| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外发展与现状 | 第8-10页 |
| 1.2.1 国外发展与现状 | 第8-9页 |
| 1.2.2 国内发展与现状 | 第9-10页 |
| 1.3 研究目标和内容 | 第10-11页 |
| 1.3.1 研究目标 | 第10页 |
| 1.3.2 研究内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第2章 汉语语音识别 | 第13-22页 |
| 2.1 语音识别系统简介 | 第13-15页 |
| 2.2 声学模型 | 第15-18页 |
| 2.2.1 声学模型概述 | 第15-16页 |
| 2.2.2 汉语发音特点概述 | 第16-17页 |
| 2.2.3 特征参数提取方法介绍 | 第17-18页 |
| 2.2.4 声学建模的方法 | 第18页 |
| 2.3 语言模型 | 第18-20页 |
| 2.4 字典 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 声学模型 | 第22-38页 |
| 3.1 基于MFCC的特征参数提取 | 第22-25页 |
| 3.1.1 预加重 | 第22-23页 |
| 3.1.2 分帧 | 第23页 |
| 3.1.3 加窗 | 第23-24页 |
| 3.1.4 FFT变换 | 第24页 |
| 3.1.5 MEL频率滤波器组 | 第24页 |
| 3.1.6 Log（取对数） | 第24-25页 |
| 3.1.7 DCT（离散余弦变换） | 第25页 |
| 3.2 HMM模型 | 第25-29页 |
| 3.2.1 forward-backward算法 | 第27-28页 |
| 3.2.2 Viterbi算法 | 第28-29页 |
| 3.3 基于sphinx的声学模型训练 | 第29-37页 |
| 3.3.1 sphinx框架介绍 | 第29-30页 |
| 3.3.2 语料的选取及存储 | 第30-31页 |
| 3.3.3 训练数据的准备准备 | 第31-34页 |
| 3.3.4 模型的训练 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 语言模型 | 第38-46页 |
| 4.1 语言模型概述 | 第38页 |
| 4.2 统计语言模型 | 第38-41页 |
| 4.2.1 N-gram模型 | 第38-39页 |
| 4.2.2 平滑处理方法 | 第39-41页 |
| 4.3 语言模型训练 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 中文课程视频字幕自动生成系统的设计与实现 | 第46-57页 |
| 5.1 语料库的建设 | 第46-48页 |
| 5.2 sphinx语音识别技术研究 | 第48-49页 |
| 5.3 中文课程视频字幕自动生成系统的设计 | 第49-54页 |
| 5.3.1 系统的设计 | 第49-51页 |
| 5.3.2 视频处理 | 第51页 |
| 5.3.3 音频处理 | 第51页 |
| 5.3.4 语音识别 | 第51-53页 |
| 5.3.5 字幕的生成 | 第53-54页 |
| 5.4 实验及实验结果分析 | 第54-56页 |
| 5.4.1 不同大小的模型库对识别率的影响比对 | 第55页 |
| 5.4.2 不同N-gram模型对识别率的影响比对 | 第55页 |
| 5.4.3 字幕生成系统识别结果 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |