.2.3 一天内交通鸣笛声时空分布统计 |
| 3.3 时空分布特性影响因素分析 |
| 3.3.1 节假日对交通鸣笛声分布的影响 |
| 3.3.2 气象条件对交通鸣笛声分布的影响 |
| 3.3.3 道路特征对交通鸣笛声分布的影响 |
| 3.4 本章小结 |
| 4 交通鸣笛声分类 |
| 4.1 常用分类器 |
| 4.1.1 支持向量机 |
| 4.1.2 随机森林 |
| 4.2 鸣笛声分类 |
| 4.2.1 特征提取 |
| 4.2.2 分类性能评估与分析 |
| 4.3 单通道降噪算法对鸣笛声分类性能影响 |
| 4.3.1 常用单通道降噪算法 |
| 4.3.2 降噪前后分类性能评估与分析 |
| 4.4 本章小结 |
| 5 基于深度聚类的单通道并发交通鸣笛声分类 |
| 5.1 基于BLSTM的深度聚类 |
| 5.1.1 深度神经网络 |
| 5.1.2 深度聚类 |
| 5.2 并发交通鸣笛声分离 |
| 5.2.1 数据预处理与网络初始化 |
| 5.2.2 实验结果及分析 |
| 5.3 分离后信号的分类性能评估与分析 |
| 5.4 本章小结 |
| 6 总结与未来展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间发表的论文和出版着作情况 |
（6）基于CRNN模型的弱标签城市交通工具声识别检测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及存在问题 |
| 1.4 论文结构安排 |
| 第二章 声音识别检测相关理论 |
| 2.1 支持向量机 |
| 2.1.1 SVM分类思想 |
| 2.1.2 核函数 |
| 2.1.3 SVM多分类 |
| 2.2 多层感知机 |
| 2.2.1 前向传播 |
| 2.2.2 反向传播 |
| 2.3 卷积神经网络 |
| 2.3.1 卷积与池化 |
| 2.3.2 CNN反向传播 |
| 2.4 循环神经网络 |
| 2.4.1 RNN前向传播 |
| 2.4.2 RNN反向传播 |
| 2.5 本章小结 |
| 第三章 数据处理与特征提取 |
| 3.1 数据集介绍 |
| 3.2 数据预处理和特征提取 |
| 3.2.1 MFSC特征提取 |
| 3.2.2 MFCC特征提取 |
| 3.3 仿真实验 |
| 3.3.1 特征选取 |
| 3.3.2 识别任务评估指标 |
| 3.3.3 模型参数设置 |
| 3.3.4 仿真结果对比及分析 |
| 3.4 本章小结 |
| 第四章 声音识别检测模型 |
| 4.1 卷积循环神经网络 |
| 4.1.1 CNN部分 |
| 4.1.2 RNN部分 |
| 4.2 识别与检测 |
| 4.2.1 传统声音识别检测方法 |
| 4.2.2 重要性加权识别方法 |
| 4.3 仿真实验 |
| 4.3.1 数据平衡方法 |
| 4.3.2 模型结构及参数设置 |
| 4.3.3 检测任务评估指标 |
| 4.3.4 仿真结果及对比分析 |
| 4.4 本章小结 |
| 第五章 多尺度注意力融合和多滑窗分帧 |
| 5.1 多尺度注意力融合 |
| 5.1.1 注意力门控机制 |
| 5.1.2 多尺度卷积融合 |
| 5.2 多滑窗分帧 |
| 5.3 仿真实验 |
| 5.3.1 模型结构及参数设置 |
| 5.3.2 多模型融合 |
| 5.3.3 仿真结果及对比分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）中山市南朗镇冲口门渔村疍家话语音词汇研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 第一节 中山市概况 |
| 一、中山市的地理位置 |
| 二、中山市的历史沿革 |
| 三、中山市疍家人来源及分布 |
| 四、中山市的语言概况 |
| 第二节 疍家话研究现状 |
| 第三节 本文研究的目的、意义、方法和材料 |
| 一、研究目的及意义 |
| 二、研究方法及材料来源 |
| 第四节 本文调查点及发音合作人简介 |
| 一、调查点简介 |
| 二、发音合作人简介 |
| 第二章 冲口门渔村疍家话语音研究 |
| 第一节 冲口门渔村疍家话语音系统 |
| 第二节 冲口门渔村疍家话声韵调配合关系 |
| 一、声韵配合关系表 |
| 二、声韵调配合关系表 |
| 第三节 冲口门渔村疍家话音系与中古音系比较研究 |
| 一、声母比较 |
| 二、韵母比较 |
| 三、声调比较 |
| 四、二字组连读变调 |
| 五、语音特点 |
| 第四节 本章小结 |
| 第三章 冲口门渔村疍家话词汇研究 |
| 第一节 冲口门渔村疍家话词汇的主要成分 |
| 一、古汉语词的沿用 |
| 二、古百越语词的留存 |
| 三、外来词的借用 |
| 第二节 冲口门渔村疍家话词汇的基本特点 |
| 一、构词形式上的特点 |
| 二、造词方式上的特点 |
| 三、词义上的特点 |
| 第三节 冲口门渔村疍家话词语与疍家文化 |
| 一、冲口门渔村疍家话词语与渔业生产 |
| 二、冲口门渔村疍家话词语与疍民日常生活习俗 |
| 第四节 本章小结 |
| 第四章 冲口门渔村疍家话的归属 |
| 第一节 冲口门渔村疍家话与广州话之间的语音比较 |
| 一、共同的语音特征 |
| 二、不同的语音特征 |
| 第二节 冲口门渔村疍家话与广州话之间的词汇比较 |
| 一、冲口门渔村疍家话与广州话核心词比较 |
| 二、冲口门渔村疍家话与广州话基本词汇的计量比较 |
| 三、从构词角度比较两地粤方言的词汇 |
| 第三节 本章小结 |
| 第五章 结语 |
| 参考文献 |
| 附录 |
| 致谢 |
（8）暗网（论文提纲范文）
| 楔子 |
| 第一章 |
| 第二章 |
| 第三章 |
| 第四章 |
| 第五章 |
| 第六章 |
| 第七章 |
| 第八章 |
| 第九章 |
| 第十章 |
| 第十一章 |
| 第十二章 |
| 第十三章 |
| 第十四章 |
| 第十五章 |
| 第十六章 |
| 第十七章 |
| 第十八章 |
| 第十九章 |
| 第二十章 |
| 第二十一章 |
| 第二十二章 |
| 第二十三章 |
| 第二十四章 |
| 第二十五章 |
| 第二十六章 |
| 第二十七章 |
| 第二十八章 |
| 第二十九章 |
| 第三十章 |
| 尾声 |
（9）基于麦克风阵列的机动车鸣笛声监测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 2 典型机动车鸣笛声与背景噪声特性分析 |
| 2.1 机动车鸣笛声特性分析 |
| 2.1.1 机动车类型与鸣笛声 |
| 2.1.2 机动车喇叭类型与鸣笛声 |
| 2.1.3 机动车鸣笛声的小波包能量谱 |
| 2.2 典型非鸣笛声特性分析 |
| 2.3 本章小结 |
| 3 麦克风阵列数据采集系统设计 |
| 3.1 系统硬件设计 |
| 3.1.1 系统硬件总体设计 |
| 3.1.2 前端音频采集模块设计 |
| 3.1.3 后台数据处理模块设计 |
| 3.1.4 核心控制模块设计 |
| 3.1.5 PCB设计与实现 |
| 3.2 系统软件设计 |
| 3.2.1 系统软件总体设计 |
| 3.2.2 数据采集模式 |
| 3.2.3 数据传输模式 |
| 3.2.4 蓝牙控制模式 |
| 3.3 系统功能验证 |
| 3.4 本章小结 |
| 4 基于麦克风阵列的机动车鸣笛声自适应信号增强 |
| 4.1 机动车鸣笛声信号增强方案 |
| 4.2 麦克风阵列自适应方向估计 |
| 4.2.1 方向估计原理 |
| 4.2.2 基于块自适应的时延估计 |
| 4.3 自适应干扰对消 |
| 4.3.1 广义旁瓣对消器原理 |
| 4.3.2 自适应干扰对消 |
| 4.4 实测数据分析 |
| 4.4.1 实验数据采集 |
| 4.4.2 方向估计性能分析 |
| 4.4.3 干扰对消性能分析 |
| 4.5 本章小结 |
| 5 基于小波包的机动车鸣笛声检测 |
| 5.1 基于小波包的机动车鸣笛声检测算法 |
| 5.1.1 基于小波包的机动车鸣笛声检测算法 |
| 5.1.2 基于小波包的匹配滤波器设计 |
| 5.1.3 基于小波包的机动车鸣笛声检测算法实现 |
| 5.2 信号增强前算法性能分析 |
| 5.2.1 算法性能评估方法 |
| 5.2.2 参数选择 |
| 5.2.3 检测结果 |
| 5.2.4 信噪比对算法性能的影响 |
| 5.3 信号增强后算法性能分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）听见:人工耳蜗植入体验记（论文提纲范文）
| 一、手术:耳朵里的蜗牛 |
| 二、开机第1天 |
| 三、开机第2天 |
| 四、开机15天 |
| 五、开机21天 |
| 六、开机30天 |
| 七、开机40天 |
| 八、开机50天 |
| 九、开机60天 |
| 十、开机70天 |
四、摩托车——电子语音喇叭（论文参考文献）
- [1]汕头市电动自行车道路交通伤害危险因素的病例对照研究[D]. 林泽婷. 汕头大学, 2021(02)
- [2]基于情境意识的视障人群出行伴护产品设计研究[D]. 刘梦玉. 华南理工大学, 2020(02)
- [3]汉传与藏传佛教建筑声环境研究 ——基于山西省典型寺院的实例分析[D]. 唐子清. 太原理工大学, 2020(07)
- [4]无声的角落[J]. 迪恩·孔茨,姜焕文. 译林, 2020(03)
- [5]校园周边交通鸣笛声时空分布与分类方法研究[D]. 庄正高. 南京理工大学, 2020(01)
- [6]基于CRNN模型的弱标签城市交通工具声识别检测[D]. 仇鹏. 西安电子科技大学, 2019(02)
- [7]中山市南朗镇冲口门渔村疍家话语音词汇研究[D]. 杨静妍. 广西师范大学, 2019(06)
- [8]暗网[J]. 本杰明·珀西,姚人杰. 译林, 2019(03)
- [9]基于麦克风阵列的机动车鸣笛声监测[D]. 诸云怡. 南京理工大学, 2019(06)
- [10]听见:人工耳蜗植入体验记[J]. 杨培铮. 作品, 2018(03)