數(shù)計系2023屆畢業(yè)設(shè)計(論文)模板

07級本科畢業(yè)設(shè)計（論文）題目:※※※※※※※※※※※※※※※系別:數(shù)學與計算機科學系班級:07計算機科學與技術(shù)(嵌入式方向)學號:200760861???姓名:※※※指導教師:※※※職稱※※※起訖日期:2023年9月28日-2023年3月4日文檔文檔頁面設(shè)置約定：一律用A4紙規(guī)范打印，左邊距為2.8cm，右邊距為2.2cm，上邊距都為2.5cm，下邊距都為2.4cm。頁眉、頁腳邊距分別為1.7cm和1.5cm，奇數(shù)頁眉內(nèi)容為：××屆××專業(yè)畢業(yè)設(shè)計（論文），偶數(shù)頁眉的內(nèi)容為：×××（作者姓名）：××××（論文題目），均采用宋體小五號居中。中、英文摘要各自單獨一頁，置于目錄頁之前。頁碼從正文開始編排。本模板未說明的格式，參考《三明學院畢業(yè)設(shè)計(論文)撰寫規(guī)范要求》。題目應(yīng)以簡明、確切、有概括性的詞語反映文章內(nèi)容。字數(shù)要適當，一般不宜超過20個漢字。題目應(yīng)以簡明、確切、有概括性的詞語反映文章內(nèi)容。字數(shù)要適當，一般不宜超過20個漢字。噪聲環(huán)境下語音特征參數(shù)魯棒性的研究張三（三明學院數(shù)學與計算機科學系*****專業(yè)）摘要：隨著說話人識別技術(shù)的發(fā)展，實用有效的說話人識別系統(tǒng)越來越成為研究的重點。語音特征參數(shù)的魯棒性直接影響一個說話人識別系統(tǒng)的具體性能，過去主要針對移動通信環(huán)境下存在信道失真的問題，研究差分倒譜的魯棒性。文中則主要在加性白噪聲環(huán)境下研究Mel倒譜參數(shù)、Mel差分倒譜參數(shù)的頑健性以及它們經(jīng)過倒譜系數(shù)零均值化(CMN)處理后識別性能的改進。從仿真結(jié)果可以看出：在加性白噪聲環(huán)境下，差分倒譜參數(shù)具有很好的魯棒性；倒譜系數(shù)零均值化能有效的除去加性白噪聲。關(guān)鍵詞：魯棒性；Mel倒譜參數(shù)；Mel差分倒譜；倒譜系數(shù)零均值化設(shè)計（論文）題目為四號黑體字，可以分為1或2行居中打??；設(shè)計（論文）題目下空一行打印作者姓名（單獨一行，小四號宋體，居中）；下行打印“三明學院XX級XX專業(yè)”設(shè)計（論文）題目為四號黑體字，可以分為1或2行居中打印；設(shè)計（論文）題目下空一行打印作者姓名（單獨一行，小四號宋體，居中）；下行打印“三明學院XX級XX專業(yè)”（五號宋體，居中）；再下行打印摘要。[摘要]二字為小四號黑體，“摘要：”二字后空一格打印內(nèi)容(五號仿宋體)；摘要內(nèi)容下空一行打印關(guān)鍵字，“關(guān)鍵字：”三字為小四號黑體，其后的內(nèi)容為五號宋體，每兩個關(guān)鍵字之間空兩格。英文摘要題目和關(guān)鍵字全部采用小四號Arial字體，摘要內(nèi)容和關(guān)鍵字內(nèi)容均用五號Arial字體。英文摘要與關(guān)鍵字附文末。摘要字數(shù)一般不超過400字。關(guān)鍵詞之間用分號隔開。注：所有文字內(nèi)容僅做樣板。TheInvestigationoftheRobustofFeatureExtractedfromSpeechSignalsinAdditiveGaussianNoiseEnvironmentsZhangSan2006ComputerScienceandTechnologyMajor，DepartmentofMathematicsandComputerScience,SanmingUniversityAbstract：Withincreasingdemandforsecurityininformationsystem．thedevelopmentofeffectivespeakerrec．ognitiontechnologiesisveryimpo~ant．Therobustoffeatureextractedfromspeechsignalshasadirectinfluenceonrecognitionsystem．Inthepast，underthecircumstanceofchanneldistortion，deltacepstrumhasbeenwidelystudied．ThispaperfocusesontherobustoffeatureinadditiveGaussiannoiseenvironments．ExperimentsshowthatdeltacepstrumiSrobustfeaturesinadditiveGaussiannoiseenvironments．a(chǎn)ndthatCMN(cepstralmeannormaliza．tion)canefectivelyremovetheeffectsofadditiveGaussiannoise．Keywords：Robust；Melcepstrum；Meldeltacepstrum；Cepstralmeannormalizatio目錄第一章緒論11.1語音識別簡介1什么是語音識別11.1.2語音識別的應(yīng)用及分類11.2國內(nèi)外語音識別技術(shù)的發(fā)展歷史及現(xiàn)狀11.3語音識別面臨的問題21.4本課題研究背景及內(nèi)容2第二章語音識別基礎(chǔ)理論42.1語音信號產(chǎn)生的機理[6]42.2語音信號的預(yù)處理42.2.1預(yù)濾波、采樣、A/D轉(zhuǎn)換42.2.2預(yù)加重52.2.3分幀加窗52.3端點檢測62.3.1短時能量62.3.2短時平均過零率7第三章常用的語音識別模型8第四章噪聲下語音特征參數(shù)的提取識別9第五章結(jié)論10致謝11參考文獻：12目錄生成方法：使用“插入”菜單-“引用”-“索引和目錄”命令產(chǎn)生（前提：目錄生成方法：使用“插入”菜單-“引用”-“索引和目錄”命令產(chǎn)生（前提：正文中的各級標題要使用樣式），目錄中的標題、頁碼應(yīng)與正文對應(yīng)。目錄單獨一頁，目錄二字用四號黑體字，下空二行為章、節(jié)、小節(jié)及其開始頁碼，采用小四號宋體。頁碼放在行末，目錄內(nèi)容和頁碼之間用虛線連接。第一章緒論語言，是人類進行行為溝通和思想交流最重要的工具[1]，也是人類最重要的信息載體。隨著信息科技的快速發(fā)展，計算機的越來越便攜化和應(yīng)用的復雜化，在越來越多的領(lǐng)域有了讓計算機聽懂人言的要求，這樣，就引出了語音處理技術(shù)這門交叉學科。語音識別技術(shù)，是語音處理技術(shù)中的一個重要組成。各級標題使用樣式進行設(shè)置。每章標題以小四號黑體字居中打??；“章”下空一行為“節(jié)各級標題使用樣式進行設(shè)置。每章標題以小四號黑體字居中打印；“章”下空一行為“節(jié)”，以小四號黑體左起打印；“節(jié)”下空一行為“小節(jié)”，以五號宋體左起打印，換行打印設(shè)計（論文）正文。正文及參考文獻英文字體為TimesNewRoman.1.1.1什么是語音識別正文采用五號宋體字打印，行間距為固定值：20磅，字間距為默認值；正文層次標題序號依次為“1”、“1.1”正文采用五號宋體字打印，行間距為固定值：20磅，字間距為默認值；正文層次標題序號依次為“1”、“1.1”、“1.1.1語音識別的應(yīng)用及分類語音識別的應(yīng)用范圍十分廣泛，遍及各行各業(yè)。如智能家居、語音撥號、信息通訊、自動應(yīng)答系統(tǒng)、工業(yè)控制、機器人、交通導航等等。語音識別是一門新興的交叉性學科，它廣泛涉及聲學、語音學、語言學、數(shù)字信號處理、通信學、網(wǎng)絡(luò)技術(shù)、電子技術(shù)、計算機科學、模式識別和人工智能等眾多學科。如前所述，語音識別系統(tǒng)有廣義和狹義之分，這里所討論的語音識別分類特針對狹義的語音識別而言。從不同角度，語音識別系統(tǒng)可以分為以下幾類：按詞匯量大小，可分為小詞匯量、中等詞匯量、大詞匯量及無限詞匯量語音識別系統(tǒng)；按對說話人的依賴程度可以分為特定人和非特定人語音識別系統(tǒng)；按對說話人說話方式的要求，可以分為孤立詞語音識別系統(tǒng)、連接詞語音識別系統(tǒng)及連續(xù)語音識別系統(tǒng)；按識別的目的來分，可以分為說話人語音識別系統(tǒng)和語音內(nèi)容理解的語音識別系統(tǒng)。1.2國內(nèi)外語音識別技術(shù)的發(fā)展歷史及現(xiàn)狀語音識別的歷史可以追溯到20世紀50年代。1952年AT&TBell實驗室的確K.H.Davis等人利用帶通濾波器進行語音頻譜的分析和匹配，并成功用于對10個英文數(shù)字的識別，識別率達到98%。1960年P(guān).Denes等研制成功第一個計算機語音識別系統(tǒng)，同年G.Fant提出了語音產(chǎn)生的聲源——濾波器模型，對語音識別工作起到了巨大的推動作用。20世紀60年代末、70年代初線性預(yù)測（LinearPrediction,LP）技術(shù)和動態(tài)時間規(guī)整算法(DynamicTimeWarping,DTW)被成功引入到語音信號處理中，有效地解決了語音的特征提取和不定長匹配的動態(tài)時間對準問題。此時期的研究以孤立字語音識別為主。20世紀80年代語音識別研究進一步走向深入，其研究重點是連接詞語音識別，用于連接詞識別的分層構(gòu)筑技術(shù)（levelbuilding）得到發(fā)展。另一個重要的發(fā)展是語音識別算法從模板匹配技術(shù)發(fā)展到基于統(tǒng)計模型的技術(shù)。期間，美國CMU大學的J.K.Baker等人將隱馬爾可夫模型（HiddenMarkovModel,HMM）應(yīng)用到語音識別領(lǐng)域，在語音識別中獲得極大的成功，成為語音識別的主要方法。HMM模型的研究使大詞匯量連續(xù)語音識別系統(tǒng)的開發(fā)成為可能。1988年，美國CMU大學用VQ（VectorQuantization）/HMM的方法實現(xiàn)了997個詞的非特定人連續(xù)語音識別系統(tǒng)，其后，連續(xù)語音識別技術(shù)獲得長足的發(fā)展。近年來，人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork,ANN）以及支持向量機（SupportVectorMachine,SVM）由于其較強的自適應(yīng)性和學習能力而獲得了普遍的重視，并在語音識別中獲得了成功的應(yīng)用。國外的IBM、APPLE、MOTOROLA等公司也投入了漢語語音識別系統(tǒng)的開發(fā)。IBM公司于1997年正式推出中文聽寫機系統(tǒng)ViaVoice，該系統(tǒng)對新聞?wù)Z音識別有較高的精度，是目前比較有代表性的漢語連續(xù)語音識別系統(tǒng)。國內(nèi)漢語語音識別的研究緊密跟蹤識別領(lǐng)域的最新研究成果并基本與之保持同步。目前，國內(nèi)一些研究機構(gòu)對大詞匯量連續(xù)語音識別系統(tǒng)的研究已經(jīng)接近國外最高水平[1]，其中，具有代表性的研究單位為清華大學電子工程系與中科院自動化研究所模式識別國家重點實驗室。1.3語音識別面臨的問題語音識別系統(tǒng)存在一些困難[3]：語音識別系統(tǒng)的適應(yīng)性差，對環(huán)境依賴性強，即在一種環(huán)境下訓練得到的語音識別系統(tǒng)只能在這種環(huán)境下得到最優(yōu)的性能；強噪聲環(huán)境下語音識別率急劇下降，語音信號在受到干擾后表現(xiàn)出多變性，必須尋找新的信號分析處理方法，提高語音識別的抗噪性；如何將語言模型、語法及詞法模型應(yīng)用到大詞匯量連續(xù)語音識別中去；人類的聽覺理解、知識積累和學習機制以及大腦神經(jīng)系統(tǒng)的控制機理等方面的認識，以及如何將這些知識應(yīng)用到語音識別中去。1.4本課題研究背景及內(nèi)容如前所提到的，語音識別系統(tǒng)目前還面臨著很多問題，其中的噪聲干擾，是最常見也是影響最廣泛的一個難題。實際應(yīng)用中很多情況下是要求語音識別系統(tǒng)工作在噪聲環(huán)境下，因此一個高性能水平的語音識別系統(tǒng)必需要對不同類型各強度的噪聲具有較強的魯棒性。盡管過去的研究對抗噪聲的語音識別技術(shù)做了大量工作，但到目前為止仍未能找到一種獨立于噪聲的可靠的識別算法[4]。語音識別系統(tǒng)在噪聲環(huán)境下性能下降的原因在于噪聲造成了訓練環(huán)境與識別環(huán)境之間的不匹配，因此，必須盡量減少這種不匹配，以提高識別率。通常，可通過修改訓練參數(shù)使之適應(yīng)識別環(huán)境，或用消除噪聲的方法來增強識別率?，F(xiàn)有的抗噪語音識別技術(shù)通?？煞譃橐韵氯怺5]：抗噪語音特征提取技術(shù)、語音增強技術(shù)和模型補償技術(shù)?；谶@樣的背景，本文提出了一個新的在噪聲環(huán)境下提取特征值的識別方法——分頻帶識別法。本法是在已有的識別方法基礎(chǔ)上，稍加一點改進而來的。經(jīng)過實驗，發(fā)現(xiàn)，其對噪聲環(huán)境下的語音識別還是有效果的。但是目前只是初期研究，我相信，此法應(yīng)該會有廣闊的發(fā)展，有待于我們進一步探討?！?.1）公式公式：公式應(yīng)另起一行寫在稿紙中央。一行寫不完的長公式，最好在等號處轉(zhuǎn)行，如做不到這一點，可在數(shù)學符號(如“+”、“-”號)處轉(zhuǎn)行。公式的編號用圓括號括起，放在公式右邊行末，在公式和編號之間不加虛線。公式可按全文統(tǒng)編序號，也可按章單獨立序號，如(3)或(4．2)，采用哪一種序號應(yīng)和稿中的圖序、表序編法一致。夾在文字中公式的分子和分母平列在一行而用斜線分開，請注意避免含義不清。例如，a／bcosx就會既可能被認為是a／(bcosx)，也可能被認為是(a／b)cosx。公式中分式的橫線要寫清楚。連分數(shù)(即分子、分母也出現(xiàn)分數(shù)時)更要注意分線的長短，并把主要分數(shù)和等號對齊。公式書寫應(yīng)在文中另起一行，居中書寫。公式的編號加圓括號，放在公式右邊行末，公式和編號之間不加虛線。公式后應(yīng)注明編號，該編號按章順序編排。不引用的簡短公式一般隨文寫，但較復雜的無編號公式也可另行居中。第二章語音識別基礎(chǔ)理論2.1語音信號產(chǎn)生的機理[6]人類的發(fā)音器官包括肺、氣管、喉（包括聲帶）、咽、鼻和口等。這些器官共同形成一條形狀復雜的管道，其中喉以上的部分稱為聲道，隨著發(fā)出聲音的不同形狀是變化的；面喉的部分稱為聲門。人的發(fā)聲是由于肺部的收縮，壓迫氣流由支氣管經(jīng)過聲門和聲道引起音頻振蕩而產(chǎn)生的。聲道截面積是隨縱向位置而變的函數(shù)，稱為聲道截面積函數(shù)，聲道的共振峰特性主要取決于聲道截面積函數(shù)，聲道的共振峰特性決定所發(fā)聲音的頻譜特性，即音色。人類發(fā)音過程有三類不同的激勵方式，因而能產(chǎn)生三種不同的聲音，即濁音、清音和爆破音。當氣流通過聲門時聲帶的張力剛好使聲帶發(fā)生較低頻率的張弛震蕩，形成準周期的空氣脈沖，這些空氣脈沖激勵聲道變小產(chǎn)生濁音;如果聲道中某處面積很小，氣流高速沖過此處時產(chǎn)生湍流，當氣流速度與橫截面積之比大于某個門限時便產(chǎn)生摩擦音，即清音。如果聲道某處完全閉合建立起氣壓，然后突然釋放而產(chǎn)生的聲音就是爆破音。語音的產(chǎn)生機理可以由圖2一1來描述。沖擊序列發(fā)生器Z沖擊序列發(fā)生器Z聲門脈沖模型G（Z）隨機噪聲發(fā)生器聲道模型聲道參數(shù)輻射模型圖2-1語音產(chǎn)生機理2.2語音信號的預(yù)處理系統(tǒng)要想獲得一個比較理想的處理對象，對原始信號進行預(yù)處理是必要的。在語音信號處理中，預(yù)處理包括預(yù)濾波、采樣、A/D轉(zhuǎn)換、分幀加窗、預(yù)加重及端點檢測。2.2.1預(yù)濾波、采樣、A/D轉(zhuǎn)換預(yù)濾波的目的有兩個：（1）抑制輸入信號各頻域分量中頻率超出/2的所有分量（為采樣頻率），以防止混疊干擾。（2）抑制50Hz的電源工頻干擾。這樣，預(yù)濾波必須是一個帶通濾波器，設(shè)其上、下截止頻率分別是，和，則對于絕大多數(shù)語音編譯碼器，=3400Hz，=60~100Hz，采樣頻率為=8kHz；而對于語音識別而言，當用于用戶時，指標與語音編譯碼器相同。當使用要求較高或很高的場合時，=4500Hz或8000Hz，=60Hz，=10kHz或20kHz。語音信號經(jīng)預(yù)濾波和采樣后，由A/D轉(zhuǎn)換器轉(zhuǎn)換為二進制數(shù)字碼。2.2.2預(yù)加重由于語音信號的平均功率譜受聲門激勵和口鼻輻射的影響，語音信號從嘴唇輻射后，高頻端大約在800Hz以上按6dB/倍頻程跌落[7]，即語音信號的頻譜產(chǎn)生高頻衰落現(xiàn)象。所以系統(tǒng)得到語音信號頻譜時，頻率越高響應(yīng)的成分越少，高頻部分的頻譜比低頻部分的難求。因此，為抵消這種影響，就在對語音信號分析前進行預(yù)加重（Pre-emphasis）處理。預(yù)加重的目的是提升高頻部分，使信號的頻譜變得平坦，保持在低頻到高頻整個頻帶中，能用同樣的信噪比求頻譜，以便于頻譜分析或聲道參數(shù)分析。預(yù)加重一般是在語音信號數(shù)字化之后、參數(shù)分析之前在計算機里用具有提升高頻特性的預(yù)加重數(shù)字濾波器來實現(xiàn)，它一般是一個一階的數(shù)字濾波器，其函數(shù)為：（2.1）其中，為預(yù)加重濾波器的系數(shù)，決定截止頻率，取值范圍一般在0.94~0.97，本文的取值為0.95。圖2-2為數(shù)字3的原始語音信號與預(yù)加重后的信號對照圖，其語音采樣頻率為16K。從圖中可以看出，預(yù)加重后，清音段的能量得到了提升，甚至接近濁音段的能量。圖2-2數(shù)字“3”的原始語音信號與預(yù)加重后的信號對照2.2.3分幀加窗語音信號是一種非平穩(wěn)信號，但其具有短時平穩(wěn)的特點。因此，為了能對語音信號進行處理，我們需將語音信號劃分為一個一個的短時段，每一個短時段稱為一幀。通過對語音的分幀操作，可以撮其適時特性，便于模型的建立。數(shù)據(jù)幀長一般可取為20~30ms，前一幀與后一幀的交疊部分稱為幀移，幀移與幀長的比例一般取為0~0.5。分幀可用移動的有限窗口進行加權(quán)的方法來實現(xiàn)的，從……2.3端點檢測端點檢測在語音識別中有著重要的作用。其目的是從包含語音的一段信號中檢測出語音信號段和噪聲段，確定語音段的起點和終點。準確的端點檢測不僅可以減少計算量，而且能排除無聲段的噪聲干擾，從而提高系統(tǒng)的識別率。下面，簡單介紹幾種目前常用的檢測方法。2.3.1短時能量能量是語音的一個重要特性，清音的能量較小，濁音的能量較大。由于語音信號的能量隨時間而變化，靜音段和語音段之間的能量差別明顯，靜音段的能量很小，而語音段的能量明顯增大。因此，可以考慮用信號的能量作為特征，區(qū)分靜音段和語音段。只要設(shè)定一個門限，當信號的幅度超過該門限的時候，就認為語音開始，當幅度降低到門限以下時，就認為語音結(jié)束。語音信號的短時能量定義如下：（2.2）其中為窗函數(shù)，N為窗長。計算短時能量之前，要將語音信號進行預(yù)加重，目的是提升語音信號的清音部分。圖2-3為數(shù)字“3”的原始語音信號與預(yù)加重后的信號及信號短時能量的對照圖。可見，清音部分的能量提高了。圖2-3數(shù)字“3”的原始語音信號與預(yù)加重后的信號及信號短時能量的對照圖2-4數(shù)字“3”插圖：畢業(yè)設(shè)計(論文)的插圖必須精心制作，線條要勻潔美觀。插圖應(yīng)與正文呼應(yīng)，不得與正文無關(guān)或與正文脫節(jié)。圖的內(nèi)容安排要適當，不要過于密實。內(nèi)容的多少和圖的大小應(yīng)符合這樣一條原則：當你把插圖放在桌上，你站著看時能方便地看清楚圖上的每一條線和每一個符號。每幅插圖應(yīng)有題目和序號，全文的插圖可以統(tǒng)一編序，也可以逐章單獨編序，但圖序必須連續(xù)，不重復，不跳缺。各類線條圖應(yīng)在描圖紙或潔白圖紙上用墨線繪成，墨色要濃，線條要光滑。一般不使用方格坐標紙或有色紙畫圖。制圖標準：插圖應(yīng)符合國家標準及專業(yè)標準。插圖：畢業(yè)設(shè)計(論文)的插圖必須精心制作，線條要勻潔美觀。插圖應(yīng)與正文呼應(yīng)，不得與正文無關(guān)或與正文脫節(jié)。圖的內(nèi)容安排要適當，不要過于密實。內(nèi)容的多少和圖的大小應(yīng)符合這樣一條原則：當你把插圖放在桌上，你站著看時能方便地看清楚圖上的每一條線和每一個符號。每幅插圖應(yīng)有題目和序號，全文的插圖可以統(tǒng)一編序，也可以逐章單獨編序，但圖序必須連續(xù)，不重復，不跳缺。各類線條圖應(yīng)在描圖紙或潔白圖紙上用墨線繪成，墨色要濃，線條要光滑。一般不使用方格坐標紙或有色紙畫圖。制圖標準：插圖應(yīng)符合國家標準及專業(yè)標準。機械工程圖：采用第一角投影法，嚴格按照GB4457~4460-84,GB131-83《機械制圖》標準規(guī)定。電氣圖：圖形符號、文字符號等應(yīng)符合有關(guān)標準的規(guī)定。流程圖：原則上應(yīng)采用結(jié)構(gòu)化程序并正確運用流程框圖。對無規(guī)定符號的圖形應(yīng)采用該行業(yè)的常用畫法。圖題若采用中英文對照時，其英文字體為五號正體，中文字體為五號宋體。引用圖應(yīng)在圖題的左上角標出文獻來源，圖號按章順序編寫，如：圖3—1為第三章第一圖。如圖中含有幾個不同部分應(yīng)將分圖號標注在分圖的左上角，并在圖題下列出各部分內(nèi)容，圖題放在圖下方，用五號宋體字。顧名思義，過零就是指時域波形穿過坐標軸，即當離散信號的相鄰兩個取樣值具有不同的符號時，便出現(xiàn)過零現(xiàn)象。單位時間內(nèi)過零發(fā)生的次數(shù)稱作短時過零率。圖2-5為數(shù)字“3”的原始語音信號與過零率對照圖。過零率2-7其中，sgn[x]是取符號函數(shù)，它和窗函數(shù)w(n)的定義如下2-8圖2-5數(shù)字“3”的原始語音信號與過零率對照第三章常用的語音識別模型※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※第四章噪聲下語音特征參數(shù)的提取識別※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※表4-1各SNR低頻噪聲環(huán)境下兩種識別方法識別率比較方法-5db時的識別率0db時的識別率5db時的識別率10db時的識別率傳統(tǒng)法56%86%96%98%分頻帶法88%96%96%96%表格表格：表格必須與方案敘述有直接聯(lián)系，表格中的內(nèi)容在技術(shù)上不得與正文矛盾，原則上一律使用“三線表”表格形式。每個表格都應(yīng)有自己的序號和標題，逐章單獨編序，如表3-1為第三章第一表，表序必須連續(xù)，不得跳缺。正文中引用時，“表”字在前，序號在后，如寫“表3-1”，后空一格接寫標題，標題末尾不加標點。標題宋體五號，放在表上方,表中文字宋體小五號表格允許下頁接寫，接寫時表題省略，表頭應(yīng)重復書寫，并在右上方寫“續(xù)表xx”。表格應(yīng)寫在離正文首次出現(xiàn)處最近的地方，不應(yīng)超前和過分拖后。