| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-13页 |
| 第一章 引言 | 第13-23页 |
| ·研究背景和意义 | 第13-16页 |
| ·语音识别技术 | 第13-15页 |
| ·鲁棒语音识别 | 第15-16页 |
| ·本文研究内容 | 第16-20页 |
| ·国内外研究现状 | 第16-19页 |
| ·主要研究内容 | 第19-20页 |
| ·本文章节安排 | 第20-23页 |
| 第二章 基于多项式回归与广义可变参数的抗噪识别 | 第23-41页 |
| ·基于HMM的声学模型 | 第23-31页 |
| ·HMM-GMM模型 | 第23-25页 |
| ·HMM模型的训练 | 第25-28页 |
| ·HMM模型的解码问题 | 第28-29页 |
| ·建模单元及参数绑定 | 第29-30页 |
| ·传统HMM模型的限制 | 第30-31页 |
| ·广义可变参数隐马尔科夫模型 | 第31-32页 |
| ·模型空间的混合高斯参数轨迹建模 | 第32-35页 |
| ·均值多项式系数的训练 | 第33-34页 |
| ·方差多项式系数的训练 | 第34-35页 |
| ·模型空间的变换矩阵轨迹建模 | 第35-38页 |
| ·小结 | 第38-41页 |
| 第三章 基于特征空间的广义可变参数抗噪算法 | 第41-51页 |
| ·特征空间变换矩阵的轨迹参数建模 | 第41-47页 |
| ·可变参数的模型空间及特征空间级联系统 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第四章 基于广义可变参数与自适应技术的鲁棒语音识别 | 第51-57页 |
| ·说话人自适应技术 | 第51-52页 |
| ·广义可变参数与自适应技术的级联系统 | 第52-56页 |
| ·小结 | 第56-57页 |
| 第五章 实验设计与结果分析 | 第57-75页 |
| ·基于Aurora 2数据集的实验 | 第57-66页 |
| ·Aurora 2数据集 | 第57-58页 |
| ·本文实验配置 | 第58-60页 |
| ·实验结果与分析 | 第60-66页 |
| ·基于车载导航中文语音识别任务的实验 | 第66-70页 |
| ·实验描述及设置 | 第66-67页 |
| ·实验结果及分析 | 第67-70页 |
| ·基于GVP-HMM与说话人自适应的实验 | 第70-73页 |
| ·实验描述及设置 | 第70-71页 |
| ·实验结果及分析 | 第71-73页 |
| ·小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·本文总结 | 第75-76页 |
| ·后续工作 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 在学期间学术成果情况 | 第83-84页 |
| 指导教师及作者简介 | 第84-85页 |
| 致谢 | 第85页 |