| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-12页 |
| ·课题背景 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·课题研究的内容与意义 | 第10-11页 |
| ·课题研究的内容 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·论文组织结构 | 第11-12页 |
| 2 模式识别理论 | 第12-16页 |
| ·模式识别和模式的概念 | 第12页 |
| ·模式识别系统 | 第12-13页 |
| ·模式识别的统计学知识 | 第13-15页 |
| ·贝叶斯决策 | 第13页 |
| ·概率密度函数估计 | 第13-14页 |
| ·判别函数 | 第14页 |
| ·近邻法 | 第14-15页 |
| ·风险最小化法 | 第15页 |
| ·模式识别的非统计学知识——神经网络和支持向量机 | 第15-16页 |
| 3 神经网络相关知识 | 第16-20页 |
| ·神经网络简介 | 第16页 |
| ·神经网络构成 | 第16-18页 |
| ·神经元 | 第16-17页 |
| ·神经元的学习算法 | 第17页 |
| ·网络拓扑 | 第17页 |
| ·网络学习算法 | 第17-18页 |
| ·几种用于模式识别的神经网络及其算法 | 第18-19页 |
| ·单层感知器 | 第18页 |
| ·双层感知器 | 第18页 |
| ·多次感知器 | 第18-19页 |
| ·径向基函数网络 | 第19页 |
| ·神经网络的实际应用 | 第19-20页 |
| 4 语音识别相关知识 | 第20-26页 |
| ·语音识别介绍 | 第20页 |
| ·语音信号分析 | 第20-22页 |
| ·时域分析 | 第20-21页 |
| ·频域分析 | 第21页 |
| ·倒谱分析 | 第21-22页 |
| ·语音识别系统分类 | 第22-23页 |
| ·孤立词(字)识别 | 第22页 |
| ·连续词语音识别 | 第22-23页 |
| ·特定人和非特定人识别 | 第23页 |
| ·语音信号的特征参数 | 第23-24页 |
| ·识别方法 | 第24-26页 |
| ·动态时间规整(DTW) | 第24页 |
| ·隐马尔科夫模型(HMM) | 第24-25页 |
| ·神经网络 | 第25-26页 |
| 5 General Vision神经元芯片参数设计 | 第26-36页 |
| ·神经元芯片内重要概念 | 第26-31页 |
| ·决策空间 | 第26-27页 |
| ·判断距离 | 第27-29页 |
| ·影响域 | 第29-31页 |
| ·识别模式 | 第31-32页 |
| ·基于径向基函数 | 第31-32页 |
| ·临近距离 | 第32页 |
| ·神经元寄存器 | 第32-33页 |
| ·网络工作过程 | 第33页 |
| ·迭代学习 | 第33-34页 |
| ·学习和识别过程 | 第34-35页 |
| ·参数设计 | 第35-36页 |
| 6 语音识别应用 | 第36-51页 |
| ·语音采集和特征提取 | 第36-46页 |
| ·采样参数 | 第36-37页 |
| ·COM技术和循环缓存 | 第37-40页 |
| ·预处理 | 第40-41页 |
| ·端点检测 | 第41-43页 |
| ·选取特征参数 | 第43-46页 |
| ·特征向量与神经元芯片结合 | 第46-47页 |
| ·动态压缩数据 | 第46-47页 |
| ·特征向量与神经元芯片结合 | 第47页 |
| ·特征向量的保存格式 | 第47页 |
| ·知识库的保存格式 | 第47页 |
| ·学习过程 | 第47-48页 |
| ·应用示例 | 第48-49页 |
| ·测试及结果分析 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 申请学位期间的研究成果及发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |