第一章 引言 | 第1-16页 |
·音频信号识别研究的意义 | 第12-13页 |
·音频信号识别的发展与现状 | 第13-15页 |
·语音识别 | 第13-14页 |
·机械噪声识别与故障诊断 | 第14页 |
·水声识别 | 第14-15页 |
·其他识别技术 | 第15页 |
·论文完成的工作 | 第15-16页 |
第二章 音频信号识别的基本原理 | 第16-31页 |
·语音识别系统的组成及分类 | 第16-17页 |
·语音信号的数字化和预处理 | 第17-19页 |
·预滤波、采样与A/D 变换 | 第17页 |
·预加重 | 第17-18页 |
·加窗分帧 | 第18-19页 |
·语音信号的时域分析 | 第19-25页 |
·短时平均能量 | 第19-20页 |
·短时过零率 | 第20-21页 |
·语音的端点检测 | 第21-23页 |
·基于短时能量或短时平均幅度的检测方法 | 第21-22页 |
·基于短时能量和短时平均过零率的检测方法 | 第22-23页 |
·语音端点检测方法的改进 | 第23-25页 |
·语音信号的特征参数 | 第25-31页 |
·线性预测系数LPC | 第26-28页 |
·线性预测倒谱系数LPCC | 第28页 |
·线性预测美尔倒谱系数LPCMCC | 第28-29页 |
·美尔倒谱系数MFCC | 第29-31页 |
第三章 多带连续隐马尔可夫和神经网络融合的语音识别 | 第31-49页 |
·连续隐马尔可夫模型基本原理 | 第31-37页 |
·隐马尔可夫模型基本思想 | 第31-34页 |
·连续隐马尔可夫模型 | 第34页 |
·隐马尔可夫模型的基本算法 | 第34-37页 |
·前向-后向算法 | 第35-36页 |
·维特比(Viterbi)算法 | 第36页 |
·Baum-Welch 算法 | 第36-37页 |
·人工神经网络基本原理 | 第37-41页 |
·人工神经网络的基本要素 | 第37-38页 |
·多层感知器 | 第38-39页 |
·多层感知器训练的BP 算法 | 第39-41页 |
·基于多带连续隐马尔可夫和神经网络融合的语音识别 | 第41-45页 |
·连续隐马尔可夫与神经网络的融合 | 第41-42页 |
·多带识别子系统的理论依据 | 第42-43页 |
·多带CHMM/BP 神经网络识别系统 | 第43-44页 |
·算法复杂度分析 | 第44-45页 |
·系统仿真实验 | 第45-49页 |
·系统的训练过程 | 第45-46页 |
·系统的识别过程 | 第46页 |
·实验过程 | 第46-48页 |
·实验结论 | 第48-49页 |
第四章 基于SOPC 的嵌入式音频信号识别系统总体设计 | 第49-59页 |
·系统相关概念及器件介绍 | 第49-52页 |
·现场可编程门阵列FPGA | 第49-50页 |
·Altera Cyclone 系列芯片 | 第50页 |
·SOPC 与SOPC Builder | 第50-51页 |
·Nios II 嵌入式处理器 | 第51页 |
·Avalon 总线 | 第51-52页 |
·Quartus II 与DSP Builder 开发软件 | 第52页 |
·基于SOPC 的嵌入式语音识别系统总体设计 | 第52-53页 |
·数据采集与串口通信 | 第53-59页 |
·wav 音频文件 | 第53-55页 |
·PC 机与Nios II 的串口通信 | 第55-59页 |
第五章 基于SOPC 的嵌入式音频信号识别系统软硬件设计 | 第59-76页 |
·硬件系统设计 | 第59-65页 |
·Nios II 及控制模块 | 第59-60页 |
·锁相环 | 第60-61页 |
·Nios-FPGA 片内RAM | 第61页 |
·预加重模块 | 第61-62页 |
·片内ROM | 第62-63页 |
·乘法器 | 第63页 |
·片内双口RAM | 第63-64页 |
·地址发生器 | 第64-65页 |
·输入输出模块 | 第65页 |
·软件系统设计 | 第65-71页 |
·软件设计总体流程 | 第65-67页 |
·端点检测与特征提取 | 第67页 |
·训练建库和识别匹配 | 第67-71页 |
·DTW 算法原理 | 第68-69页 |
·DTW 的高效算法 | 第69-71页 |
·系统仿真与调试 | 第71-72页 |
·系统硬件仿真 | 第71-72页 |
·系统软件调试 | 第72页 |
·实验与结论 | 第72-76页 |
·语音识别实验 | 第72-73页 |
·其他音频信号识别实验 | 第73页 |
·系统运行速度分析 | 第73-76页 |
第六章 总结 | 第76-78页 |
·论文的工作总结 | 第76页 |
·进一步工作的展望 | 第76-78页 |
参考文献 | 第78-81页 |
致谢 | 第81-82页 |
攻硕期间取得的研究成果 | 第82页 |