| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-12页 |
| ·本课题的研究背景 | 第8-9页 |
| ·计算机辅助语音处理的意义 | 第8页 |
| ·遗传算法简述 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·语音处理技术发展现状 | 第9-10页 |
| ·遗传算法的研究现状 | 第10页 |
| ·本文的主要工作及组织结构 | 第10-12页 |
| 第二章 计算机辅助语音处理技术综述 | 第12-24页 |
| ·计算机辅助语音处理技术概述 | 第12-13页 |
| ·语音和语言 | 第12-13页 |
| ·计算机辅助语音处理技术应用 | 第13页 |
| ·语音信号处理 | 第13-15页 |
| ·数字语音编码 | 第13-14页 |
| ·语音信号的数学模型 | 第14-15页 |
| ·语音文件处理 | 第15-22页 |
| ·WAV 文件结构 | 第15-17页 |
| ·WAV 文件处理 | 第17-18页 |
| ·语音信号预处理 | 第18-19页 |
| ·语音信号特征提取 | 第19-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 遗传算法理论及其应用 | 第24-32页 |
| ·遗传算法基础 | 第24-25页 |
| ·遗传算法理论 | 第24页 |
| ·遗传算法特点 | 第24-25页 |
| ·遗传算法结构及流程 | 第25-26页 |
| ·遗传算法基本操作 | 第26-29页 |
| ·遗传编码 | 第26-27页 |
| ·适应度函数 | 第27页 |
| ·遗传操作 | 第27-29页 |
| ·本章小结 | 第29-32页 |
| 第四章 遗传算法对计算机辅助语音处理技术相关技术的改进 | 第32-42页 |
| ·遗传算法对矢量量化技术的改进 | 第32-38页 |
| ·矢量量化技术概述 | 第32-35页 |
| ·矢量量化最佳码本设计 | 第35-36页 |
| ·遗传算法优化矢量量化码本设计 | 第36-38页 |
| ·遗传算法对人工神经网络的改进 | 第38-41页 |
| ·人工神经网络概述 | 第38-39页 |
| ·人工神经网络在计算机辅助语音处理中的应用 | 第39页 |
| ·遗传算法优化RBF 神经网络 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 遗传算法优化计算机辅助语音处理实例 | 第42-50页 |
| ·说话人识别技术 | 第42-44页 |
| ·说话人识别技术概述 | 第42-43页 |
| ·说话人识别原理及结构 | 第43-44页 |
| ·改进的矢量量化和RBF 神经网络说话人识别算法设计 | 第44-46页 |
| ·遗传算法改进的矢量量化LBG 算法：GA-LBG 算法设计 | 第44-45页 |
| ·自适应GA-RBF 神经网络设计 | 第45-46页 |
| ·说话人识别实验方法及结论 | 第46-48页 |
| ·说话人识别实验方法 | 第46-47页 |
| ·说话人识别实验结论 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 总结和展望 | 第50-52页 |
| ·本文的工作 | 第50页 |
| ·今后工作计划 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第54-56页 |
| 致谢 | 第56页 |
