基于HMM-ANN模型的语音识别技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.4 主要研究内容 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 语音识别的概述 | 第15-31页 |
| 2.1 语音识别的基本原理 | 第15页 |
| 2.2 语音信号的预处理 | 第15-23页 |
| 2.2.1 数字化 | 第16-17页 |
| 2.2.2 预加重 | 第17页 |
| 2.2.3 分帧加窗 | 第17-19页 |
| 2.2.4 端点检测 | 第19-23页 |
| 2.3 语音信号的特征提取 | 第23-29页 |
| 2.3.1 Mel频率倒普系数（MFCC） | 第24-26页 |
| 2.3.2 基于谱减法估计的改进算法 | 第26-29页 |
| 2.4 模板训练与模板匹配 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 HMM语音识别技术的研究 | 第31-39页 |
| 3.1 HMM模型简介 | 第31页 |
| 3.2 HMM的数学模型 | 第31-32页 |
| 3.3 HMM模型的三个基本问题 | 第32-38页 |
| 3.3.1 前向-后向算法 | 第33-35页 |
| 3.3.2 Viterbi算法 | 第35-36页 |
| 3.3.3 Baum-Welch算法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 ANN语音识别技术的研究 | 第39-46页 |
| 4.1 ANN的概述 | 第39页 |
| 4.2 ANN的基本组成要素 | 第39-42页 |
| 4.2.1 神经元 | 第39-40页 |
| 4.2.2 网络拓扑结构 | 第40-41页 |
| 4.2.3 网络学习算法 | 第41-42页 |
| 4.3 概率神经网络 | 第42-45页 |
| 4.3.1 PNN概述 | 第42页 |
| 4.3.2 PNN的识别过程 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 HMM-ANN语音识别技术的研究 | 第46-51页 |
| 5.1 HMM-ANN的结合依据 | 第46页 |
| 5.2 HMM-ANN的结合方式 | 第46-47页 |
| 5.3 HMM-ANN的语音识别过程 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 仿真与实验分析 | 第51-73页 |
| 6.1 准备工作 | 第51-53页 |
| 6.2 预处理 | 第53-61页 |
| 6.3 特征提取 | 第61-63页 |
| 6.4 HMM-ANN混合模型的仿真 | 第63-72页 |
| 6.4.1 HMM训练模型 | 第63-66页 |
| 6.4.2 PNN训练模型 | 第66-67页 |
| 6.4.3 实验结果与分析 | 第67-70页 |
| 6.4.4 讨论 | 第70-72页 |
| 6.5 本章小结 | 第72-73页 |
| 第7章 总结与展望 | 第73-74页 |
| 7.1 工作总结 | 第73页 |
| 7.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士期间发表论文情况 | 第79-80页 |
| 致谢 | 第80-81页 |
