基于HMM和ANN的语音识别方法
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题的目的和意义 | 第7-8页 |
| ·语音识别的发展历史 | 第8-9页 |
| ·语音识别所面临的问题 | 第9-10页 |
| ·语音识别的一般方法 | 第10-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第二章 语音识别系统概述 | 第13-27页 |
| ·语音识别系统的分类 | 第13-14页 |
| ·语音识别原理 | 第14页 |
| ·语音信号预处理 | 第14-16页 |
| ·预加重 | 第14-15页 |
| ·分桢 | 第15页 |
| ·加窗 | 第15-16页 |
| ·语音信号的端点检测 | 第16-19页 |
| ·短时能量 | 第17页 |
| ·短时平均过零率 | 第17-18页 |
| ·短时自相关函数 | 第18-19页 |
| ·特征参数提取 | 第19-26页 |
| ·线性预测编码系数LPC | 第19-22页 |
| ·线性预测倒谱系数LPCC | 第22-24页 |
| ·美尔频率倒谱系数MFCC | 第24-26页 |
| ·MFCC 系数与LPCC 系数比较 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于HMM 模型的语音识别研究 | 第27-47页 |
| ·HMM 定义 | 第27-28页 |
| ·HMM 的三个基本问题 | 第28-29页 |
| ·HMM 基本算法 | 第29-34页 |
| ·前向—后向算法 | 第29-31页 |
| ·Viterbi 算法 | 第31-32页 |
| ·Baum-Welch 算法 | 第32-34页 |
| ·HMM 的类型 | 第34-36页 |
| ·按照HMM 的状态转移概率矩阵（A 参数）分类 | 第34-35页 |
| ·按照HMM 的输出概率分布（B 参数）分类 | 第35-36页 |
| ·HMM 算法实现中的问题 | 第36-39页 |
| ·初始模型选取 | 第36-37页 |
| ·多个观察值序列训练 | 第37页 |
| ·比例因子问题 | 第37-39页 |
| ·关于HMM 训练的几点考虑 | 第39-45页 |
| ·克服训练数据的不足 | 第40-43页 |
| ·处理说话者的影响 | 第43-45页 |
| ·HMM 的不足及其解决方法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 人工神经网络 | 第47-58页 |
| ·人工神经网络的基本要素 | 第47-50页 |
| ·BP 神经网络 | 第50-52页 |
| ·自组织神经网络SOFM | 第52-57页 |
| ·Kohonen 网络的结构 | 第53-54页 |
| ·Kohonen 网络的基本原理 | 第54-56页 |
| ·Kohonen 网络的训练 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 HMM/ANN 结合的语音识别 | 第58-78页 |
| ·概述 | 第58页 |
| ·HMM/ANN 混合模型用于语音识别 | 第58-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 结论和展望 | 第78-79页 |
| ·本文总结 | 第78页 |
| ·本文展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 中文摘要 | 第84-86页 |
| Abstract | 第86-89页 |
| 致谢 | 第89页 |
